value with the input as entered and the output value when one of the i的简体中文翻译

value with the input as entered and

value with the input as entered and the output value when one of the input values has been set toone. The Sensitivity metric measures the potential for improvement in that input to result in ameasurable improvement in the total result.To summarize, an MLE threat assessment model consists of a network of decision elements andinputs as defined through the decomposition process. The model is populated with a set of fixedweighting factors and a prescribed data aggregation scheme. Assigning corresponding attributevalues for direct effects (with help from the elicitation guides, e.g., Figure 4) and aggregating thevalues over all the decision elements provides an overall threat assessment score. The resultingassessment score provides a measure of the credibility of that specific threat scenario. Byconsistently following the same analysis scheme, assessment scores calculated for differentthreat scenarios can be compared and ranked to identify the most credible threat. The threatassessment scores range between 0 and 1. A threat assessment score of 1, for example, wouldmean that the system has the highest likelihood of being attacked and the system effectivenessagainst the attack is nonexistent. Conversely, a threat assessment value of 0 means that the system can defeat the threat and the possibility of successful attack is zero.
0/5000
源语言: -
目标语言: -
结果 (简体中文) 1: [复制]
复制成功!
当输入值<br>之一设置为1时,输入为输入值,输出值为输入值。敏感度度量标准衡量该输入中潜在的改进,<br>以使总体结果得到可衡量的改进。<br>总而言之,MLE威胁评估模型由决策元素和<br>分解过程定义的输入组成。该模型填充了一组固定的<br>加权因子和规定的数据聚合方案。<br>为直接效果分配相应的属性值(在启发指南的帮助下,例如图4)并汇总<br>所有决策元素上的值可提供总体威胁评估评分。所结果的<br>评估分数可衡量特定威胁情景的可信度。通过<br>始终遵循相同的分析方案,可以对针对不同<br>威胁情景计算的评估分数进行比较和排名,以识别最可信的威胁。威胁<br>评估得分的范围是0到1。例如,威胁评估得分为1,<br>表示系统受到攻击的可能性最高,并且<br>不存在针对攻击的系统有效性。相反,威胁评估值为0表示系统可以克服威胁,成功攻击的可能性为零。
正在翻译中..
结果 (简体中文) 2:[复制]
复制成功!
输入输入值和输出值的值,当其中一个输入值已设置为<br>一。灵敏度度度衡量该输入的改进潜力,以导致<br>总成绩的可衡量改善。<br>总之,MLE 威胁评估模型由决策要素网络和<br>通过分解过程定义的输入。模型中填充了一组固定的<br>加权系数和规定的数据聚合方案。分配相应的属性<br>直接效果的值(在引出指南的帮助下,例如图4)和聚合<br>所有决策要素的值提供总体威胁评估分数。结果<br>评估分数衡量了该特定威胁情景的可信度。由<br>始终遵循相同的分析方案,为不同的评估分数计算<br>可以比较和排名威胁情景以识别最可信的威胁。威胁<br>评估分数介于 0 和 1 之间。例如,威胁评估分数为 1<br>这意味着系统被攻击的可能性最大,并且系统有效性<br>反对攻击是不存在的。相反,0 的威胁评估值意味着系统可以战胜威胁,成功攻击的可能性为零。
正在翻译中..
结果 (简体中文) 3:[复制]
复制成功!
输入为输入的值,其中一个输入值设置为时的输出值<br>一个。敏感度度量度量了该输入的改进潜力,从而产生<br>总结果的显著改善。<br>综上所述,MLE威胁评估模型是由决策元素网络和<br>通过分解过程定义的输入。模型中填充了一组固定的<br>加权因子和规定的数据聚合方案。分配相应属性<br>直接效应的值(在启发指南的帮助下,如图4)和聚合<br>所有决策元素的值提供了总体威胁评估分数。结果<br>评估分数提供了特定威胁场景可信度的度量。由<br>始终遵循相同的分析方案,计算不同<br>可以对威胁场景进行比较和排序,以确定最可信的威胁。威胁<br>评估分数在0到1之间。例如,威胁评估分数为1时<br>意味着系统被攻击的可能性和系统有效性最高<br>反对攻击是不存在的。反之,威胁评估值为0意味着系统能够打败威胁,成功攻击的可能性为零。
正在翻译中..
 
其它语言
本翻译工具支持: 世界语, 丹麦语, 乌克兰语, 乌兹别克语, 乌尔都语, 亚美尼亚语, 伊博语, 俄语, 保加利亚语, 信德语, 修纳语, 僧伽罗语, 克林贡语, 克罗地亚语, 冰岛语, 加利西亚语, 加泰罗尼亚语, 匈牙利语, 南非祖鲁语, 南非科萨语, 卡纳达语, 卢旺达语, 卢森堡语, 印地语, 印尼巽他语, 印尼爪哇语, 印尼语, 古吉拉特语, 吉尔吉斯语, 哈萨克语, 土库曼语, 土耳其语, 塔吉克语, 塞尔维亚语, 塞索托语, 夏威夷语, 奥利亚语, 威尔士语, 孟加拉语, 宿务语, 尼泊尔语, 巴斯克语, 布尔语(南非荷兰语), 希伯来语, 希腊语, 库尔德语, 弗里西语, 德语, 意大利语, 意第绪语, 拉丁语, 拉脱维亚语, 挪威语, 捷克语, 斯洛伐克语, 斯洛文尼亚语, 斯瓦希里语, 旁遮普语, 日语, 普什图语, 格鲁吉亚语, 毛利语, 法语, 波兰语, 波斯尼亚语, 波斯语, 泰卢固语, 泰米尔语, 泰语, 海地克里奥尔语, 爱尔兰语, 爱沙尼亚语, 瑞典语, 白俄罗斯语, 科西嘉语, 立陶宛语, 简体中文, 索马里语, 繁体中文, 约鲁巴语, 维吾尔语, 缅甸语, 罗马尼亚语, 老挝语, 自动识别, 芬兰语, 苏格兰盖尔语, 苗语, 英语, 荷兰语, 菲律宾语, 萨摩亚语, 葡萄牙语, 蒙古语, 西班牙语, 豪萨语, 越南语, 阿塞拜疆语, 阿姆哈拉语, 阿尔巴尼亚语, 阿拉伯语, 鞑靼语, 韩语, 马其顿语, 马尔加什语, 马拉地语, 马拉雅拉姆语, 马来语, 马耳他语, 高棉语, 齐切瓦语, 等语言的翻译.

Copyright ©2024 I Love Translation. All reserved.

E-mail: