nt。具体服务的Endpoint请参见终端节点。 OBS既需要连通obs.cn-north-1.myhuaweicloud.com，也需要连通目的端 服务器 所在Region的Endpoint。 例如，目的端服务器在华南-广州时，对应的Endpoint如表1所示。 表1 SMS 依赖服务或桶地址

查看更多 →

深刻理解企业数字化转型及其发展趋势 提升企业高层对数字化转型的决心 学习华为企业数字化转型的实践经验和方法论 初步具备基于自身企业现状设计转型路线的能力 企业主导数字化转型的骨干技术人员（CTO、CIO等）： 深刻理解企业数字化转型必要性和重要性 学习华为企业数字化转型的实践经验和方法论 提升数字化建设能力：产品管理和设计、运营/运维、开发集成等

查看更多 →

之关联的所有节点。找到的子图称为起点的ego-net。k跳算法会返回ego-net中节点的个数。 最短路径（Shortest Path） 用于解决图论研究中的一个经典算法问题，旨在寻找图中两节点之间的最短路径。 全最短路（All Shortest Paths） 用于解决图论研究中

查看更多 →

prediction_col - 训练模型时，预测结果对应的列名，默认为"prediction" max_depth - 树的最大深度 max_bins - 分割特征时的最大分箱个数 min_instances_per_node - 决策树分裂时要求每个节点必须包含的实例数目 min_info_gain

查看更多 →

prediction_col - 训练模型时，预测结果对应的列名，默认为"prediction" max_depth - 树的最大深度 max_bins - 特征分裂时的最大分箱个数 min_instances_per_node - 树分裂时要求每个节点必须包含的实例数目，默认为1 min_info_gain

查看更多 →

model_input_features_col - 特征向量的列名 prediction_col - 训练模型时，预测结果对应的列名，默认为"prediction" max_depth - 树的最大深度，默认为5 max_bins - 特征分裂时的最大分箱个数，默认为32 min_instances_per_node

查看更多 →

之关联的所有节点。找到的子图称为起点的ego-net。k跳算法会返回ego-net中节点的个数。 最短路径（Shortest Path） 用于解决图论研究中的一个经典算法问题，旨在寻找图中两节点之间的最短路径。 全最短路（All Shortest Paths） 用于解决图论研究中

查看更多 →

什么是威胁信息 当前企业面临的挑战 随着企业数字化的推进，网络在企业运营中的重要性提升到了前所未有的高度，与此同时，网络安全形势日趋严峻，传统防御策略已无法有效应对。 攻击手法、工具等不断变化，根据经验构建的传统防御策略缺少有效的威胁信息作为决策依据。 企业面对海量的、杂乱无章的威胁信息无从下

查看更多 →

stopped-ecs-date-diff 关机状态的E CS 未进行任意操作的时间检查 ecs 启用此规则可根据您组织的标准检查华为云ecs实例的停止时间是否超过允许的天数，确保 弹性云服务器 （ECS）未闲置。 关机状态的ECS未进行任意操作的时间超过了允许的天数，视为“不合规” 包年/包月资源一

查看更多 →

经验为实例，帮助进一步加深对企业数字化的正确认知和转型决心。 培训对象 企业管理者 培训目标 深刻理解企业数字化转型及其发展趋势 提升企业高层对数字化转型的决心 学习华为企业数字化转型的实践经验和方法论 初步具备基于自身企业现状设计转型路线的能力 培训内容 培训内容 说明 企业数字化转型

查看更多 →

过滤式特征选择 概述 过滤式特征选择根据特征对标签的重要性对特征进行筛选，特征重要性较高的特征，提升训练的精度和效率。 输入 参数 子参数 参数说明 inputs dataframe inputs为字典类型，dataframe为pyspark中的DataFrame类型对象 输出 参数 子参数

查看更多 →

箱型图 分桶统计 相关性分析 决策树分类特征重要性 决策树回归特征重要性 梯度提升树分类特征重要性 梯度提升树回归特征重要性 孤立森林 百分位 百分位统计 直方图 折线图 饼形图 散点图 随机森林分类特征重要性 随机森林回归特征重要性 全表统计 单样本t检验 直方图（多字段） 卡方拟合性检验

查看更多 →

参数 说明 扫描对象 被扫描的软件包/固件，单击可进入本次任务的扫描详情。 文件大小 被扫描的文件的大小。 开始时间 开始扫描的时间。 扫描耗时 扫描耗费的时长。 任务状态 任务扫描状态，包括：排队中、分析中、完成、失败。 检测结果风险统计 显示各检查项的检测项目风险文件总数。 安全漏洞风险项

查看更多 →

识别和备份应用中所有需要备份的关键数据 不同数据的重要性不一样，针对应用系统内的所有数据，需要明确其重要性及对应的RPO/RTO指标要求。比如对于重要数据，通常允许数据丢失的时间会比较少，从而需要更频繁的备份；对于一般的数据，允许数据丢失的时间比较长，可以使用较低的备份频率；对于一些不重要的数据，其

查看更多 →

家网络安全法令及公司网络安全规范，能够识别网络钓鱼等常见的网络安全攻击，具备一定的事件处理能力，知晓安全事件带来的后果和影响。 父主题： 防御措施

查看更多 →

关键策略 不同的业务系统重要性不一样，针对应用系统内的各种业务，需要明确其重要性及对应的RPO/RTO指标要求。比如对于核心业务，通常需要保障业务的连续性，允许业务中断的时间会比较少，从而需要保障故障场景下的业务快速恢复，可采用双活/多活容灾；对于重要业务，允许一定的业务中断时间，

查看更多 →

Detection Response，MDR）是以云服务的形式，为用户建立由管理、技术与运维构成的安全风险管控体系，协助用户进行安全防护的持续改进和安全风险与安全事件的有效监控，及时采取有效措施持续降低安全风险，消除安全事件带来的损失。 产品介绍 图说MDR 立即使用 成长地图 由浅入深，带您玩转MDR

查看更多 →

PageRank算法。该算法继承了经典PageRank算法的思想，利用图链接结构来递归计算各节点的重要性。与PageRank算法不同的是，为了保证随机行走中各节点的访问概率能够反映出用户的偏好，PersonalRank算法在随机行走中的每次跳转会以（1-alpha）的概率返回到source节点，因此可以

查看更多 →

构技术框架的最佳实践，架构师对工作负载的架构进行全面、系统的评估，确保架构符合最新的需求、规范，符合最新的云上最佳实践。架构审视是一个持续的过程，建议在关键里程碑点进行审视或定期例行（如每半年一次）审视。 研发生产力提升 基于云的应用研发，技术、工具和工程实践都有很高的成熟度。业

查看更多 →

蒙特卡洛采样 拉丁超立方采样 拉丁超立方采样的目的是用较少的采样次数，来达到与多次蒙特卡洛采样相同的结果，并且涵盖更全面的边界点。 如下图所示，同样对于µ=0，δ=1的正态分布，可以利用更少的采样点得到相同的分布，并且不会产生明显的聚集现象，边界值也能更容易获取到。 图2 拉丁超立方采样 联合概率分布采样

查看更多 →

蒙特卡洛采样是一种简单的随机抽样，根据概率分布进行采样，如对样本服从µ=0，δ=1的正态分布，通过蒙特卡洛采样进行采样，采样得到的点能满足正态分布要求，如下图所示，采样得到的点会集中µ=0附近，要想采样得到更边界的点，需要进行大量采样。 图1 蒙特卡洛采样 拉丁超立方采样 拉丁超立方采样的目的是

查看更多 →