颁发设备指纹的方法、装置、设备以及存储介质

技术领域

本公开涉及计算机技术领域，尤其涉及大数据、移动安全等领域。

背景技术

设备指纹是一种用于唯一标识出终端设备的标识信息。利用设备指纹可以用于准确识别终端设备的身份。设备指纹技术可以应用于在线广告业务、风险控制等领域。可以通过在终端设备中采集设备信息，根据设备信息，生成唯一的标识作为设备指纹。但是当终端设备的设备信息发生变化时，设备指纹也会发生变化，导致设备指纹的稳定性较差。

发明内容

本公开提供了一种颁发设备指纹的方法、装置、设备、存储介质以及程序产品。

根据本公开的一方面，提供了一种颁发设备指纹的方法，包括：根据目标设备的目标设备特征集，在多个候选设备中确定与所述目标设备匹配的第一设备，得到第一设备集；在所述第一设备集包括多个第一设备的情况下，根据所述目标设备和所述多个第一设备中每个第一设备之间的相似度，确定所述多个第一设备中与所述目标设备匹配的第二设备，得到第二设备集；在所述第二设备集包括多个第二设备的情况下，在连通图中查找与所述目标设备匹配的关联设备，其中，所述连通图包括与所述多个第二设备一一对应的多个节点；以及将所述关联设备的设备指纹颁发给所述目标设备。

根据本公开的另一方面，提供了一种颁发设备指纹的装置，包括：第一确定模块，用于根据目标设备的目标设备特征集，在多个候选设备中确定与所述目标设备匹配的第一设备，得到第一设备集；第二确定模块，用于在所述第一设备集包括多个第一设备的情况下，根据所述目标设备和所述多个第一设备中每个第一设备之间的相似度，确定所述多个第一设备中与所述目标设备匹配的第二设备，得到第二设备集；第三确定模块，用于在所述第二设备集包括多个第二设备的情况下，在连通图中查找与所述目标设备匹配的关联设备，其中，所述连通图包括与所述多个第二设备一一对应的多个节点；以及颁发模块，用于将所述关联设备的设备指纹颁发给所述目标设备。

本公开的另一个方面提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开实施例所示的方法。

根据本公开实施例的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行本公开实施例所示的方法。

根据本公开实施例的另一方面，提供了一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现本公开实施例所示方法的步骤。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1示意性示出了根据本公开实施例的示例性系统架构；

图2示意性示出了根据本公开的实施例的确定设备指纹的方法的流程图；

图3示意性示出了根据本公开的实施例的在多个候选设备中确定第一设备的方法的流程图；

图4示意性示出了根据本公开的实施例的确定多个第一设备中的第二设备的方法的流程图；

图5示意性示出了根据本公开的实施例的在连通图中查找与目标设备匹配的关联设备的方法的流程图；

图6示意性示出了根据本公开的实施例的颁发设备指纹的示意图；

图7示意性示出了根据本公开实施例的颁发设备指纹的装置的框图；

图8示意性示出了可以用来实施本公开的实施例的示例电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

以下将结合图1对本公开提供的颁发设备指纹的方法和装置的系统架构进行描述。

图1示意性示出了根据本公开实施例的示例性系统架构100。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。

如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

服务器105可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务(″Virtual Private Server″，或简称″VPS″)中，存在的管理难度大，业务扩展性弱的缺陷。服务器105也可以为分布式系统的服务器，或者是结合了区块链的服务器。

根据本公开的实施例，终端设备可以采集自身的设备信息。然后发送至服务器105。服务器105可以根据设备信息，在设备指纹库中查找与该设备信息匹配的设备指纹。如果在设备指纹库中未查找到匹配的设备指纹，则可以根据设备信息，生成一个新的设备指纹，颁发给终端设备。并在设备指纹库中记录该设备信息和对应的设备指纹。如果在设备指纹库中查找到与该设备信息匹配的设备指纹，则向终端设备颁发该匹配的设备指纹。

根据本公开的实施例，通过终端设备与服务器结合的模式，可以补全设备信息采集不足的短板，终端设备上进行设备信息的采集，并上报至服务器。服务器可以进行数据获取、加工和存储。另外服务器可以通过对设备信息进行初步的筛选，通过独有特征判断及时序性特征的加工对设备召回和精排，从而可以精准判断与终端设备归属一个设备的关联设备，将该关联设备的设备指纹，颁发给终端设备。

需要说明的是，本公开实施例所提供的颁发设备指纹的方法一般可以由服务器105执行。相应地，本公开实施例所提供的颁发设备指纹的装置一般可以设置于服务器105中。本公开实施例所提供的颁发设备指纹的方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的颁发设备指纹的装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

在本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供、公开和应用等处理，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。

在本公开的技术方案中，在获取或采集用户个人信息之前，均获取了用户的授权或同意。

以下将结合图2对本公开提供的确定设备指纹的方法进行描述。

图2示意性示出了根据本公开的实施例的确定设备指纹的方法的流程图。

如图2所示，该颁发设备指纹的方法200包括在操作S210，根据目标设备的目标设备特征集，在多个候选设备中确定与目标设备匹配的第一设备，得到第一设备集。

根据本公开的实施例，目标设备例如可以为需要颁发设备指纹的终端设备。目标设备特征集例如可以包括至少一个设备特征，其中，设备特征可以通过对目标设备的设备信息进行特征提取得到。

根据本公开的实施例，候选设备例如可以为已经颁发过设备指纹的终端设备。候选设备的设备指纹可以根据候选设备的设备特征集来生成。示例性地，本实施例中，对于已经颁发过设备指纹的终端设备，可以将这些终端设备的设备指纹和设备特征集记录在设备指纹库中。由此，例如可以从设备指纹库中查找与目标设备特征集匹配的设备作为第一设备。

然后，在操作S220，在第一设备集包括多个第一设备的情况下，根据目标设备和多个第一设备中每个第一设备之间的相似度，确定多个第一设备中与目标设备匹配的第二设备，得到第二设备集。

根据本公开的实施例，如果只有一个匹配的第一设备，则可以确定该第一设备作为目标设备的关联设备。如果有多个匹配的第一设备，则可以进一步确定每个第一设备的相似度，根据相似度确定关联设备。

根据本公开的实施例，例如可以确定相似度大于相似度阈值的第一设备作为与目标设备匹配的第二设备。其中，相似度阈值可以根据实际需要设置。

在操作S230，在第二设备集包括多个第二设备的情况下，在连通图中查找与目标设备匹配的关联设备。

根据本公开的实施例，如果只有一个匹配的第二设备，则可以确定该第二设备作为目标设备的关联设备。如果有多个匹配的第二设备，则可以进一步在连通图中确定目标设备的关联设备。

根据本公开的实施例，连通图可以包括与多个第二设备一一对应的多个节点。本实施例中，节点之间可以有边。两节点之间的边可以表示两个节点对应于相同的终端设备，也即对应于相同的设备指纹。

在操作S240，将关联设备的设备指纹颁发给目标设备。

根据本公开的实施例，关联设备为已颁发设备指纹的终端设备中与目标设备相同的设备，因此，可以将的关联设备的设备指纹颁发给目标设备。

例如在应用程序卸载后重装、应用空间进行了数据清理、系统禁止应用程序采集权限、使用代理、使用VPN(虚拟专用网络)等场景下，终端设备获取到的设备信息会发生变化，如果基于这些信息无法获取正确的设备指纹，导致设备指纹的稳定性较差。

根据本公开的实施例，根据目标设备的目标设备特征集、相似度和连通图来确定关联设备，然后将关联设备的设备指纹颁发给目标设备，可以避免因为目标设备的设备信息发生部分改变导致无法找回原有的设备指纹，从而提高了设备指纹的稳定性。

根据本公开的实施例，例如可以采集目标设备的标识信息、设备基本信息、系统底层信息、网络行为信息和设备使用信息中的至少一个，得到目标设备信息集。然后对目标设备信息集进行特征计算，得到目标设备特征集。其中，标识信息例如可以包括IMEI(International Mobile Equipment Identity，国际移动设备识别码)、serial(序列号)、IMSI(International Mobile Subscriber Identity，国际移动用户识别码)、ICCID(Integrate Circuit Card Identity，集成电路卡识别码)等。设备基本信息例如可以包括设备型号、生产厂商标识、操作系统标识、版本号等。系统底层信息例如可以包括文件信息、安装时间等。网络行为信息例如可以包括IP地址、WIFI信息等。设备使用信息例如可以包括电量信息、内存使用信息、存储器大小等。示例性地，对于安卓系统的终端设备，可以从JAVA层和C层的底层获取设备信息。

根据本公开的实施例，对于网络行为信息和设备使用信息，可以按照信息的时间生成行为序列，然后可以利用DTW(Dynamic Time Warping，动态时间规整)算法，根据行为序列计算对应的设备特征。

下将结合图3对本公开提供的在多个候选设备中确定第一设备的方法进行描述。

图3示意性示出了根据本公开的实施例的在多个候选设备中确定第一设备的方法的流程图。

如图3所示，该颁发设备指纹的方法310包括针对多个候选设备中的每个候选设备执行操作S311～S312。

在操作S311，根据目标设备特征集与候选设备的候选设备特征集，确定相同特征信息。

根据本公开的实施例，候选设备特征集可以包括至少一个设备特征。例如可以确定目标设备特征集与候选设备特征集中具有哪些相同的特征。根据这些相同的特征，确定相同特征信息。

根据本公开的实施例，相同特征信息例如可以包括目标设备特征集与候选设备特征集中相同特征的数量、每个相同特征的权重和相同特征的占比中的至少一个。示例性地，每个特征的权重可以预设根据需要设置。例如对于强特征，可以设置较大的权重，对于弱特征，可以设置较小的权重。其中，强特征可以包括不易变化、较固定的特征，以及不同设备之间不易冲突的特征。弱特征可以包括较易变化的特征，以及不同设备之间冲突可能性较大的特征。

例如，目标设备特征集包括v1、v2和v3，候选设备特征集包括v1、v2和v4，其中，v1、v2、v3和v4的权重分别为1、2、3和4。由此，可以确定v1和v2是相同特征，其中，相同特征v1的权重为1，相同特征v2的权重为2。另外，可以确定相同特征的数量为2，相同特征占设备特征集合中总特征数的比例为2/3，

在操作S312，在相同特征信息满足预定规则的情况下，确定候选设备作为第一设备。

根据本公开的实施例，预定规则例如可以根据实际需要设置。示例性地，预定规则例如可以包括相同特征的权重之和大于权重阈值，或者，相同特征的数量大于数量阈值，又或者，相同特征的占比大于占比阈值。其中，权重阈值、数量阈值和占比阈值可以分别根据实际需要设置。

根据本公开的另一实施例，还可以在专家经验引擎中配置预定规则，然后通过专家经验引擎来判断相同特征信息是否满足预定规则，并输出判断结果。

下将结合图4对本公开提供的确定多个第一设备中的第二设备的方法进行描述。

图4示意性示出了根据本公开的实施例的确定多个第一设备中的第二设备的方法的流程图。

如图4所示，该确定多个第一设备中的第二设备的方法420包括针对多个第一设备中的每个第一设备执行操作S421～S422。

在操作S421，根据目标设备特征集与第一设备的第一设备特征集，确定相似度。

根据本公开的实施例，例如可以预先训练用于确定相似度的深度学习模型，然后利用深度学习模型来计算根据目标设备特征集与第一设备特征集之间的相似度。示例性地，深度学习模型的输入可以为两个特征集，输出可以为两个特征集之间的相似度。基于此，可以将目标设备特征集与第一设备特征集输入该深度学习模型，从而输出目标设备特征集与第一设备特征集之间的相似度。

在操作S422，在相似度大于相似度阈值的情况下，确定第一设备作为第二设备。

根据本公开的实施例，相似度阈值可以根据实际需要设置。

下将结合图5对本公开提供的在连通图中查找与目标设备匹配的关联设备的方法进行描述。

图5示意性示出了根据本公开的实施例的在连通图中查找与目标设备匹配的关联设备的方法的流程图。

如图5所示，该在连通图中查找与目标设备匹配的关联设备的方法530包括针对多个第一设备中的每个第一设备执行操作S531～S533。

在操作S531，根据目标设备，在连通图中生成新的节点，作为目标节点。

根据本公开的实施例，目标节点可以为对应于目标设备的节点。目标节点所对应的设备特征集可以为目标设备特征集。

在操作S532，根据目标设备特征集，确定连通图中与目标节点相连的关联节点。

根据本公开的实施例，例如可以将目标设备特征集和连通图中除目标节点之外的其他节点的设备特征集进行比较，确定包含至少一个相似特征的设备特征集，作为关联设备特征集，该关联设备特征集所对应的节点即为关联节点。可以目标节点与关联节点之间建立一条边。

在操作S533，确定与关联节点对应的第二设备，作为关联设备。

根据本公开的实施例，关联节点所对应的第二设备即为关联设备。

下面结合具体实施例对上文所示的在连通图中查找与目标设备匹配的关联设备的方法做进一步说明。本领域技术人员可以理解，以下示例实施例仅用于理解本公开，本公开并不局限于此。

根据本公开的实施例，例如可以根据目标设备，在连通图中生成新的节点。表1示例性示出了连通图中的节点和对应的设备特征。其中，index为对应设备的索引，也可以作为对应设备的设备指纹的索引。

表1

根据本公开的实施例，例如可以将特征1作为主键，提取所有的特征1，去重，得到m1和m2。然后，将特征1相同的节点所对应的index设置为相同的值。例如，对于特征1相同的多个节点中，可以确定该多个节点的index值中最小的index值，得到如表2所示的结果。

表2

然后，可以将该多个节点的index均设置为该最小的index值，得到表3所示的结果。

表3

根据本公开的实施例，例如可以再提取所有的特征2，去重，得到z1、z2和z3。然后，将特征2相同的节点所对应的index设置为相同的值，得到如表4所示的结果。。

表4

根据本公开的实施例，例如可以基于表4所示的结果，再进行反向迭代。例如，再提取所有的特征1，去重，得到m1和m2。然后，将特征1相同的节点所对应的index设置为相同的值，得到如表5所示的结果。

表5

如表5所示，节点1、节点2、节点3和节点4彼此之间分别由边相连，也即目标设备、设备1、设备2和设备3为互为关联设备。

下面参考图6，结合具体实施例对上文所示的颁发设备指纹的方法做进一步说明。本领域技术人员可以理解，以下示例实施例仅用于理解本公开，本公开并不局限于此。

图6示意性示出了根据本公开的实施例的颁发设备指纹的示意图。

在图6中示出了，例如可以采集目标设备的标识信息、设备基本信息、系统底层信息、网络行为信息和设备使用信息等，得到目标设备信息集。

根据本公开的实施例，可以根据目标设备信息集中设备信息进行特征计算，得到目标设备特征集。示例性地，对于类别值类型的信息1，例如可以利用onehot(独热)算法，计算信息1对应的二进制数据。对于数值类型的信息2，例如可以利用hash(哈希)算法，计算信息2对应的向量。对于行为序列类型的信息3，例如可以利用DTW(动态时间规整)算法，计算信息3对应的得分。然后，可以确定二进制数据、向量和得分作为目标设备特征集。

根据本公开的实施例，可以从设备指纹库中获取多个候选设备，针对该多个候选设备中的每个候选设备，确定目标设备特征集和该候选设备的候选设备特征集中具有哪些相同的特征，确定相同特征的数量、每个相同特征的权重和相同特征的占比。例如可以利用专家经验引擎，判断相同特征的权重之和是否大于权重阈值，相同特征的数量是否大于数量阈值，相同特征的占比是否大于占比阈值。如果相同特征的权重之和大于权重阈值、相同特征的数量大于数量阈值和相同特征的占比大于占比阈值均满足，则可以确定该候选设备为第一设备，进行召回。

根据本公开的实施例，针对每个第一设备，可以将目标设备特征集和该第一设备的第一设备特征集输入深度学习模型，以便输出目标设备特征集和该第一设备特征集之间的相似度。接着可以判断该相似度是否大于相似度阈值。如果大于，则可以确定该第一设备为第二设备。其中，深度学习模型例如可以包括transformer模型。

根据本公开的实施例，如果第二设备为多个，则根据第二设备仍无法确定关联设备。基于此，可以从在连通图中生成与目标设备对应的目标节点。然后根据目标设备特征集，确定目标节点与其他节点之间的边。确定与目标节点相连的节点作为关联节点。接下来可以确定与关联节点对应的第二设备，作为关联设备，该关联设备的设备指纹即目标设备的设备指纹。输出该设备指纹。

以下将结合图7对本公开提供的颁发设备指纹的装置进行描述。

图7示意性示出了根据本公开实施例的颁发设备指纹的装置的框图。

如图7所示，颁发设备指纹的装置700包括第一确定模块710、第二确定模块720、第三确定模块730和颁发模块740。

第一确定模块710，用于根据目标设备的目标设备特征集，在多个候选设备中确定与目标设备匹配的第一设备，得到第一设备集。

第二确定模块720，用于在第一设备集包括多个第一设备的情况下，根据目标设备和多个第一设备中每个第一设备之间的相似度，确定多个第一设备中与目标设备匹配的第二设备，得到第二设备集。

第三确定模块730，用于在第二设备集包括多个第二设备的情况下，在连通图中查找与目标设备匹配的关联设备，其中，连通图包括与多个第二设备一一对应的多个节点。

颁发模块740，用于将关联设备的设备指纹颁发给目标设备。

根据本公开的实施例，第一确定模块可以包括：相同特征确定子模块，用于针对多个候选设备中的每个候选设备，根据目标设备特征集与候选设备的候选设备特征集，确定相同特征信息，其中，相同特征信息包括目标设备特征集与候选设备特征集中相同特征的数量、每个相同特征的权重和相同特征的占比中的至少一个；以及第一设备确定子模块，用于在相同特征信息满足预定规则的情况下，确定候选设备作为第一设备。

根据本公开的实施例，第二确定模块可以包括：相似度计算子模块，用于针对多个第一设备中的每个第一设备，根据目标设备特征集与第一设备的第一设备特征集，确定相似度；以及第二设备确定子模块，用于在相似度大于相似度阈值的情况下，确定第一设备作为第二设备。

根据本公开的实施例，第三确定模块可以包括：节点生成子模块，用于根据目标设备，在连通图中生成新的节点，作为目标节点；关联节点确定子模块，用于根据目标设备特征集，确定连通图中与目标节点相连的关联节点；以及关联设备确定子模块，用于确定与关联节点对应的第二设备，作为关联设备。

根据本公开的实施例，上述装置还可以包括：数据采集模块，用于采集目标设备的标识信息、设备基本信息、系统底层信息、网络行为信息和设备使用信息中的至少一个，得到目标设备信息集；以及特征计算模块，用于对目标设备信息集进行特征计算，得到目标设备特征集。

根据本公开的实施例，相似度计算子模块可以包括：计算单元，用于利用深度学习模型，计算根据目标设备特征集与第一设备特征集之间的相似度。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图8示意性示出了可以用来实施本公开的实施例的示例电子设备800的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如颁发设备指纹的方法。例如，在一些实施例中，颁发设备指纹的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的颁发设备指纹的方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行颁发设备指纹的方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。