我们介绍了几个常见的安全组应用案例，同时包括专有网络（VPC）和经典网络的安全组设置说明。

PS1：创建安全组和添加安全组规则的详细操作，请参见创建安全组 和添加安全组规则。

PS2：常用端口，请参见ECS 实例常用端口介绍。

PS3：常用端口的安全组规则配置，请参见安全组规则的典型应用。

案例 1：实现内网互通

场景举例：经典网络里，如果需要在同一个地域内不同账号或不同安全组的ECS实例之间拷贝资源，你可以通过安全组设置实现两台ECS实例内网互通后再拷贝。

案例 2：只允许特定IP地址远程登录到实例

场景举例：如果你的ECS实例被肉鸡，你可以修改远程登录端口号，并设置只允许特定的IP地址远程登录到你的ECS实例。

案例 3：只允许实例访问外部特定IP地址

场景举例：如果你的ECS实例被肉鸡，对外恶意扫描或发包，你可以通过安全组设置你的ECS实例只能访问外部特定IP或端口。

案例 4：允许远程连接实例

场景举例：你可以通过公网或内网远程连接到实例上，管理实例。

案例 5：允许公网通过HTTP、HTTPS等服务访问实例

场景举例：你在实例上架设了一个网站，希望你的用户能通过HTTP或HTTPS服务访问到您的网站。

案例 1：实现内网互通

使用安全组实现相同地域不同账号下或不同安全组内ECS实例间的内网互通。有两种情况：

场景 1：实例属于同一个地域、同一个账号

场景 2：实例属于同一个地域、不同账号

PS：对于VPC网络类型的ECS实例，如果它们在同一个VPC网络内，可以通过安全组规则实现内网互通。如果ECS实例不在同一个VPC内（无论是否属于同一个账号或在同一个地域里），你可以 使用高速通道实现VPC互通。

场景 1：同一地域、同一账号

同一地域、同一账号的2个实例，如果在同一个安全组内，默认内网互通，不需要设置。如果在不同的安全组内，默认内网不通，此时，根据网络类型做不同的设置：

VPC

处于同一个VPC内的ECS实例，在实例所在安全组中分别添加一条安全组规则，授权另一个安全组内的实例访问本安全组内的实例，实现内网互通。安全组规则如下表所示。



经典网络

在实例所在安全组中分别添加一条安全组规则，授权另一个安全组内的实例访问本安全组内的实例，实现内网互通。安全组规则如下表所示。



场景 2：同一地域、不同账号

这部分的描述仅适用于经典网络类型的ECS实例。

同一个地域内、不同账号下，经典网络实例可以通过安全组授权实现内网互通。比如：

UserA在华东1有一台经典网络的ECS实例InstanceA（内网IP：A.A.A.A），InstanceA所属的安全组为GroupA。

UserB在华东1有一台经典网络的ECS实例InstanceB（内网IP：B.B.B.B），InstanceB所属的安全组为GroupB。

在GroupA中添加安全组规则，授权InstanceB内网访问InstanceA，如下表所示。



在GroupB中添加安全组规则，授权InstanceA内网访问InstanceB，如下表所示。



PS：出于安全性考虑，经典网络的内网入方向规则，授权类型优先选择安全组访问；如果选择地址段访问，则仅支持单IP授权，授权对象的格式只能是 a.b.c.d/32，其中IP地址应根据你的实际需求设置，仅支持IPv4，子网掩码必须是/32。

案例 2：只允许特定IP地址远程登录到实例

如果你只想让某些特定IP地址远程登录到实例，可以参考以下示例的步骤在实例所在安全组里添加规则（以Linux实例为例，设置只让特定IP地址访问TCP 22端口）：



案例 3：只允许实例访问外部特定IP地址

如果你只想让实例访问特定的IP地址，参考以下示例的步骤在实例所在安全组中添加安全组规则：

1、禁止实例以任何协议访问所有公网IP地址，优先级应低于允许访问的规则（如本例中设置优先级为2）。安全组规则如下表所示。



2、允许实例访问特定公网IP地址，优先级应高于拒绝访问的安全组规则的优先级（如本例中设置为1）。



添加了安全组规则后，在连接实例，执行 ping、telnet 等测试。如果实例只能访问允许访问的IP地址，说明安全组规则已经生效。

案例 4：允许远程连接实例

允许远程连接ECS实例分为两种情况：

场景 1：允许公网远程连接指定实例

场景 2：允许内网其他账号下的某台ECS实例或所有ECS实例远程连接指定实例

场景 1：允许公网远程连接实例

如果要允许公网远程连接实例，参考以下示例添加安全组规则。

1）VPC：添加如下所示安全组规则。



2）经典网络：添加如下表所示安全组规则。



自定义远程连接端口的详细操作，请参见服务器默认远程端口修改。

场景 2：允许内网其他账号下某个安全组内的ECS实例远程连接您的实例

如果你的账号与同地域其他账号内网互通，而且你想允许内网其他账号下某个安全组内的ECS实例远程连接实例，按以下示例添加安全组规则。

允许内网其他账号某个实例内网IP地址连接你的实例

1）VPC：先保证2个账号的实例 通过高速通道内网互通，再添加如下表所示的安全组规则。



2）经典网络：应添加如下表所示的安全组规则。



允许内网其他账号某个安全组里的所有ECS实例连接您的实例

1）VPC类型的实例，先保证2个账号的实例 通过高速通道内网互通，再添加如下表所示的安全组规则。



2）经典网络实例，添加如下表所示的安全组规则。



案例 5：允许公网通过HTTP、HTTPS等服务访问实例

如果你在实例上架设了一个网站，希望你的用户能通过HTTP或HTTPS服务访问到你的网站，你需要在实例所在安全组中添加以下安全组规则。

1）VPC：假设允许公网上所有IP地址访问你的网站，添加如下表所示的安全组规则。



2）经典网络：假设允许公网上所有IP地址访问你的网站，添加如下表所示的安全组规则。



PS1：如果你无法通过http://公网 IP 地址访问你的实例，请参见检查TCP 80端口是否正常工作。

PS2：80端口是HTTP服务默认端口。如果要使用其他端口，如8080端口，你必须修改Web服务器配置文件中监听端口设置，具体操作，请参见修改nginx/Tomcat等Web服务的端口监听地址或 ECS Windows Server修改IIS监听的IP地址。

原文链接:http://tecdat.cn/?p=2640  

 

可以使用逐步过程确定多元逻辑回归。此函数选择模型以最小化AIC。

如何进行多元逻辑回归

可以使用阶梯函数通过逐步过程确定多元逻辑回归。此函数选择模型以最小化AIC。

通常建议不要盲目地遵循逐步程序，而是要使用拟合统计（AIC，AICc，BIC）比较模型，或者根据生物学或科学上合理的可用变量建立模型。

多元相关是研究潜在自变量之间关系的一种工具。例如，如果两个独立变量彼此相关，可能在最终模型中都不需要这两个变量，但可能有理由选择一个变量而不是另一个变量。

多元相关

创建数值变量的数据框



Data.num $ Status = as.numeric（Data.num $ Status）

Data.num $ Length = as.numeric（Data.num $ Length）

Data.num $ Migr = as.numeric（Data.num $ Migr）

Data.num $ Insect = as.numeric（Data.num $ Insect）

Data.num $ Diet = as.numeric（Data.num $ Diet）

Data.num $ Broods = as.numeric（Data.num $ Broods）

Data。 num $ Wood = as.numeric（Data.num $ Wood）

Data.num $ Upland = as.numeric（Data.num $ Upland）

Data.num $ Water = as.numeric（Data.num $ Water）

Data.num $ Release = as.numeric（Data.num $ Release）

Data.num $ Indiv = as.numeric（Data.num $ Indiv）

###检查新数据框

headtail（Data.num）

1 1 1520 9600.0 1.21 1 12 2 6.0 1 0 0 1 6 29

2 1 1250 5000.0 0.56 1 0 1 6.0 1 0 0 1 10 85

3 1 870 3360.0 0.07 1 0 1 4.0 1 0 0 1 3 8

77 0 170 31.0 0.55 3 12 2 4.0 NA 1 0 0 1 2

78 0 210 36.9 2.00 2 8 2 3.7 1 0 0 1 1 2

79 0 225 106.5 1.20 2 12 2 4.8 2 0 0 0 1 2

###检查变量之间的相关性

###这里使用了Spearman相关性

 



多元逻辑回归的例子

在此示例中，数据包含缺失值。在R中缺失值用NA表示。SAS通常会无缝地处理缺失值。虽然这使用户更容易，但可能无法确保用户了解这些缺失值的作用。在某些情况下，R要求用户明确如何处理缺失值。处理多元回归中的缺失值的一种方法是从数据集中删除具有任何缺失值的所有观察值。这是我们在逐步过程之前要做的事情，创建一个名为Data.omit的数据框。但是，当我们创建最终模型时，我们只想排除那些在最终模型中实际包含的变量中具有缺失值的观察。为了测试最终模型的整体p值，绘制最终模型，或使用glm.compare函数，我们将创建一个名为Data.final的数据框，只排除那些观察结果。

尽管二项式和poission系列中的模型应该没问题，但是对于使用某些glm拟合的步骤过程存在一些注意事项。

用逐步回归确定模型

最终模型

summary(model.final)


Coefficients:

              Estimate Std. Error z value Pr(>|z|)   

(Intercept) -3.5496482  2.0827400  -1.704 0.088322 . 

Upland      -4.5484289  2.0712502  -2.196 0.028093 * 

Migr        -1.8184049  0.8325702  -2.184 0.028956 * 

Mass         0.0019029  0.0007048   2.700 0.006940 **

Indiv        0.0137061  0.0038703   3.541 0.000398 ***

Insect       0.2394720  0.1373456   1.744 0.081234 . 

Wood         1.8134445  1.3105911   1.384 0.166455   

 

伪R方

$Pseudo.R.squared.for.model.vs.null

                             Pseudo.R.squared

McFadden                             0.700475

Cox and Snell (ML)                   0.637732

Nagelkerke (Cragg and Uhler)         0.833284

 

模型总体p值

在最终模型中创建包含变量的数据框，并省略NA。

偏差表分析

 

Analysis of Deviance Table

 

Model 1: Status ~ Upland + Migr + Mass + Indiv + Insect + Wood

Model 2: Status ~ 1

  Resid. Df Resid. Dev Df Deviance  Pr(>Chi)   

1        63     30.392                         

2        69     93.351 -6  -62.959 1.125e-11 ***

似然比检验

 

Likelihood ratio test

 

  #Df  LogLik Df  Chisq Pr(>Chisq)   

1   7 -15.196                        

2   1 -46.675 -6 62.959  1.125e-11 ***

 

标准化残差图



简单的预测值图

在最终模型中创建包含变量的数据框，并在NA中省略



过度离散检验

过度离散是glm的deviance残差相对于自由度较大的情况。这些值显示在模型的摘要中。一个指导原则是，如果deviance残差与剩余自由度的比率超过1.5，则模型过度离散。过度离散表明模型不能很好地拟合数据：解释变量可能无法很好地描述因变量，或者可能无法为这些数据正确指定模型。如果存在过度离散，一种可能的解决方案是 在glm中使用quasibinomial family选项。

 

Null deviance: 93.351  on 69  degrees of freedom

Residual deviance: 30.392  on 63  degrees of freedom

deviance /   df.residual

 

[1] 0.482417

 

评估模型的替代方法

使用逐步程序的替代或补充是将模型与拟合统计进行比较。我的compare.glm 函数将为glm模型显示AIC，AICc，BIC和伪R平方。使用的模型应该都拟合相同的数据。也就是说，如果数据集中的不同变量包含缺失值，则应该谨慎使用。如果您对使用哪种拟合统计数据没有任何偏好，您希望在最终模型中使用较少的术语，我可能会推荐AICc或BIC。

一系列模型可以与标准的anova 功能进行比较。模型应嵌套在先前模型中或anova函数列表中的下一个模型中; 和模型应该拟合相同的数据。在比较多个回归模型时，通常放宽p值为0.10或0.15。

在以下示例中，使用通过逐步过程选择的模型。请注意，虽然模型9最小化了AIC和AICc，但模型8最小化了BIC。anova结果表明模型8不是对模型7的显着改进。这些结果支持选择模型7,8或9中的任何一个。  

 

compareGLM(model.1, model.2, model.3, model.4, model.5, model.6,
           model.7, model.8, model.9)

 

$Models

  Formula                                                  

1 "Status ~ 1"                                             

2 "Status ~ Release"                                       

3 "Status ~ Release + Upland"                               

4 "Status ~ Release + Upland + Migr"                       

5 "Status ~ Release + Upland + Migr + Mass"                

6 "Status ~ Release + Upland + Migr + Mass + Indiv"        

7 "Status ~ Release + Upland + Migr + Mass + Indiv + Insect"

8 "Status ~ Upland + Migr + Mass + Indiv + Insect"         

9 "Status ~ Upland + Migr + Mass + Indiv + Insect + Wood"  

 

$Fit.criteria

  Rank Df.res   AIC  AICc   BIC McFadden Cox.and.Snell Nagelkerke   p.value

1    1     66 94.34 94.53 98.75   0.0000        0.0000     0.0000       Inf

2    2     65 62.13 62.51 68.74   0.3787        0.3999     0.5401 2.538e-09

3    3     64 56.02 56.67 64.84   0.4684        0.4683     0.6325 3.232e-10

4    4     63 51.63 52.61 62.65   0.5392        0.5167     0.6979 7.363e-11

5    5     62 50.64 52.04 63.87   0.5723        0.5377     0.7263 7.672e-11

6    6     61 49.07 50.97 64.50   0.6118        0.5618     0.7588 5.434e-11

7    7     60 46.42 48.90 64.05   0.6633        0.5912     0.7985 2.177e-11

8    6     61 44.71 46.61 60.14   0.6601        0.5894     0.7961 6.885e-12

9    7     60 44.03 46.51 61.67   0.6897        0.6055     0.8178 7.148e-12


Analysis of Deviance Table

 

Model 1: Status ~ 1

Model 2: Status ~ Release

Model 3: Status ~ Release + Upland

Model 4: Status ~ Release + Upland + Migr

Model 5: Status ~ Release + Upland + Migr + Mass

Model 6: Status ~ Release + Upland + Migr + Mass + Indiv

Model 7: Status ~ Release + Upland + Migr + Mass + Indiv + Insect

Model 8: Status ~ Upland + Migr + Mass + Indiv + Insect

Model 9: Status ~ Upland + Migr + Mass + Indiv + Insect + Wood

 

  Resid. Df Resid. Dev Df Deviance Pr(>Chi)   

1        66     90.343                        

2        65     56.130  1   34.213 4.94e-09 ***

3        64     48.024  1    8.106 0.004412 **

4        63     41.631  1    6.393 0.011458 * 

5        62     38.643  1    2.988 0.083872 . 

6        61     35.070  1    3.573 0.058721 . 

7        60     30.415  1    4.655 0.030970 * 

8        61     30.710 -1   -0.295 0.587066   

9        60     28.031  1    2.679 0.101686

 

 



最受欢迎的见解

1.matlab中的偏最小二乘回归（PLSR）和主成分回归（PCR）

2.R语言多元Logistic逻辑回归 应用案例

3.R语言面板平滑转移回归(PSTR)分析案例实现

4.R语言回归中的Hosmer-Lemeshow拟合优度检验

5.R语言泊松Poisson回归模型分析案例

6.r语言中对LASSO回归，Ridge岭回归和Elastic Net模型实现

7.R语言如何在生存分析与Cox回归中计算IDI，NRI指标

8.在R语言中实现Logistic逻辑回归

9.R语言实现向量自回归VAR模型

 

听很多人说区块链很牛逼，能颠覆这个颠覆那个的，到底怎么个牛逼法？有什么靠谱的应用案例吗？逻辑是什么？
每个人都难免有这样的疑问。区块链因其独特精巧的设计，为我们释放了巨大的创新空间，在很多领域都出现了应用案例和概念验证。本节为您介绍区块链和智能合约最常见的一些应用案例和场景，包括：
数字货币；
支付汇兑；
登记结算；
数据存证；
知识产权保护；
溯源防伪；
身份认证与公民服务；
物联网；
保险；
医疗；
赌博与预测市场。
阅读全文: http://gitbook.cn/gitchat/activity/599a90fa3aae7b56e01feff7
您还可以下载 CSDN 旗下精品原创内容社区 GitChat App ，阅读更多 GitChat 专享技术内容哦。

企业微信应用案例
操作步骤：

申请企业微信，并配置好相关应用（应用管理-自建-创建应用）。
进入应用，配置工作台应用主页，自动授权则配置为用户授权链接。

自动授权链接：

https://open.weixin.qq.com/connect/oauth2/authorize?appid=CORPID&redirect_uri=REDIRECT_URI&response_type=code&scope=SCOPE &state=STATE#wechat_redirect

参数说明：

appid：企业的CorpID，（我的企业-企业信息-企业ID）。

Redirect_uri: 授权后重定向的回调链接地址，请使用urlencode对链接进行转码处理。重定向地址为用户首次访问的后端接口地址，一般为getUserId接口。

response_type：返回类型，此时固定为：code。

scope：应用授权作用域。企业自建应用固定填写：snsapi_base。

state：非必需，重定向后会带上state参数，企业可以填写a-zA-Z0-9的参数值，长度不可超过128个字节。

#wechat_redirect：终端使用此参数判断是否需要带上身份信息。

3.	配置网页授权及JS-SDK

配置可信域名并将验证文件放置到根目录下。
JS-SDK认证过程：

①. 配置可信可信域名；

②. JS-SDK使用权限签名算法：

获取企业的jsapi_ticket：

请求方式：GET（HTTPS）

请求URL:https://qyapi.weixin.qq.com/cgi-bin/get_jsapi_ticket?access_token=ACCESS_TOKEN
注意事项：企业微信提供的获取access_token接口有调用限制，需将access_token全局缓存，默认存活时间为7200s，需定时更新；

③. 签名算法

签名生成规则如下：

参与签名的参数有四个: noncestr（随机字符串）, jsapi_ticket, timestamp（时间戳）, url（当前网页的URL， 不包含#及其后面部分）

将这些参数使用URL键值对的格式 （即 key1=value1&key2=value2…）拼接成字符串string1。

有两个注意点：1. 字段值采用原始值，不要进行URL转义；2. 必须严格按照如下格式拼接，不可变动字段顺序。
jsapi_ticket=JSAPITICKET&noncestr=NONCESTR&timestamp=TIMESTAMP&url=URL

然后对string1作sha1加密即可。

注意事项：noncestr：长度为16；jsapi_ticket：可将其做全局缓存，并定时清理；timestamp：单位为s，并非ms，url：当前网页的URL， 不包含#及其后面部分，无需转码；前端调用wx.config传值需与签名算法的4个值一致。