采用信息增益率的混合入侵检测模型设计

针对现有混合入侵检测模型仅定性选取特征而导致检测精度较低的问题，同时为了充分结合误用检测模型和异常检测模型的优势，提出一种采用信息增益率的混合入侵检测模型.首先，利用信息增益率定量地选择特征子集，最大程度地保留样本信息；其次，采用余弦时变粒子群算法确定支持向量机参数构建误用检测模型，使其更好地平衡粒子在全局和局部的搜索能力，然后，选取灰狼算法确定单类支持向量机参数构建异常检测模型，以此来提高对最优参数的搜索效率和精细程度，综合提高混合入侵检测模型对攻击的检测效果；最后，通过两种数据集进行仿真实验，验证了所提混合入侵检测模型具有较好的检测性能.     

云组合服务网络的异常植入数据检测算法

云组合服务网络在路由转发控制受到节点的同态扰动影响,容易受到植入入侵,为了提高网络的安全性,提出一种基于阈值组合判决的云组合服务网络的异常植入数据检测算法。构建网络异常植入数据的统计特征模型,采用大数据挖掘技术进行云组合服务网络异常植入数据特征检测和滤波分析,提取云组合服务网络数据的谱特征量,采用支持向量机学习方法进行云组合服务网络的异常植入数据检测过程中的自适应寻优控制,采用双门限阈值组合判决方法,实现对目标数据的准确检测,提高对异常植入数据的准确定位检测能力。仿真结果表明,采用该方法进行云组合服务网络异常植入数据检测的准确概率较高,检测性能较好,提高了网络安全性。     

半躺式母乳喂养姿势对凹陷性乳头母亲母乳喂养的效果评价

目的:探讨半躺式母乳喂养姿势对凹陷性乳头母亲母乳喂养的效果。方法:选取2017年3月-2018年4月在本院分娩并坚持母乳喂养的凹陷性乳头产妇120例,按随机数字法分成观察组和对照组,每组各60例。对照组采用传统的坐式姿势喂养母乳,观察组采用半躺式姿势喂养母乳。观察两组母乳喂养成功情况、乳头疼痛程度、心理状态及喂养满意度。结果:观察组产妇泌乳始动时间短于对照组,而产后1、3、5 d泌乳量均较对照组多,差异均有统计学意义(P<0.05);观察组产妇产后1、3、5 d母乳喂养成功率均较对照组高,差异均有统计学意义(P<0.05);观察组产妇母乳喂养1、3、5 d乳头疼痛程度均较对照组轻,差异均有统计学意义(P<0.05);观察组产妇母乳喂养1、2、4周MSSNS评分均较对照组低,差异均有统计学意义(P<0.05);观察组产妇母乳喂养满意度为93.33%优于对照组78.33%,差异有统计学意义(P<0.05)。结论:凹陷性乳头母亲采用半躺式母乳喂养姿势能有效改善产妇的心理状态,促进产妇分泌乳汁,提高母乳喂养成功率及减轻产妇乳头疼痛程度,对促进凹陷性乳头母亲采用母乳喂养具有积极作用。