基于PANAG模型的攻击路径预测研究

为准确预测网络攻击路径信息,提出一种基于概率属性网络攻击图(PANAG)的攻击路径预测方法。利用通用漏洞评分系统对弱点属性进行分析,设计节点弱点聚类算法以减少弱点数目,同时提出概率属性网络攻击图生成算法GeneratNAG,从而避免攻击图生成后可能存在的状态爆炸问题。综合分析影响网络攻击可行性的多方面因素,引入攻击价值的概念,提出一种基于攻击价值的路径生成算法BuildNAP,以消除冗余路径。在此基础上,通过PANAG模型定量分析基于入侵意图的不同入侵路径的可能性,预测攻击者最可能采取的攻击路径。实验结果表明,该方法的准确率与执行效率均较高。

精神病患者暴力攻击风险评估及意义研究

目的探讨精神病患者暴力攻击风险的评估及意义。方法将2016年6月—2017年6月在我院精神科住院的80例精神分裂症患者纳入本研究,按照随机数字表法均分为观察组和对照组各40例。2组患者均接受常规综合干预,对照组患者由护理人员凭经验判断暴力攻击风险较高者并进行重点看护,观察组患者入院时进行暴力攻击风险评估,对高暴力攻击风险患者进行重点看护,比较2组患者1个月内中、重度暴力攻击行为实际发生情况。结果观察组患者中、重度暴力攻击行为实际发生率均低于对照组,差异有统计学意义(P<0.05)。结论对精神病患者进行暴力攻击风险评估有利于指导临床防范和干预,降低暴力攻击行为发生风险,值得推广。