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.     

一种基于国产密码算法的身份认证方案

提出了一种基于国产密码算法的身份认证方案。方案中的关键数据用SM2加密保护,引入随机数保证发送中间认证信息的时间具有无规律性。方案克服了传统方案存在的常见安全漏洞,可以更有效地抵御窃取信息攻击和劫取连接攻击,并保留了传统方案的安全特性,可以适用于安全性需求较高的场合。     

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。     

基于热湿耦合模型的高温专用服装设计

人们在高温条件下工作时,需要穿专用服装避免灼伤。文章首先利用斯蒂芬—波尔兹曼模型以及织物的密度、比热容等参数得到4层材料在不同时刻的温度分布;其次,采用基于热湿耦合传递的模型列出偏微分方程,得到了第二层的厚度;最后,在此基础上,利用最小二乘法最终求解出防热服第二、四层的最优厚度。