等保2.0测评综合得分计算

2023-11-17


未经本人许可,不能转载、转发!
2021.6.20更新:
2021新版的等保测评报告6.17出炉,6.18启用,新版综合得分计算可以看这里 这里
新版测评综合得分计算实例看 这里

关于评论中说我抄袭一说,我去微信找了一下,把原文链接贴出:https://mp.weixin.qq.com/s/1LDaBPIQuBEqMxCUQzkccQ,大家可以自己对比一下。

我写这篇文章的时候是在实施等保的时候,计算分数的时候手上没有excel公式模板,没有办法自动计算这个分数,我第一次按百度结果(http://www.360doc.com/content/18/1120/00/29585900_795987087.shtml)算的,最后算了80多分,一位老前辈呵呵了我,说我算错了,痛定思痛,花了一个下午找资料,重新算,并且把自己算的过程以及项目的部分结果都截图写成了笔记,因此绝对不会有雷同!如果说公式这块有抄袭,大家都没法说清楚,这个东西是等保测评报告里面公开的:
在这里插入图片描述
本博客写的东西属于原创笔记,参考了网上的资料,然后经过自己的理解,重新整理,当然可以算原创。一些公用公开的东西没有什么抄袭之说,不然你别用中文,中文字是别人发明的,尤其是公式,随意替换里面的字母,谁也说不清。
M = 100 − [ ∑ j = 1 q ∑ k = 1 p ( j ) ( ∑ i = 1 m ( k ) w ^ k + 0.5 × ∑ i = 1 m ( k ) w k ′ ) ∑ k = 1 p ( j ) ∑ i = 1 m ( k ) w k q ] × 100 (1) M=100-\left [\cfrac{\sum_{j=1}^q\cfrac{\sum_{k=1}^{p(j)}(\sum_{i=1}^{m(k)}\hat w_k+0.5\times \sum_{i=1}^{m(k)}w_k')}{\sum_{k=1}^{p(j)}\sum_{i=1}^{m(k)}w_k}}{q}\right]\times100\tag1 M=100qj=1qk=1p(j)i=1m(k)wkk=1p(j)(i=1m(k)w^k+0.5×i=1m(k)wk)×100(1)

S = 100 − [ ∑ j = 1 q ∑ k = 1 p ( j ) ( ∑ i = 1 m ( k ) w ˉ k + 0.5 × ∑ i = 1 m ( k ) w ^ k ) ∑ k = 1 p ( j ) ∑ i = 1 m ( k ) w k q ] × 100 (1) S=100-\left [\cfrac{\sum_{j=1}^q\cfrac{\sum_{k=1}^{p(j)}(\sum_{i=1}^{m(k)}\bar w_k+0.5\times \sum_{i=1}^{m(k)}\hat w_k)}{\sum_{k=1}^{p(j)}\sum_{i=1}^{m(k)}w_k}}{q}\right]\times100\tag1 S=100qj=1qk=1p(j)i=1m(k)wkk=1p(j)(i=1m(k)wˉk+0.5×i=1m(k)w^k)×100(1)
算抄袭么,我写数学笔记里面用了傅里叶变化公式,不可以么,每一个都标注,不用玩了。。。
例如我的概述里面就copy了测评指南里面测评报告样本的结论标准,当然现在看来是过时了。
另外本文所有公式均为MD公式,纯手打:
在这里插入图片描述


关于有人说抄袭这个事情我不再回复和讨论,读者可以自行比较原文和本文区别,如果觉得有帮助,能看懂,多多支持,如果觉得抄袭,可以举报,由CSDN进行判断。


概述

网络安全等级保护2.0正式实施后,等级测评结论的判定较等保1.0时代的判定方法有着重大的变化。
等级测评报告应给出等级保护对象的等级测评结论,确认等级保护对象达到相应等级保护要求的程度。
应结合各类的测评结论和对单项测评结果的风险分析给出等级测评结论:
a)符合:定级对象中未发现安全问题,等级测评结果中所有测评项的单项测评结果中部分符合和不符合项的统计结果全为0,综合得分为100分。
b)基本符合:定级对象中存在安全问题,部分符合和不符合项的统计结果不全为0,但存在的安全问题不会导致定级对象面临高等级安全风险,且综合得分不低于阈值。
c)不符合:定级对象中存在安全问题,部分符合项和不符合项的统计结果不全为0,而且存在的安全问题会导致定级对象面临高等级安全风险,或者中低风险所占比例超过阀值。
总而言之就是不能存在高风险项,以及分数要达到要求的阈值(一般为70,特殊行业要求会变高,例如金融行业)。
通俗的说,就是要满足两个条件:
1.不能有高风险项,如果有,直接不通过
2.分数要达到要求,这个要求一般是70分,也有特殊要求。
给出系统是否满足等保条件结论后,对于阈值,在新版等保测评报告中,这个分数和风险要求还有一个具体表格:

判别依据 测评结论
被测对象中存在安全问题,但不会导致被测对象面临中、高等级安全风险,且系统综合得分90分以上(含90分)。
被测对象中存在安全问题,但不会导致被测对象面临高等级安全风险,且系统综合得分80分以上(含80分)。
被测对象中存在安全问题,但不会导致被测对象面临高等级安全风险,且系统综合得分70分以上(含70分)。
被测对象中存在安全问题,而且会导致被测对象面临高等级安全风险,或被测对象综合得分低于70分。

这个分数计算公式看上去比较麻烦,第一次计算建议先用excel公式逐步分解计算(详见多个对象计算的图例)。考虑到将来等保即使通过后,网安部门还有可能复查,所以不要满足在做整改的时候只拿70或70多一点,务必要使得分数高于70。
下面,本文就等级测评综合得分的计算进行说明。

公式及说明

原版公式:
M = 100 − [ ∑ j = 1 q ∑ k = 1 p ( j ) ( ∑ i = 1 m ( k ) w ^ k + 0.5 × ∑ i = 1 m ( k ) w k ′ ) ∑ k = 1 p ( j ) ∑ i = 1 m ( k ) w k q ] × 100 (1) M=100-\left [\cfrac{\sum_{j=1}^q\cfrac{\sum_{k=1}^{p(j)}(\sum_{i=1}^{m(k)}\hat w_k+0.5\times \sum_{i=1}^{m(k)}w_k')}{\sum_{k=1}^{p(j)}\sum_{i=1}^{m(k)}w_k}}{q}\right]\times100\tag1 M=100qj=1qk=1p(j)i=1m(k)wkk=1p(j)(i=1m(k)w^k+0.5×i=1m(k)wk)×100(1)
把100提出来,变成:
M = 100 ⋅ [ 1 − 1 q ⋅ ∑ j = 1 q ∑ k = 1 p ( j ) ( ∑ i = 1 m ( k ) w ^ k + 0.5 × ∑ i = 1 m ( k ) w k ′ ) ∑ k = 1 p ( j ) ∑ i = 1 m ( k ) w k ] (2) M=100\cdot\left [1-\cfrac{1}{q}\cdot\sum_{j=1}^q\cfrac{\sum_{k=1}^{p(j)}(\sum_{i=1}^{m(k)}\hat w_k+0.5\times \sum_{i=1}^{m(k)}w_k')}{\sum_{k=1}^{p(j)}\sum_{i=1}^{m(k)}w_k}\right]\tag2 M=100[1q1j=1qk=1p(j)i=1m(k)wkk=1p(j)(i=1m(k)w^k+0.5×i=1m(k)wk)](2)
其中, q q q为被测对象涉及的安全类, p ( j ) p(j) p(j)为某一安全类对应的测评项数(不含不适用项), m ( k ) m(k) m(k)为测评项 k k k对应的测评对象数。 w ^ k \hat w_k w^k为不符合测评项的权重, w k ′ w_k' wk为部分符合测评项的权重。
在等级2.0基本要求中,共包括10个安全类:安全物理环境、安全通信网络、安全区域边界、安全计算环境、安全管理中心、安全管理制度、安全管理机构、安全管理人员、安全建设管理、安全运维管理(关于1.0和2.0要求的区别,可以看这里的第四章),分别用 D 1 、 D 2 、 D 3 、 D 4 、 D 5 、 D 6 、 D 7 、 D 8 、 D 9 、 D 10 D_1、D_2、D_3、D_4、D_5、D_6、D_7、D_8、D_9、D_{10} D1D2D3D4D5D6D7D8D9D10代表以上10个安全类/层面,其中只有 D 1 、 D 4 D_1、D_4 D1D4会涉及多个对象。
多个对象意思就是:安全物理环境中能有多个机房,每个机房是一个对象,安全计算环境中有多个服务器,Web服务器是一个对象,数据库服务器是一个对象,应用服务器也是一个对象。
因测评项取值有三个,分别为 ( 0 , 0.5 , 1 ) (0, 0.5, 1) (0,0.5,1),于是公式(2)可以写成:

M = 100 ⋅ [ 1 − 1 q ⋅ ∑ j = 1 q ∑ k = 1 p ( j ) ∑ i = 1 m ( k ) ( 1 − x k ) × w k ∑ k = 1 p ( j ) ∑ i = 1 m ( k ) w k ] = 100 ⋅ [ 1 − 1 10 ( D 1 + D 2 + ⋯ + D 10 ) ] (3) M=100\cdot\left [1-\cfrac{1}{q}\cdot\sum_{j=1}^q\cfrac{\sum_{k=1}^{p(j)}\sum_{i=1}^{m(k)}(1-x_k)\times w_k}{\sum_{k=1}^{p(j)}\sum_{i=1}^{m(k)}w_k}\right]\\ =100\cdot\left [1-\cfrac{1}{10}(D_1+D_2+\cdots+D_{10})\right]\tag3 M=100[1q1j=1qk=1p(j)i=1m(k)wkk=1p(j)i=1m(k)(1xk)×wk]=100[1101(D1+D2++D10)](3)
也就是整个计算可以分两块:
【单个对象】
其中,当 i = 2 , 3 , 5 , 6 , 7 , 8 , 9 , 10 i=2,3,5,6,7,8,9,10 i=2,3,5,6,7,8,9,10(没有1和4):
D j = ∑ k = 1 p ( j ) ( 1 − x k ) × w k ∑ k = 1 p ( j ) w k (4) D_j=\cfrac{\sum_{k=1}^{p(j)}(1-x_k)\times w_k}{\sum_{k=1}^{p(j)}w_k}\tag4 Dj=k=1p(j)wkk=1p(j)(1xk)×wk(4)
【多个对象】
i = 1 , 4 i=1,4 i=1,4
D j = ∑ k = 1 p ( j ) [ ∑ i = 1 m ( k ) ( 1 − x k ) ] × w k ∑ k = 1 p ( j ) ∑ i = 1 m ( k ) w k (5) D_j=\cfrac{\sum_{k=1}^{p(j)}\left[\sum_{i=1}^{m(k)}(1-x_k) \right]\times w_k}{\sum_{k=1}^{p(j)}\sum_{i=1}^{m(k)}w_k}\tag5 Dj=k=1p(j)i=1m(k)wkk=1p(j)[i=1m(k)(1xk)]×wk(5)
就是说对于 D 1 和 D 4 D_1和D_4 D1D4,计算会麻烦一点,要针对多个对象,看公式(5)就知道,比公式(4)多了一个 ∑ i = 1 m ( k ) \sum_{i=1}^{m(k)} i=1m(k) m ( k ) m(k) m(k)为测评项 k k k对应的测评对象数。
分子:先求得多个对象在同一测评项的 ( 1 − x k ) (1-x_k) (1xk)之和(先算中括号里面),再乘以各测评项的权重。
分母:多对象测评项权重和。
分子分母均不含计算过程中,不适用项不参与计算。

分类计算实例

实例数据纯属虚构,如有雷同,纯属巧合~!

单一对象

在这里插入图片描述
上表中,测评结果是根据等保对象是否符合或部分测评要求项是否:符合、部分符合、不符合、不适用得来的。这里不赘述。可信验证可以不要求,所以直接设置为不适用(这里要说明一下,可信验证是等保2.0里面新加入的内容,记得好像是summer的课程里面有说过,目前这块还没要求,所以可以设置为不适用,但是目前是什么情况,还要根据具体要求来做)。
安全通信网络只计算单一对象,因此根据公式(4):
D 2 = 0.5 + 1 + 1 + 0.7 + 0.5 0.7 + 0.7 + 1 + 1 + 1 + 0.7 + 0.7 + 1 + 1 + 1 = 3.7 8.8 = 0.42 D_2=\cfrac{0.5+1+1+0.7+0.5}{0.7+0.7+1+1+1+0.7+0.7+1+1+1}=\cfrac{3.7}{8.8}=0.42 D2=0.7+0.7+1+1+1+0.7+0.7+1+1+10.5+1+1+0.7+0.5=8.83.7=0.42

多个对象

在这里插入图片描述
这里是针对安全计算环境中测评了三个对象,分别是web服务器,数据库db服务器,应用服务器,测评项得分结果见蓝色部分。
分子计算:
先分别计算每个对象的每个测评项的 1 − x k 1-x_k 1xk,不适用的不用算或者记为0,把所有对象每个测评项的 1 − x k 1-x_k 1xk结果进行累加: ∑ i = 1 m ( k ) ( 1 − x k ) \sum_{i=1}^{m(k)}(1-x_k) i=1m(k)(1xk),然后乘上权重: ∑ i = 1 m ( k ) ( 1 − x k ) ⋅ w k \sum_{i=1}^{m(k)}(1-x_k)\cdot w_k i=1m(k)(1xk)wk,然后把没个测评项的结果进行累加,结果在上图中的右下角:5.35
分母计算:
将每个测评项的权重按对象个数进行累加: ∑ i = 1 m ( k ) w k \sum_{i=1}^{m(k)}w_k i=1m(k)wk,其中不适用项不加,例如:
在这里插入图片描述
这里有三个对象,其中一个对象不适用该测评项,因此权重累加结果为:0.7+0.7=1.4
然后将所有测评项的权重结果累加,结果在上图中的右下角:28.5
最后根据公式(5):结果为:5.35/28.5=0.187719
PS:安全计算环境测评项很多,这里只列举了其中一小部分。

结果

分类结果计算完毕后,代入公式(3)即可得到结果。
最后算完分数后,给出安全风险汇总表,并填入相应结果

高风险问题数 中风险问题数 低风险问题数 综合得分
A B C 计算结果

加上这么一段话就可以收工:
依据GB/T 22239-2019《信息安全技术 网络安全等级保护基本要求》中对第X级系统的要求,对XXXX系统/平台的安全保护状况通过综合分析评价,等级测评结论如下:
XXXX系统/平台中存在不符合项或部分符合项,系统面临高/中/低(这里按理不能写高)安全风险,本次测评的等级测评结论为优/良/中/差(这里按表格中分数给出对应等级),综合得分为X分。

最后补充一下,有些读者指出本文没有考虑高风险修正问题、以及单项的安全控制点得分计算,我这里没写,有空再加一篇。

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

等保2.0测评综合得分计算 的相关文章

  • Android Studio 无法打开虚拟机

    Emulator PANIC Cannot find AVD system path Please define ANDROID SDK ROOT 刚安装好Android Studio 却发现无法打开虚拟机 报错信息为 Emulator P
  • Kafka:主题创建、分区修改查看、生产者、消费者

    文章目录 Kafka后台操作 1 主题 2 分区 3 生产者 4 消费者组 Kafka后台操作 1 主题 1 创建主题 bin kafka topics sh create bootstrap server hadoop102 9092 r
  • JavaScript 取消默认事件、阻止事件冒泡的方法

    首先页面上创建一个a标签 a href 默认事件 a 然后给body加一个点击事件 document body nclick function alert body 当我点击这个a标签的时候会有两个我们不想发生的事情 1 浏览器地址尾部出现
  • FreeSurfer和FSL的安装和使用(脑部图像去除头骨+对图像和label同时进行仿射对齐)教程

    FreeSurfer当前只支持Linux系统和Mac OS 我所使用的系统是Ubuntu 16 0 4 FreeSurfer的安装耗时较小 但是在处理时耗时较长 可能需要数个小时 甚至一天 这个取决于机器性能 但是和GPU好像没太大关系 下
  • (转)基于FPGA技术的FAST行情解码研究

    http mp weixin qq com s BviH6gAqej6lHd9XxFKUfg 交易技术前沿 基于FPGA技术的FAST行情解码研究 钟浪辉 陈敏 陈坚 刘啸林 秦轶轩 李道双 2017 09 08 上交所技术服务 本文选自
  • 数据库分表分库理论

    1 数据切分 关系型数据库本身比较容易成为系统瓶颈 单机存储容量 连接数 处理能力都有限 当单表的数据量达到1000W或100G以后 由于查询维度较多 即使添加从库 优化索引 做很多操作时性能仍下降严重 此时就要考虑对其进行切分了 切分的目
  • 第十四届蓝桥杯模拟赛(第一期)—保姆级解释(C语言版)

    1 二进制位数 问题描述 十进制整数 2 在十进制中是 1 位数 在二进制中对应 10 是 2 位数 十进制整数 22 在十进制中是 2 位数 在二进制中对应 10110 是 5 位数 请问十进制整数 2022 在二进制中是几位数 incl
  • cmake(03) : 平台,架构及编译器判断

    1 cmake检测平台架构及编译器的原理 cmake在检测编译器的时候 用了一种很暴力的方法 可以在不运行实际代码的情况下直接知道目标平台的信息 做法是这样的 首先生成一个 cpp文件 包含一些平台检测的 ifdef Identify kn
  • Linux 环境下 docker 安装 ES 7.15.2 和 kibana 7.15.2 详细步骤

    目标 在一台机器内设置3个ES节点和1个kibana节点正常运行 条件 本机器内的IP 192 168 211 130 1 首先安装docker 步骤详见链接https blog csdn net m0 55380752 article d
  • 期货投机和套利交易

    一 期货投机的概念 1 期货投机的定义 指交易者通过预测期货合约未来价格的变化 以在期货市场上获取价差收益为目的的期货交易行为 期货交易具有保证金的杆杠机制 双向交易和对冲机制 当日无负债的结算制度 强行平仓制度 使得期货投机易有高收益 高
  • 微信小程序_安装第三方的UI组件库(详细步骤)

    微信小程序的UI组件库 在我了解的 有两种方式 一种是微信小程序的官方文档自带的小程序 另一种是vant的小程序的UI组件库 一 官方自带的小程序的安装步骤 官方文档 https developers weixin qq com minip
  • Mysql管理

    一 Mysql 一 前言 MySQL是一个关系型数据库管理系统 由瑞典MySQL AB 公司开发 目前属于 Oracle 旗下产品 MySQL 是最流行的关系型数据库管理系统之一 在 WEB 应用方面 MySQL是最好的 RDBMS Rel
  • C++11:转移语义

    为什么需要转移语义 gt File Name main cpp gt Author Xianghao Jia gt mail xianghaojia sina com gt Created Time Mon 09 Dec 2019 04 2
  • ubuntu创建新用户并设置samba服务

    1 新建自己的用户并查看 sudo useradd m s bin bash 用户名 sudo passwd 用户名 ls home t 或者 1创建一个新的普通用户 m 表示用户 s表示shell环境 sudo useradd m gue

随机推荐

  • Selenium:网页屏幕截图

    前言 在学习 Selenium 做 UI自动化时 往往会遇到需要截图的时候 框架自带截图方法 方法 方法释义 save screenshot filename 截取当前屏幕截图 并保存为指定文件 此方法没必要使用 get screensho
  • iOS音视频—Shell脚本语言(语法-echo命令&参数传递)

    That wonderful world is waiting for me Shell脚本语言 语法 echo命令 1 显示普通字符串 echo iPhoneX 标配 8388 2 显示转义字符 echo iPhoneX 顶配 9688
  • 每日一题:路径计数

    路径计数 题目 Daimayuan Online Judge f i j 表示从左上角走到 i j 的方案数 状态转移 i j 由 i 1 j 和 i j 1 转移而来 初始状态 得使得f 1 1 为1 所以初始化f 1 0 或者f 0 1
  • 基于单光子探测的多脉冲周期符合远距离测距

    激光测距技术通过发射主动激光信号对目标进行探测 接收由目标漫反射回来的回波信号并进行统计 处理及换算 从而得到目标的距离 速度信息 实现对目标距离信息的探测 凭借其系统简单 操作灵活 高精度等特点 被广泛运用于民用 科研及军事等各类场合 基
  • Lambda表达式使用详细讲解

    目录 1 新思想 1 1函数式编程思想 1 2 函数式接口 2 通往lambda之路 2 1 什么是lambda表示式 2 2 lambda表示式有哪些特点 2 3 lambda表示式使用场景 2 4 lambda表示式语法 2 5 Lam
  • [Unity] Input.mousetion 屏幕坐标转世界坐标。

    代码如下 Vector3 screenPos Input mousePosition screenPos z 5 0f Vector3 p1 Camera main ScreenToWorldPoint screenPos Vector3
  • 释放数据价值这道难题,Smartbi V11有解

    未来简史 预言 数据将成为人们未来的信仰 未来已来 将至已至 如今 数据所扮演的角色与作用超乎想象 从政府将数据要素列入生产要素之中 到数据驱动型业务场景涌现 企业与组织对于数据及其价值的认可度明显提升 如何充分释放数据价值已成为所有企业与
  • Dijkstra与Bellman-Ford算法对比

    文章目录 TOC Dijkstra Dijkstra 伪代码 Dijkstra 为什么不能有负权重 Dijkstra算法复杂度 Bellman Ford算法 Bellman Ford算法伪代码 Bellman Ford判断是否有负权 Bel
  • 大文件上传如何做断点续传?

    是什么 不管怎样简单的需求 在量级达到一定层次时 都会变得异常复杂 文件上传简单 文件变大就复杂 上传大文件时 以下几个变量会影响我们的用户体验 服务器处理数据的能力 请求超时 网络波动 上传时间会变长 高频次文件上传失败 失败后又需要重新
  • 2020大厂前端面试之vue专题(三)

    21 v model中的实现原理及如何自定义v model v model 可以看成是 value input方法 的语法糖 input v model checkbox v model select v model 组件的v model
  • PS替换证件照背景颜色

    PS换背景颜色 1 选择 中的 色彩范围 快速抠图换底 2 点击下 原背景 即可选中 调整 颜色容差 预览中 白色为选中的部分 3 调整好背景选区后 按delete 键 增加一个 新背景颜色的图层 放置到刚删除背景的图层下边 4 此时可能
  • 在排序数组中查找元素的第一个和最后—个位置

    include
  • vscode c++ 的环境配置 (完美版)

    怎么下载MinGW64 https blog csdn net skh2015java article details 85075032 vscode c 的环境配置 https blog csdn net qq 43041976 arti
  • ElasticSearch--Field的使用

    目录 一 Field的介绍 二 Field的属性介绍 三 常用的Field类型 一 text文本字段 二 keyword关键字字段 三 date日期类型 四 Numeric类型 四 Field属性的设置标准 一 Field的介绍 上周的一篇
  • 顺丰科技 Hudi on Flink 实时数仓实践

    关注 Flink 中文社区 获取更多技术干货 摘要 本文作者刘杰 介绍了顺丰科技数仓的架构 趟过的一些问题 使用 Hudi 来优化整个 job 状态的实践细节 以及未来的一些规划 主要内容为 数仓架构 Hudi 代码躺过的坑 状态优化 未来
  • 【MindSpore易点通】深度学习系列-那些介于模糊与清楚之间的一些概念

    之前小编就给大家提过正则化 超链接 其实还有很多定义大家是有点模糊又有点清楚的 今天好好带大家一起捋一遍 1训练集 验证集 测试集 正确地配置训练 验证和测试数据集 会很大程度上帮助大家创建高效的神经网络 即使是深度学习专家也不太可能一开始
  • Ubuntu18.4开机时进入命令行界面或进入bios设置

    开机时进入命令行界面 开机时按ctrl alt Fx Fx是从F1到F6选择一个 ctrl alt F7切换到图形界面 开机时进入bios设置 开机时按F2
  • c++实现合并两个有序链表

    leetcode题目 力扣 执行结果 代码实现 Definition for singly linked list struct ListNode int val ListNode next ListNode val 0 next null
  • 输入引脚时钟约束_时钟树例外(exclude pin、stop pin、non_stop pin、float pin)

    时钟树例外 exclude pin stop pin non stop pin float pin 回复 以下关键词 查看更多IC设计教程 目前支持的关键词有 Innovus ICC or IC Compiler DC or Design
  • 等保2.0测评综合得分计算

    文章目录 概述 公式及说明 分类计算实例 单一对象 多个对象 结果 未经本人许可 不能转载 转发 2021 6 20更新 2021新版的等保测评报告6 17出炉 6 18启用 新版综合得分计算可以看这里 这里 新版测评综合得分计算实例看 这