2015 年五大安全事件，你中招了吗？
回头去看，2015 年大家学会了几个新词：「白帽子」、「脱库」、「撞库」、「XCode」&&当然学习途径是一次又一次影响广泛的网络安全事件。这背后是企业亟待提升的安全能力和大众需要具备的基本安全意识。
那么从现在就开始学习吧，看看你能从去年的五大安全事件中学到什么。
苹果 Xcode Ghost 病毒事件，原来不越狱也不安全
影响人数：数亿
受感染应用：微信、网易云音乐、滴滴打车、高德地图、12306、同花顺等。
事件回顾：一直被认为相对安全的苹果系统，在今年 9 月被发现感染病毒，中国大陆地区 App Store 中部分应用程序被称为「XCodeGhost」的第三方恶意代码注入，向指定网站上传用户数据。
Xcode 是目前开发 Mac OS 和 iOS 应用程序的最快捷最普遍的开发工具，由苹果制作。这次病毒的感染方式是通过在 XCode 程序中植入恶意，将其上传到网盘中，当应用开发者下载并使用被感染的 XCode 开发程序时，所开发的应用便会被恶意植入代码。
因为这是开发者端的程序污染，所以即便未越狱的 iOS 用户从苹果官方 App Store 下载应用也可能存在风险。
安全专家怎么说：
百度移动安全部安全技术专家 包沉浮、百度移动安全技术总监 王巍巍
一方面，从病毒本身来说，它的攻击方式很独特，虽然几十年前 Ken Thompson 就提到过利用编译器留后门的思路，但是病毒作者通过精心的布局，最终造成了如此大范围的影响，也算得上是一个创新。
另一方面，从被影响的苹果来说，虽然大家都知道苹果系统本身的安全性相对较高，但是通过这件事，我们看出它并没有能力应对所有的安全问题，审核机制也被轻易的绕过了。说明在安全方面还是有缺失的点，而这一个点就有可能导致很大的安全问题。
这个事件也反映了国内程序员一直以来安全意识的不足，很多程序员都没有从官网下载文件，下载之后比对文件大小、MD5/SHA1 等哈希值的习惯，否则是完全可以避免这类问题的。当然，国内的网络环境不佳也是一个客观原因。
网站宕机事件，一连串知名网站「连跪」
影响人数：数亿
受影响应用：携程，微信公众平台，新浪微博，支付宝，网易，陌陌
事件回顾：
微信公众平台故障&11 月 6 日上午，有大量用户反映微信公众平台后台登录出现故障，部分账号出现登录不成功或没有访问权限等错误提示，这已经是微信今年内第四次出现故障。
新浪微博故障&9 月 12 日，新浪微博遭遇大面积故障，无论是登录微博、发送微博或是查阅别人的博文，都会遭遇错误提示。
携程网瘫痪&5 月 28 日，携程旅行网突然陷入瘫痪，打开主页后点击任意链接显示「Service Unavailable」，而百度搜索上的携程官方页面也显示 404 错误。
支付宝故障&5 月 27 日，国内最大的网上支付平台&&支付宝出现了大规模瘫痪，对于此次超过两个小时的故障，而其原因是由于杭州市萧山区某地光纤被挖断。
网易骨干网遭受攻击&5 月 11 日，网易宣布其骨干网络遭到攻击，导致其移动应用、游戏无法访问、刷新。
陌陌故障&5 月 10 日，陌陌通过新浪微博宣布，由于网络故障，用户暂时无法使用其移动应用。
12306 大访问量故障&2 月 6 日，由于访问量骤增，铁路订票网站「12306」发生崩溃，从当日上午 10 点起显示「页面无法打开」，瘫痪持续 1 小时，期间乘客无法订票。
安全专家怎么说：
@ 乌云网 303
网站宕机事件已经不是第一次发生，只是 2015 年这样的一连串知名网站「连跪」事件还是比较少见的。
在互联网发展并不算长的历史上，的确出现过因为黑客删除全部数据造成网站宕机甚至关门的事件：2014 年提供代码托管服务的 Code Spaces 就曾因为攻击者设法删除了所有该公司托管的客户数据和大部分备份而宣布停止运营；2014 年 11 月浙江江北区的某贸易公司也因被黑客删除和拷贝了公司服务器中的所有数据而遭遇敲诈。
2015 年发生的这些网站宕机事件虽然大部分还没有明确宕机原因，我们也不便随意猜测，但是在互联网和用户生活紧密联系的今天，这些网民常用网站的宕机的确给大家的生活带来诸多影响，也引起了一定的恐慌。
另外，宕机影响到的不仅是网民的日常生活，对于企业来说，同样会带来巨大的损失。
2015 年包括 App Store、iTunes Store、Mac App Store 以及 iBooks Store 在内的一系列苹果在线商店服务，遭遇大面积服务中断，此次故障使苹果在股市上下跌 1.82%，市值蒸发了 130 亿美元。宕机事件发生后，我们都会去猜测并试图得到宕机的真正原因，但对于无法得知原因的宕机「未解之谜」，我们更应该关注在面对宕机事件时，企业和用户应该如何应对以尽可能地减少因为宕机带来的损失。
社保系统被曝漏洞，成个人信息泄露「重灾区」
影响人数：数千万
受影响产品：多省市社保系统
事件回顾：4 月，补天平台曝出重庆、上海、山西、贵州、河南等省市卫生和社保系统出现大量高危漏洞，数千万用户的社保信息可能因此被泄露。
相关数据显示，目前围绕社保系统、户籍查询系统、疾控中心、医院等大量曝出高危漏洞的省市已经超过 30 个，仅社保类信息安全漏洞统计就达到 5279.4 万条，涉及人员数量达数千万，其中包括个人身份证、社保参保信息、财务、薪酬、房屋等敏感信息。
安全专家怎么说：
百度云安全部首席架构师 Tony Lee
相比其他行业而言，医疗社保信息泄漏事件的后果更加严重。在地下黑色产业链中，一条医疗社保信息的价格大约是一条普通信用卡信息的 10 倍。这次大规模曝出的漏洞风险，涉及到数千万条信息，甚至可能更多，信息量非常大。
如果信息遭到，参保人的身份证号码、社保信息、财务、薪酬、不动产等各种敏感信息将受到威胁。这些信息被不法分子获得，很有可能被用来进行钓鱼诈骗、电信诈骗等，人们的财产可能会损失。
另一方面，医疗社保信息还关系用户的医疗信息、生病记录等，是用户非常私密的隐私信息。保护这些隐私不收侵害，是法律赋予用户的权利，绝对不能被侵害。
由于安全意识薄弱、缺乏专业技术人员、防护策略过时等多方面的因素，目前各省市的医疗社保系统大多存在不同程度的安全风险。建议各地相关部门及时检测安全系统的漏洞风险，邀请专业的第三方安全厂商对系统进行加固和升级。另外，加强安全意识培训，对员工进行安全教育也必不可少。
网易邮箱数据泄漏，到现在你还没改密码吗？
影响人数：数亿
受影响应用：网易邮箱和使用网易邮箱作为注册账号的应用，如 iCloud、支付宝等
事件回顾：2015 年 10 月，有网易邮箱用户在论坛和微博上反映自己的网易邮箱泄露，一些用网易邮箱注册的第三方账户被盗。10 月 18 日，网易在其微博上称，泄露一事不属实。
但 10 月 19 日，乌云漏洞报告平台宣布，网易的用户数据库疑似泄露，涉及邮箱账号/密码/用户密保等，用户使用网易邮箱绑定的其它账户都受到了波及，这次泄漏事件可能涉及过亿用户。20 日，国家互联网应急中心就该事件进行通报，认为「尚无法支持『过亿数据泄露』这一判断」。
安全专家怎么说：
@ 乌云网 疯狗
2015 年的数据泄漏事件不仅让大众更加明白了数据的重要性，提高了对于数据的安全意识，也让民众知道了「脱库」和「撞库」两个安全名词。
那么如何辨别「脱库」和「撞库」呢？「脱库」是指黑客在拿到数据库权限后直接导出数据库中的数据，脱库影响的并非只有账号密码 而是账号一系列的敏感信息 比如注册 IP、密码提示问题、答案，数据具有完整性与连续性；「撞库」则是指黑客使用弱口令或已经公开泄漏的数据组合成的密码字典，利用用户相同的注册习惯（相同的用户名和密码），尝试登录其它网站，使用这样的手法撞出的数据具有偶然性和不完整性，当然用户数据也不会是连续的。
由此可以轻易看出，「脱库」和「撞库」是具有本质区别的，一种黑客是具有主动权，泄漏的数据也更完整，危害当然也更大，一种黑客是被动的，能否撞到数据全凭运气以及网民的安全意识，危害当然相对而言较小。
智能硬件不安全，不物理接触就能让它叫「爸爸」
影响人数：数亿
受影响产品：大疆和 Parrot 飞行器、拉卡拉、盒子支付 POS 机、小米 SmartHome 智能家庭套装、海尔 SmartCare 智能家居套装、最新 Broadlink 智能设备、长帝智能电烤箱等
事件回顾：10 月下旬，在聚集了国内顶尖白帽黑客的 Geekpwn 大会上，众多智能硬件产品被黑客一一破解。这些破解都有一个共同点&&在不接触设备的情况下成为设备的主人。
那天我在场，《10月24号这天，我可能身处世界上最危险的地方》这篇文章更详细地纪录了当时破解的情况。
WooYun 知识库上，《HackPwn2015：IoT 智能硬件安全威胁分析》一文也描述了攻破手环产品的过程，攻击者通过一个本地手机应用程序能够获取到三星 Smartwatch 可穿戴设备上的数据。
专家怎么说：
Keen Team 高级研究员 吕礼胜
随着智能生活的快速发展，新兴智能设备厂商几乎复制了 PC 和移动时代产品安全技术发展的老路，它们在起步阶段重设计运营和用户体验，却忽视了整体的安全开发。
不仅如此，目前智能设备的「智能」很多仅仅是在传统设备上多了一种控制手段，比如通过 Wi-Fi 或者 4G 等网络控制电器等，这种「伪智能」为攻击者增加了新的攻击通道。
GeekPwn 上选手展示的智能软硬件漏洞，不仅仅是单个厂商的问题，事实上代表了智能设备整个行业里普遍存在的问题。GeekPwn 所要求的漏洞展示都必须是无接触式触发漏洞攻击的，因为这样才能揭示出忽略安全可能会给我们生活带来多大的危害。
我们始终坚信：漏洞被发现和修复的越多，产品越安全。如何让智能设备更安全，厂商做好安全防护是第一位的，用户拥有良好的安全意识和使用习惯也很重要。
One more thing...
2015 年总结完了，2016 年会发生什么？我们专门找来百度云安全总经理马杰谈了谈他对 2016 年安全趋势的看法。
第一，万物互联已经成为下一个互联网发展的必然趋势。更多智能硬件设备、移动设备、移动支付环节将成为黑客的目标，由此而引发的用户账户资金被盗和电信欺诈事件将会大量增加；
第二，越来越多的业务在云端开展，越来越多的数据存储在云端，2016 年云端的安全事件将会大量增加；
第三，DDoS 攻击这种「价格实惠量又足」的手段，在 2015 年让大量企业见识到了它对网络业务的破坏性。除了攻击的流量大幅增加，DDoS 攻击也会融合更加复杂的攻击方法，更加难以抵御。网络企业需要谨慎应对，向专业的安全服务机构寻求帮助。
第四，互联网创业的竞争越来越激烈，在专注于业务上开疆拓土之时，黑客也紧随其后，安全将成为这些企业竞争的核心竞争力之一。
看过本文的人还看过
最新图文推荐
大家感兴趣的内容
&&<a rel="nofollow" class="red" href="" target="_blank" color="red新版网站排行榜
===全新上线===
网友热评的文章统计名词和数据挖掘术语大盘点_爱数据网（)-国内大数据领域最专业的学习社区
统计名词和数据挖掘术语大盘点
【算法】指的是用于实现某一数据挖掘技术－如分类树、辨识分析等等的特定程序。
【属性】也被称为&特性&、&变量&、或者从数据库的观点，是一个&域& 。
【个体】是关于一个单元的测量值的集合――例如一个人的身高、体重、年龄等等；它也被称作&记录&、 或 者&行&（每一行通常代表一个记录，每一列代表一个变量）。
【置信度】在形如&如果买了A和B，就要买C&的关联法则里有特定的含义。置信度是已经买了A和B，还要买C的条件概率。
【因变量】在有约束学习里是那个被预测的变量；也被称作&输出变量&、&目标变量&、或者&结果变量&
【估计】指的是预测一个连续型输出变量的值；也被称作&预测&。
【特征】也被称作&属性&、&变量&，或者从数据库的观点，称为&域&。
【输入变量】是在有约束学习里作预测的变量；也被称作&自变量&、&预测变量&。
【模型】通常指的是一个数学公式，包括为它设置的参数（许多模型具有用户可以调节的参数）。
【结果变量】 在有约束学习里是那个被预测的变量；也被称作&因变量& &输出变量&、&目标变量&、或者&输出变量&。
【P(A|B)】读作&已知B已经发生，A将发生的概率&
【预测】指的是预测一个连续输出变量的值；也被称作&估计&。
【记录】是关于一个单元的测量值的集合－例如一个人的身高、体重、年龄等等；它也被称作&个体&、或者&排&（每一排通常代表一个记录，每一列代表一个变量）。
【分数】指的是一个估计的值或者类。
【给新数据打分】意思是利用用训练数据得出的模型预测新数据里的输出值
二、统计名词
【统计】就是&统而计之&对所考察事物的量的取值在其出现的全部范围内作总体的把握，全局性的认识。
【教育统计】对教育领域各种现象量的取值从总体上的把握与认识，它是为教育工作的良好进行，科学管理、革新发展服务的。
【教育统计学】社会科学中的一门应用统计，是数理统计跟教育学、心理学交叉结合产物
【测量】按一定规则给对象在某种性质的量尺上指定值。
【教育测量】就是给所考察研究的教育现象，按一定的规则在某种性质量尺上指定值
【心理量表】心理测验工具与常模的结合
【数据】用数量或数字形式表示的资料事实称为数据。
【计数数据】是以计算个数或次数获得的，多表现为整数。
【测量评估数据】借助测量工具或评估方法对事物的某种属性指派给数字后所获数据。人工编码数据以人们按一定规则给不同类别的事物指派适当的数字号码后所形成的数据
【称名变量】只说明某一事物与其他事物在名称、类别或属性上的不同，并不说明事物与事物之间差异的大小、顺序的先后及质的优劣。
【顺序变量】是指可以就事物的某一属性的多少或大小按次序将各事物加以排列的变量，具有等级性和次序性的特点。
【等距变量】除能表明量的相对大小外，还具有相等的单位。
【比率变量】除了具有量的大小、相等单位外，还有绝对零点。比率变量数据可以进行加、减、乘、除运算
【次数分布】一批数据中各个不同数值所出现次数多少的情况，或者是这批数据在数轴上各个区间内所出现的次数多少的情况。
【简单次数分布表】通常简称为次数分布表，其实质是反映一批数据在各等距区组内的次数分布结构。
【相对次数】各组的次数f与总次数N之间的比值
【次数分布曲线】从理论上讲，如若总次数无限增大，则随着组距的缩小，这些折线所接近的极限便将成为极光滑而富有规则性的曲线，称为次数分布曲线
【散点图】用平面直角坐标系上点的散布图形来表示两种事物之间的相关性及联系模式。散点图适合于描述二元变量的观测数据。
【线形图】以起伏的折线来表示某种事物的发展变化及演变趋势的统计图，适用于描述某种事物在时间序列上的变化趋势，也适用于描述一种事物随另一事物发展变化的趋势模式，还可适用于比较不同的人物团体在同一心理或教育现象上的变化特征及相互联系
【观测数据不仅具有离散性的特点，而且还具有向某点集中的趋势，反映次数颁分布集中趋势的量数叫集中量数。
【中位数】位于数据分布正中间位置上的那个数。如果一组数据从小到大排列，则中位数通常是将这批数据个数一分为二，居于中间的那个数。
【众数】一个次数分布中出现次数最多的那个数，众数不唯一可有一个或多个。用符号Mo表示。
【离中趋势】数据具有偏离中心位置的趋势，它反映了一组数据本身的离散程度和变异性程度。
【差异量数】反映一组数据离散程度的量
【一批数据的算术平均数指的是这批数据总和数除以数据总次数后所得的商数。
【平均差】各数据与其平均数的离差绝对值的平均值。
【方差】数据的离差平方数的算术平均数。
【标准差】方差的算术平方根
【差异系数】差异量数和集中量数两相对比后所形成的相对差异量数。
【地位量数】凡反映次数分布中各数据所处地位的量就叫地位量数
【相关】行为变量或现象之间存在着种种不同模式、不同程度的联系。这种联系叫做相关。
【直线性相关】两个变量的成对观测数据在平面直角坐标系上描点构成的散点图会环绕在某一条直线附近分布
【原始分数】在测量工具上直接得到的测值（数字），叫原始分数。
【相对评分分数】通过被试间相互比较而确定意义的分数叫相对评分分数。
【绝对评分分数】通过拿被试测值跟应有标准作比较来确定其意义的分数叫绝对评分分数
【常模】测验常模简称常模即指一定人群在测验所测特性上的普遍水平或水平分布状况。
【组内常模】解释被试原始分数的参照体系，即被试所属那类群体的人，在所测特性上测验取值的分布状况。
【标准分数常模】用被试所得测验分数转换成的标准分数来揭示其在常模团体中的相对地位的组内常模
【线性变换】对所有要作变换的值，都乘以同一确定值然后再都加上另一确定值。
【测绘项目的难度】被试完成项目作答任务时所遇到的困难程度。
【项目的难度指数】定量刻画一个测验项目的被试作答困难程度的量数就叫项目的难度指数。
【得分率（通过率）】最通用的项目难度指数的求法，就是计算被试在项目上的得分率或者说通过率。
【项目区分度】就是项目区别被试水平高低的能力的量度。
【测验信度】测验在测量它所测特质时得到的分数（测值）的一致性。它是对测验控制误差能力的量度，是反映测验性能的一个重要质量指标
【观察分数】如果从测验实施过程中实际得到的被试分数叫观察分数。
【真分数】被试在所测特质上客观具有的水平值。
【测量误差】观察分数与真分数的差就是测量误差。
【信度系数】利用同一测验向同一批被试重测两次所得的两批独立测值，求出其间的相关系数，就可利用这种重测相关系数作为测验信度的估计值。这样的相关系数就叫信度系数。
【稳定性系数】由于重侧法十分强调特质的稳定性，所以用这种方法求取的信度系数就叫做稳定性系数。
【等值性系数】用平行形式相关求得的信度系数，因为特别强调两测验形式的等值关系所以又叫等值性系数
【测量标准误】实际测验中所得测值偏离真分数的程度叫做测量标准误可记为SEM。
【测验效度】测验实际上测到它打算要测的东西的程度。
【内容效度】测验项目构成应测行为领域代表性样本的程度。
【效标关联效度】测验预测个体在类似或某种特定情境下行为表现的有效性。
【结构效度】测验测得心理学理论所定义的某一心理结构或特质的程度。
【效度系数】测验分数与效标测量值间的相关系数叫效度系数
【安置性测验】学期开始或单元教学开始时确定学生实有水平以便针对性地做好教学安排而经常使用的测验。
【形成性测验】在教学进行过程中实施的用于检查学生掌握知识和进步情况的测验，这可为师生双方提供有关学习成败的连续反馈信息。
【诊断性测验】为探测与确定学习困难原因而施测的一类测验。
【终结性测验】在课程结束或教学大周期结束时，用于确定教学目标达到程度和学生对预期学习结果掌握程度的一类测验，称为终结性测验
【常模参照测验】实是参照着常模使用相对位置来描述测验成绩水平的一种测验。
【标准参照测验】跟一组规定明确的知识能力标准或教学目标内容对比时，对学习者的测验成绩作出解释的一类测验。
【职业能力倾向测验】测量人的某种潜能，从而预测人在一定职业领域中成功可能性的心理测验
【能力倾向】一个人获得新的知识、能力和技能的内在潜力
【确定性现象】在相同的条件下其结果也一定相同的现象。
【不确定性现象】在相同的条件下其结果却不一定相同的现象，又称随机现象
【随机变量】我们称记录各种随机试验结果的变量为随机变量。
【概率】通俗地说，某事件发生的概率就是该事件发生的可能性大小记作为P（A）
【正态分布】是连续性随机变量中常见的一种概率分布形态也称常态分布。
【总体】我们把客观世界中具有某种共同特征的元素的全体称为总体。
【样本】从总体中抽取的部分个体组成的群体称为样本。
【统计量】在总体数据基础上求取的各种特征量数我们称其为参数，应用样本数据计算的各种特征量数我们称其为统计量。
【抽样分布】从一个总体中随机抽取若干个等容量的样本，计算每个样本的某个特征量数，由这些特征量数形成的分布，称为这个特征量数的抽样分布
【小概率事件】在教育统计中常常把概率取值小于0.05或小于0.01的随机事件称为小概率事件。
【小概率事件原理】认为小概率事件在一次抽样中不可能发生的原理
【统计假设检验的显著性水平】在统计假设检验中，公认的小概率事件的概率值被称为统计假设检验的显著性水平。记为&。虚无假设又称为原假设、零假设，以符号H0表示。虚无假设在假设检验中将被视作为已知条件而应用，因此虚无假设应是一个相对比较明确的陈述命题，一定要含有&等于什么&的成分。备择假设又称解消假设，研究假设等，以符号H1表示。备择假设作为虚无假设的对立假设而存在，因此它也是一个陈述命题，备择假设是对虚无假设的否定
【方差分析】统计学中一种独特的假设检验方法，它的最基本功能就是一次性检验多个总体平均数的差异显著性
【差异系数】又称为变异系数和变差系数，用符号CV表示。差异系数是一种反映相对离散程度的系数，即相对差异量数。它消去了单位，因而适合于不同性质数据的研究与比较。数据在次数分布中所处的地位可用百分等级来表示。百分等级也称百分位。用记号PR表示。百分等级反映的是某个观测分数以下数据个数占总个数的比例的百分数，在0到100之间取值。如百分等级PR=75，与其对应的这个百分位数，读作第75百分位数，记作P75
【相关】统计学上用相关系数来定量描述两个变量之间的直线性相关的强度与方向。如相互关联着的两变量，一个增大另一个也随之增大，一个减小另一个也随之减小，变化方向一致是正相关。如相互关联着的两变量，一个增大另一个反而减小，变化方向相反是负相关。相关系数用r表示， r在-1和+1之间取值。相关系数r的绝对值大小，表示两个变量之间的相关强度；相关系数r的正负号，表示相关的方向，分别为正相关和负相关；相关系数r=0，称零线性相关，简称零相关；相关系数|r|=1时，表示两个变量是完全相关。当0.7&|r|＜1，称为高相关；当0.4&|r|＜0.7时，称为中等相关；当0.2&|r|＜0.4时，称为低相关；当|r|＜0。2时，称极低相关或接近零相关
【积差相关】是应用最普遍、最基本的一种相关分析方法，尤其适合于对两个连续变量之间的相关情况进行定量分析
【等级相关适用的几种情况】①两列观测数据都是顺序变量数据，或一列是顺序变量数据，另一列是连续变量的数据。如对学生的绘画、体育测试成绩排名就属顺序变量数据②两个连续变量的观测数据，其中有一列或两列数据的获得主要依靠非测量方法进行粗略评估得到。如语文基础知识水平可测验加以测量但学生的课文朗读水平却只能根据若干准则由老师给予大体的评估。点双列相关适用于双变量数据中，有一列数据是连续变量数据，如体重、身高以及许多测验与考试的分数；另一列数据是二分类的称名变量数据，如性别
【原始分数；原始分数的意义必须要跟一定的参照物（系统）作比较，才能真正明确起来。原始分数意义的参照物大体有两类，一是其他被试的测值，即其他被试在所测特性上的普遍水平或水平分布状态；二是社会在所测特性上的客观要求，即被试在所测特性上发展应该达到程度的标准
【常模】总是指某一具体测验（不能简单地看成是其名称所指特性）上的常模。常模总是特定的、具体的，是就一定人群在具体测验上的表现来说的。常模又可分为发展常模与组内常模两大类。发展常模又有年龄常模与年级常模之别，组内常模又有百分等级常模与标准分数常模之别。历史上第一个提出常模这一科学概念的是法国心理学家比纳。他最早建立了智力测验的年龄常模。发展常模就是某类个体正常发展进程各特定阶段的一般水平
【智商（IQ）】智商=智力年龄/生理年龄&100
【组内常模】组合常模又可分为百分等级常模与标准分数常模两个类别。一个分数的百分等级，就是该分数在所属分数组中，取值比它小的分数个数占该分数组总个数的百分数。百分等级值只有可比性而无可加性，不能累加求和与进一步求平均；这是百分等级常模的一个局限所在。
【三种偏态分布】如果一个测验对某一被试团体来说，难度相对显得大，那么，被试团体中大多数人就会得低分，被试总分分布就会形成正偏态分布；如果一个测验对某一被试团体来说，难度相对显得小，被试团体中就会有很多人得高分，总分分布就会形成负偏态；假定被试团体在某一特定方面，其水平分布事实上是呈正态分布的，若测验项目的难度确能做到对这个被试团体来说是恰当的，那么对这个团体施测这一测验，所得被试测验总分分布自然也会呈正态分布。
1、一个测验分数的标准分数，就是以它所属分数组的标准差为单位的，对它所属分数组的平均数的距离
2、难度指数（p）取值越大并不意味着项目越难，而是越易；指数p的数字值与其代表的含义，方向恰好相反
3、&高、低分组求得分率差&的办法就是将全体被试按总分多寡加以排队，然后取得分最多的27%的被试作为&高分组&，得分最少的27%的被试作为&低分组&，最后求这两个组上项目得分率（通过率）的差来作为区分度指数的取值
4、人们就使用两个平行形式测验来测查同一批被试，这样也可获得同一批被试的两批独立测值，从而通过求相关系数，估出测验的信度32、效度验证工作大体分为三类即内容效度、效标关联效度和结构效度。效标关联效度又包含&并存&效度和&预测&效度这两个小类别
5、测验即使相当有效，效度系数rXY的取值也很少能超过0.70，一般取值能达到0.40就相当不错了
6、根据课堂教学运用测验的一般顺序来分可把学业成就测验分成安置性测验、形成性测验、诊断性测验和终结性测验。根据解释测验分数的方法不同可把学业成就测验分成常模参照测验和标准参照测验两类。根据成就测验的实施方式与测验载体，我们把成就测验分成口头测验、纸笔测验和操作测验
7、纸笔测验优点①提高测验的效率，即同时可以进行大团体的测验②便于完整记录学生在题目作答上的反应③便于施测和评分过程的规范化和标准化从而提高学业成就测验的信度与效度④便于对测验中答题信息的分析研究
您可能感兴趣的文章
Ta的文章(1392)
爱数据微信