数据异常检测方法、装置及设备

技术领域

本发明涉及数据处理技术领域，尤其涉及一种数据异常检测方法、装置及设备。

背景技术

在日志分析过程中，目前常用的应用异常检测方式包括基于基线规则的业务日志分析、基于统计的业务日志分析、基于传统的算法分类。在基于基线规则的业务日志分析中，由于不同的业务子环节对于异常的基线设定规则不一，部分业务对于时延、服务数等指标的波动容忍性大，从而导致利用基线设定每一个子环节的规则工作量会非常庞大。基于统计的业务日志分析由于无法随着业务系统的升级持续进行学习，导致异常检测的准确性会随会随着时间的推移下降。基于传统的算法分类需要足够多带人工标签的训练样本，这意味着日志数据中需要包含日志所在时刻的服务状态，即该服务是否发生异常。这样的标签数据是需要人类专家进行鉴定判别的，并且无法形成较大的规模。因此传统的算法分类虽然大多数情况下能够达到理论上的最佳效果，却很难广泛应用于没有标签数据的异常检测。

发明内容

本发明实施例提供一种数据异常检测方法、装置及设备，以解决现有技术中数据异常检测的准确性低以及局限性大的问题。

为解决上述技术问题，本发明实施例是这样实现的：

第一方面，本发明实施例提供了一种数据异常检测方法，该方法包括：

获取待检测的目标业务日志数据；

确定所述目标业务日志数据对应的目标业务信息；所述目标业务信息包括业务服务数量、服务成功数量、服务失败数量、服务时延中的至少一项；

根据所述目标业务信息及预先训练的基森林异常检测器，对所述目标业务日志数据进行异常检测，得到所述目标业务日志数据对应的业务异常信息；所述基森林异常检测器包含多个孤立森林异常检测器；各所述孤立森林异常检测器由多个样本业务日志数据训练得到；

根据所述业务异常信息，确定所述目标业务日志数据是否异常。

第二方面，本发明实施例还提供了一种数据异常检测装置，该装置包括：

获取模块，用于获取待检测的目标业务日志数据；

第一确定模块，用于确定所述目标业务日志数据对应的目标业务信息；所述目标业务信息包括业务服务数量、服务成功数量、服务失败数量、服务时延中的至少一项；

第一检测模块，用于根据所述目标业务信息及预先训练的基森林异常检测器，对所述目标业务日志数据进行异常检测，得到所述目标业务日志数据对应的业务异常信息；所述基森林异常检测器包含多个孤立森林异常检测器；各所述孤立森林异常检测器由多个样本业务日志数据训练得到；

第二确定模块，用于根据所述业务异常信息，确定所述目标业务日志数据是否异常。

第三方面，本发明实施例还提供了一种数据异常检测设备，包括：

存储器，存储有计算机程序指令；

处理器，当所述计算机程序指令被所述处理器执行时实现如上述第一方面所述的数据异常检测方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括指令，当所述指令在计算机上运行时，使得所述计算机执行如上述第一方面所述的数据异常检测方法。

在本发明实施例中，通过基于预先训练的基森林异常检测器对目标业务日志数据进行异常检测，得到目标业务日志数据对应的业务异常信息，进而确定目标业务日志数据是否异常，由于异常检测过程基于目标业务日志数据对应的目标业务信息(包含业务服务数量、服务成功数量、服务失败数量、服务时延中的至少一项)，因此提升了日志数据异常检测的准确率。并且，由于基森林异常检测器包含多个孤立森林异常检测器，且孤立森林异常检测器的训练无需样本业务日志数据携带标签，因此该技术方案在训练检测器时不依赖于人工添加数据标签，节省了大量的工作量；此外，该技术方案针对不同的业务类型无需分别训练检测器，因此适用于多种不同业务类型的日志数据异常检测，即具有很高的适用性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明的一个实施例中一种数据异常检测方法的方法流程图。

图2是本发明的一个实施例中一种业务日志数据的真实数据散点图。

图3是本发明的一个实施例中另一种业务日志数据的数据分布散点图。

图4是本发明的一个实施例中一种数据异常检测装置的结构示意图。

图5是本发明的一个实施例中一种数据异常检测设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1是本发明的一个实施例中一种数据异常检测方法的示意性流程图。图1的方法可包括：

S102，获取待检测的目标业务日志数据。

可选的，可获取指定日志区间内的业务日志数据作为待检测的目标业务日志数据。其中，指定日志区间表征了数据异常检测的周期，例如，指定最近一分钟为指定日志区间，则可获取最近一分钟内产生的日志数据为待检测的目标业务日志数据。

S104，确定目标业务日志数据对应的目标业务信息；目标业务信息包括业务服务数量、服务成功数量、服务失败数量、服务时延中的至少一项。

S106，根据目标业务信息及预先训练的基森林异常检测器，对目标业务日志数据进行异常检测，得到目标业务日志数据对应的业务异常信息；基森林异常检测器包含多个孤立森林异常检测器；各孤立森林异常检测器由多个样本业务日志数据训练得到。

S108，根据业务异常信息，确定目标业务日志数据是否异常。

本实施例中，待检测的目标业务日志数据可以是针对任何业务类型的日志数据，例如开户业务、结算业务、支付业务等。以开户业务为例，在开户业务中，一段时间内的开户业务可能同时包含开户成功(即服务成功)的业务日志数据及开户失败(即服务失败)的业务日志数据，则利用本实施例提供的数据异常检测方法，即可检测出此段时间内的日志数据是否异常。

在本发明实施例中，通过基于预先训练的基森林异常检测器对目标业务日志数据进行异常检测，得到目标业务日志数据对应的业务异常信息，进而确定目标业务日志数据是否异常，由于异常检测过程基于目标业务日志数据对应的目标业务信息(包含业务服务数量、服务成功数量、服务失败数量、服务时延中的至少一项)，因此提升了日志数据异常检测的准确率。并且，由于基森林异常检测器包含多个孤立森林异常检测器，且孤立森林异常检测器的训练无需样本业务日志数据携带标签，因此该技术方案在训练检测器时不依赖于人工添加数据标签，节省了大量的工作量；此外，该技术方案针对不同的业务类型无需分别训练检测器，因此适用于多种不同业务类型的日志数据异常检测，即具有很高的适用性。

下面，将结合具体的实施例，对本发明实施例的方法作进一步的描述。

在一个实施例中，基森林异常检测器按照以下步骤A1-A4训练得到：

步骤A1、采集多个样本业务日志数据。

步骤A2、按照预设抽取规则，从多个样本业务日志数据中抽取出n组数据；各组中分别包含多个第一样本数据；n为正整数。

其中，预设抽取规则可以是随机抽取规则、按照指定间隔进行抽取的规则等。n组数据中各组所包含的第一样本数据的数据量可相同，也可不同。

例如，从多个样本业务日志数据中均匀、无放回地抽取N个第一样本数据，作为其中一个孤立森林异常检测器的训练样本，N为正整数，且N小于n。然后再从剩余的多个样本业务日志数据中均匀、无放回地抽取N个第一样本数据，作为另一个孤立森林异常检测器的训练样本；以此类推，直至抽取出n组第一样本数据，或，直至多个样本业务日志数据的剩余数量小于n，即无法再被无放回地抽取出n个第一样本数据。

步骤A3、分别针对各组第一样本数据训练孤立森林异常检测器，得到n个孤立森林异常检测器。

在训练孤立森林异常检测器时，首先确定样本业务日志数据对应的样本业务信息，样本业务信息包括业务服务数量、服务成功数量、服务失败数量、服务时延等。

在任一个孤立森林异常检测器的训练样本中，假设E是孤立树的一个节点，其要么是没有子节点的叶节点，要么是只有两个子节点(El，Er)的父节点。对第一样本数据的每一步分割都包含特征Q和分割值P，将Q

步骤A4、组合n个孤立森林异常检测器，得到基森林异常检测器。

针对抽取出的n组第一样本数据，均按照步骤A3的方式进行训练，得到n个孤立森林异常检测器，可记为孤立森林(1)～孤立森林(n)。其中，孤立森林(i)可表示为以下表达式(1)：

表达式(1)中，j为常量；L为基于孤立森林算法构建的隔离树的数量；x为运用系统抽样的方法将隔离树进行分组的数量，进而构建对应数量的子森林异常检测器。

可见，本实施例中，基森林异常检测器的训练无需样本业务日志数据携带标签，因此该技术方案在训练检测器时不依赖于人工添加数据标签，节省了大量的工作量。

在一个实施例中，业务异常信息包括业务异常分值。基于此，可根据目标业务日志数据对应的业务异常分值确定目标业务日志数据是否异常。具体的，若业务异常分值小于或等于业务日志数据的基准值，则确定目标业务日志数据正常；若业务异常分值大于基准值，则确定目标业务日志数据异常。

本实施例中，可按照以下方法确定业务日志数据的基准值：首先，利用基森林异常检测器对历史业务日志数据进行异常检测，得到历史业务日志数据的业务异常分值；其次，确定历史业务日志数据对应的业务异常率；再次，根据历史业务日志数据对应的业务异常率，对业务异常分值进行取分位数操作，得到基准值。

基准值H的确定方式可表示为以下公式(2)：

在公式(2)中，F(x)为基森林异常检测器的检测函数；a为历史业务日志数据对应的业务异常率。

基森林异常检测器的输入为目标业务日志数据的目标业务信息，如业务服务数量、服务成功数量、服务失败数量、服务时延等信息。假设基准值为H，基森林异常检测器的输出为(0，2)范围内的值，则利用基森林异常检测器对目标业务日志数据进行异常检测时，若输出为(0，H]范围内的值，则可确定目标业务日志数据正常；若输出为(H，2)范围内的值，则可确定目标业务日志数据异常。

在一个实施例中，可对指定日志区间内的业务日志数据进行抽样，被抽取的业务日志数据落入缓冲区内，当缓冲区内的业务日志数据的数据量达到预设阈值时，触发对基森林异常检测器的更新操作。具体的，可利用缓冲区内的业务日志数据重新训练新的孤立森林异常检测器，并利用新的孤立森林异常检测器替换旧的孤立森林异常检测器，从而达到对基森林异常检测器的更新目的。利用缓冲区内的业务日志数据重新训练新的孤立森林异常检测器的方法与上述实施例中训练孤立森林异常检测器的方法相同，此处不再赘述。

在一个实施例中，当指定日志区间内的业务异常率大于或等于某一预设阈值时，也可触发对基森林异常检测器的更新操作。其中，可根据指定日志区间内的目标业务日志数据的数据总量及异常数据量，计算得到确定指定日志区间内的业务异常率。具体的，可利用指定日志区间和缓冲区内的业务日志数据重新训练新的孤立森林异常检测器，并利用新的孤立森林异常检测器替换旧的孤立森林异常检测器，从而达到对基森林异常检测器的更新目的。

在对基森林异常检测器的更新过程中，可按照以下步骤B1-B3从基森林异常检测器中筛选出待更新的孤立森林异常检测器，进而利用重新构建的新的孤立森林异常检测器替换待更新的孤立森林异常检测器。

步骤B1、分别利用基森林异常检测器与各孤立森林异常检测器对新的数据集中的数据进行异常检测，得到基森林异常检测器与各孤立森林异常检测器分别对应的检测结果。

其中，新的数据集包括指定日志区间和/或缓冲区内的业务日志数据。检测结果可以是业务异常分值，例如检测结果为(0，2)范围内的值。

步骤B2、确定基森林异常检测器对应的检测结果与各孤立森林异常检测器分别对应的检测结果之间的检测结果偏差值。

当检测结果为业务异常分值时，检测结果偏差值即为业务异常分值差。

步骤B3、确定满足预设条件的检测结果偏差值对应的孤立森林异常检测器为待更新的孤立森林异常检测器。

其中，预设条件可以是业务异常分值差达到预设阈值，也可以是业务异常分值差按照从大到小的顺序位于前k个；其中，0

可见，本实施例中，对日志数据进行异常检测的基森林异常检测器可被持续更新，且更新过程所依赖的数据为最近产生的业务日志数据(如指定日志区间内或缓冲区内的业务日志数据)，使基森林异常检测器能够被持续优化，从而确保了基森林异常检测器对日志数据进行检测的准确性，同时提升了基森林异常检测器的可用性。

在一个实施例中，利用指定日志区间和缓冲区内的业务日志数据更新基森林异常检测器之后，可清空指定日志区间和缓冲区内的业务日志数据，从而使新的日志数据可落入指定日志区间和缓冲区内，以触发下一轮的日志数据异常检测。

以开户业务为例。图2为开户业务中一段时间内的真实数据散点图，图3为利用本说明实施例提供的数据异常检测方法推算出的数据分布散点图。在图2和图3中，开户业务中各个业务环节的日志指标为散点图的输入指标，通过散点图可看出日志指标的波动形态。

通过对比图2和图3可看出，利用本说明实施例提供的数据异常检测方法推算出的数据分布散点图与真实数据散点图之间的差异极小，进一步说明了本说明书施例中数据异常检测方法的有效性及实用性。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

图4是本发明的一个实施例中一种数据异常检测装置的结构示意图。请参考图4，数据异常检测装置400可包括：

获取模块410，用于获取待检测的目标业务日志数据；

第一确定模块420，用于确定目标业务日志数据对应的目标业务信息；目标业务信息包括业务服务数量、服务成功数量、服务失败数量、服务时延中的至少一项；

第一检测模块430，用于根据目标业务信息及预先训练的基森林异常检测器，对目标业务日志数据进行异常检测，得到目标业务日志数据对应的业务异常信息；基森林异常检测器包含多个孤立森林异常检测器；各孤立森林异常检测器由多个样本业务日志数据训练得到；

第二确定模块440，用于根据业务异常信息，确定目标业务日志数据是否异常。

在一个实施例中，数据异常检测装置400还包括用于训练基森林异常检测器的训练模块；训练模块包括：

采集单元，用于采集多个样本业务日志数据；

抽取单元，用于按照预设抽取规则，从多个样本业务日志数据中抽取出n组数据；各组中分别包含多个第一样本数据；n为正整数；

训练单元，用于分别针对各组第一样本数据训练孤立森林异常检测器，得到n个孤立森林异常检测器；

组合单元，用于组合n个孤立森林异常检测器，得到基森林异常检测器。

在一个实施例中，业务异常信息包括业务异常分值；

第二确定模块440包括：

第一确定单元，用于若业务异常分值小于或等于业务日志数据的基准值，则确定目标业务日志数据正常；

第二确定单元，用于若业务异常分值大于基准值，则确定目标业务日志数据异常。

在一个实施例中，装置400还包括：

第二检测模块，用于利用基森林异常检测器对历史业务日志数据进行异常检测，得到历史业务日志数据的业务异常分值；

第三确定模块，用于确定历史业务日志数据对应的第一业务异常率；

操作模块，用于根据第一业务异常率，对业务异常分值进行取分位数操作，得到基准值。

在一个实施例中，获取模块410包括：

获取单元，用于获取指定日志区间内的业务日志数据作为待检测的目标业务日志数据；

相应的，装置400还包括：

第四确定模块，用于根据指定日志区间内的目标业务日志数据的数据总量及异常数据量，确定指定日志区间内的第二业务异常率。

在一个实施例中，装置400还包括：

更新模块，用于当满足以下至少一项条件时，利用新的数据集对基森林异常检测器进行更新：

第二业务异常率大于或等于第一预设阈值；

缓冲区内的业务日志数据的数据量达到第二预设阈值；

其中，新的数据集包括指定日志区间和/或缓冲区内的业务日志数据；缓冲区内的业务日志数据为从指定日志区间内抽样得到。

在一个实施例中，更新模块包括：

检测单元，用于分别利用基森林异常检测器与各孤立森林异常检测器对新的数据集中的数据进行异常检测，得到基森林异常检测器与各孤立森林异常检测器分别对应的检测结果；

第三确定单元，用于确定基森林异常检测器对应的检测结果与各孤立森林异常检测器分别对应的检测结果之间的检测结果偏差值；

第四确定单元，用于确定满足预设条件的检测结果偏差值对应的孤立森林异常检测器为待更新的孤立森林异常检测器；

更新单元，用于利用新的数据集对待更新的孤立森林异常检测器进行更新。

本发明实施例提供的数据异常检测装置能够实现上述方法实施例中数据异常检测方法实现的各个过程，为避免重复，这里不再赘述。

在本发明实施例中，通过基于预先训练的基森林异常检测器对目标业务日志数据进行异常检测，得到目标业务日志数据对应的业务异常信息，进而确定目标业务日志数据是否异常，由于异常检测过程基于目标业务日志数据对应的目标业务信息(包含业务服务数量、服务成功数量、服务失败数量、服务时延中的至少一项)，因此提升了日志数据异常检测的准确率。并且，由于基森林异常检测器包含多个孤立森林异常检测器，且孤立森林异常检测器的训练无需样本业务日志数据携带标签，因此该装置在训练检测器时不依赖于人工添加数据标签，节省了大量的工作量；此外，该装置针对不同的业务类型无需分别训练检测器，因此适用于多种不同业务类型的日志数据异常检测，即具有很高的适用性。

请参阅图5，图5是本发明实施例应用的数据异常检测设备的结构图，能够实现上述实施例中由数据异常检测设备执行的数据异常检测方法的细节，并达到相同的效果。如图5所示，数据异常检测设备500包括：处理器501、收发机502、存储器503、用户接口504和总线接口，其中：

在本发明实施例中，数据异常检测设备500还包括：存储在存储器上503并可在处理器501上运行的计算机程序，计算机程序被处理器501执行时实现如下步骤：

获取待检测的目标业务日志数据；

确定所述目标业务日志数据对应的目标业务信息；所述目标业务信息包括业务服务数量、服务成功数量、服务失败数量、服务时延中的至少一项；

根据所述目标业务信息及预先训练的基森林异常检测器，对所述目标业务日志数据进行异常检测，得到所述目标业务日志数据对应的业务异常信息；所述基森林异常检测器包含多个孤立森林异常检测器；各所述孤立森林异常检测器由多个样本业务日志数据训练得到；

根据所述业务异常信息，确定所述目标业务日志数据是否异常。

在图5中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器501代表的一个或多个处理器和存储器503代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机502可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元。针对不同的用户设备，用户接口504还可以是能够外接内接需要设备的接口，连接的设备包括但不限于小键盘、显示器、扬声器、麦克风、操纵杆等。

处理器501负责管理总线架构和通常的处理，存储器503可以存储处理器501在执行操作时所使用的数据。

可选的，计算机程序被处理器501执行时还可实现如下步骤：

采集多个所述样本业务日志数据；

按照预设抽取规则，从所述多个样本业务日志数据中抽取出n组数据；各组中分别包含多个第一样本数据；所述n为正整数；

分别针对各组所述第一样本数据训练孤立森林异常检测器，得到n个所述孤立森林异常检测器；

组合n个所述孤立森林异常检测器，得到所述基森林异常检测器。

可选的，所述业务异常信息包括业务异常分值；

计算机程序被处理器501执行时还可实现如下步骤：

可选的，计算机程序被处理器501执行时还可实现如下步骤：

若所述业务异常分值小于或等于业务日志数据的基准值，则确定所述目标业务日志数据正常；

若所述业务异常分值大于所述基准值，则确定所述目标业务日志数据异常。

可选的，计算机程序被处理器501执行时还可实现如下步骤：

利用所述基森林异常检测器对历史业务日志数据进行异常检测，得到所述历史业务日志数据的业务异常分值；

确定所述历史业务日志数据对应的第一业务异常率；

根据所述第一业务异常率，对所述业务异常分值进行取分位数操作，得到所述基准值。

可选的，计算机程序被处理器501执行时还可实现如下步骤：

获取指定日志区间内的业务日志数据作为待检测的所述目标业务日志数据；

根据所述指定日志区间内的所述目标业务日志数据的数据总量及异常数据量，确定所述指定日志区间内的第二业务异常率。

可选的，计算机程序被处理器501执行时还可实现如下步骤：

当满足以下至少一项条件时，利用新的数据集对所述基森林异常检测器进行更新：

所述第二业务异常率大于或等于第一预设阈值；

所述缓冲区内的业务日志数据的数据量达到第二预设阈值；

其中，所述新的数据集包括所述指定日志区间和/或缓冲区内的业务日志数据；所述缓冲区内的业务日志数据为从所述指定日志区间内抽样得到。

可选的，计算机程序被处理器501执行时还可实现如下步骤：

分别利用所述基森林异常检测器与各所述孤立森林异常检测器对所述新的数据集中的数据进行异常检测，得到所述基森林异常检测器与各所述孤立森林异常检测器分别对应的检测结果；

确定所述基森林异常检测器对应的检测结果与各所述孤立森林异常检测器分别对应的检测结果之间的检测结果偏差值；

确定满足预设条件的所述检测结果偏差值对应的所述孤立森林异常检测器为待更新的所述孤立森林异常检测器；

利用所述新的数据集对待更新的所述孤立森林异常检测器进行更新。

在本发明实施例中，通过基于预先训练的基森林异常检测器对目标业务日志数据进行异常检测，得到目标业务日志数据对应的业务异常信息，进而确定目标业务日志数据是否异常，由于异常检测过程基于目标业务日志数据对应的目标业务信息(包含业务服务数量、服务成功数量、服务失败数量、服务时延中的至少一项)，因此提升了日志数据异常检测的准确率。并且，由于基森林异常检测器包含多个孤立森林异常检测器，且孤立森林异常检测器的训练无需样本业务日志数据携带标签，因此该技术方案在训练检测器时不依赖于人工添加数据标签，节省了大量的工作量；此外，该技术方案针对不同的业务类型无需分别训练检测器，因此适用于多种不同业务类型的日志数据异常检测，即具有很高的适用性。

优选的，本发明实施例还提供一种数据异常检测，包括处理器，存储器1209，存储在存储器上并可在所述处理器上运行的计算机程序，该计算机程序被处理器执行时实现上述数据异常检测方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述数据异常检测方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。