一种异常交易的检测方法及其相关装置

技术领域

本申请涉及金融领域，尤其涉及一种异常交易的检测方法及其相关装置。

背景技术

在金融行业，大额资金流通是流通资金的主力军，其异动关乎金融机构核心业务和规模的发展，因此对大额资金的流通进行检测尤其重要。

目前，大额资金流通是否异常主要依赖于人为分析的方法，即工作人员通过对比该大额资金的流通与历史时间段的大额资金流通的变化差异，分析判断该大额资金的流通是否存在异常。

人为分析的方法较大程度上依赖专家经验，该方法对于常规的大额资金的异常流通现象能够进行识别。但是，依赖专家经验的检测方法不够灵活，这影响了异常交易检测的准确性。

发明内容

本申请提供了一种异常交易的检测方法及其相关装置，以期提供一种灵活的检测方法，提高异常交易检测的准确性。

第一方面，本申请提供了一种异常交易的检测方法，该方法包括：通过预训练的预测模型确定偏离度的预测值，所述偏离度用于指示预设时间的大额资金的交易次数相对于历史同期的大额资金的交易次数的偏离程度，所述大额资金为交易额大于预设门限的资金；在预设时长内所述偏离度的真实值相较于所述偏离度的预测值的偏离程度落在预设范围之外的次数满足预设条件的情况下，调整所述预设范围，所述预设范围用于确定所述预设时间的大额资金的交易次数是否异常。

因此，本申请通过统计预设时长内偏离度的真实值相较于预测值的偏离程度落在预设范围之外的次数，来判断预设范围的设置是否合理，进而在次数满足预设条件的情况下对预设范围进行调整，实现了对预设范围的灵活调整，有利于提高异常交易检测的准确性。

结合第一方面，在第一方面的某些可能的实现方式中，在所述偏离度的真实值相较于所述偏离度的预测值的偏离程度落在所述预设范围之外的情况下，确定所述预设时间的大额资金的交易次数异常。

结合第一方面，在第一方面的某些可能的实现方式中，所述预设条件包括：在所述预设时长内所述偏离度的真实值相较于所述偏离度的预测值的偏离程度落在所述预设范围之外的次数大于或等于第一预设门限，调整后的预设范围的上界小于调整前的预设范围的上界，且调整后的预设范围的下界大于调整前的预设范围的下界。

结合第一方面，在第一方面的某些可能的实现方式中，所述调整前的预设范围为：μ±n

结合第一方面，在第一方面的某些可能的实现方式中，所述预测模型包括多个子模型，所述多个子模型中的每个子模型基于一种时间序列算法进行所述偏离度的预测，所述多个子模型使用的时间序列算法不同；所述偏离度的预测值为所述多个子模型输出的预测值的加权和。

结合第一方面，在第一方面的某些可能的实现方式中，所述多个子模型中每个子模型的权重由所述每个子模型的预测精度确定，预测精度越高，所对应的子模型输出的预测值的权重越高。

结合第一方面，在第一方面的某些可能的实现方式中，根据所述多个子模型分别基于历史数据进行偏离度预测的结果，确定每个子模型的预测精度，所述预测精度为预测正确的次数与预测的总次数之比，其中，所述预测正确的次数包括预测值相较于真实值的偏离程度小于或等于第二预设门限的次数。

结合第一方面，所述历史数据包括以下一项或多项：大额资金的交易次数的周环比、大额资金的交易次数的周同比、大额资金的交易次数的天环比、大额资金的交易次数的天同比、1分钟内大额资金的交易次数的频率、1分钟内大额资金的交易数额均值、1秒内大额资金的平均交易次数的偏离度和1秒钟内大额资金的交易次数峰值。

第二方面，本申请提供了一种异常交易的检测装置，该装置包括：确定模块和处理模块。所述确定模块用于通过预训练的预测模型确定偏离度的预测值，所述偏离度用于指示预设时间的大额资金的交易次数相对于历史同期的大额资金的交易次数的偏离程度，所述大额资金为交易额大于预设门限的资金；所述处理模块用于在预设时长内所述偏离度的真实值相较于所述偏离度的预测值的偏离程度落在预设范围之外的次数满足预设条件的情况下，调整所述预设范围，所述预设范围用于确定所述预设时间的大额资金的交易次数是否异常。

第三方面，本申请提供了一种异常交易的检测装置，该装置包括：存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于调用并执行所述计算机程序，以使得所述装置实现第一方面及第一方面任一种可能的实现方式中的方法。

第四方面，本申请提供了一种芯片系统，该芯片系统包括至少一个处理器，用于支持实现上述第一方面以及第一方面任一种可能实现方式中所涉及的功能。

在一种可能的设计中，所述芯片系统还包括存储器，所述存储器用于保存程序指令和数据，存储器位于处理器之内或处理器之外。

该芯片系统可以由芯片构成，也可以包含芯片和其它分立器件。

第五方面，本申请提供了一种计算机可读存储介质，所述存储介质中存储有计算机可读指令，当所述计算机可读指令被计算机执行时，使得计算机实现第一方面及第一方面任一种可能实现方式中的方法。

第六方面，本申请提供了一种计算机程序产品，所述计算机程序产品包括：计算机程序(也可以称为代码，或指令)，当所述计算机程序被运行时，使得上述第一方面及第一方面任一种可能实现方式中的方法被执行。

应当理解的是，本申请的第二方面至第六方面与本申请的第一方面的技术方案相对应，各方面及对应的可行实施方式所取得的有益效果相似，不再赘述。

还应理解，本申请提供的异常交易的检测方法及其相关装置可应用于金融领域，也可应用于除金融领域之外的任意领域。本申请对于所提供的异常交易的检测方法及其相关装置的应用领域不作限定。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1是本申请实施例提供的异常交易的检测方法的场景示意图；

图2是本申请实施例提供的异常交易的检测方法的示意性流程图；

图3是本申请实施例提供的异常交易的检测装置的示意性框图；

图4是本申请实施例提供的异常交易的检测装置的另一示意性框图。

通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

具体实施方式

下面将结合附图，对本申请中的技术方案进行描述。

以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

在介绍本申请实施例之前，首先对本申请中涉及到的术语作简单说明。

1、偏离度：实际数据与目标数据相差的绝对值所占目标数据的比重。

2、时间序列算法：是一种统计分析方法，根据一定时间的数据序列预测未来发展趋势的方法。

3、标准差：标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。平均数相同的两组数据，标准差未必相同。

4、三西格玛(3sigma，3σ)原则：数值分布在(μ-3σ，μ+3σ)的概率为0.9973。其中，在正态分布中，σ代表标准差，μ代表均值，即为图像的对称轴。

5、同比：同比发展速度主要是为了消除季节变动的影响，用以说明本期发展水平与同期发展水平对比而达到的相对发展速度。同比增长速度＝(本期发展水平-同期水平)/同期发展水平×100％。

6、环比：表示连续两个统计周期(比如连续两月)内的量的变化比。

7、霍尔特-温特(Holt-Winters)算法：也叫三次指数平滑算法。Holt-Winters算法是基于时间序列分析的趋势预测算法之一。该算法对含有线性趋势和周期波动的非平稳序列适用，利用指数移动平均法让模型参数不断适应非平稳序列的变化，并对未来趋势进行短期预报。Holt-Winters方法在Holt模型基础上引入了Winters周期项(也叫做季节项)，可以用来处理月度数据、季度数据、星期数据等时间序列中的固定周期的波动行为。引入多个Winters项还可以处理多种周期并存的情况。

8、差分整合移动平均自回归(autoregressive integrated moving average，ARIMA)算法：又称整合移动平均自回归算法(移动也可称作滑动)。是基于时间序列分析的趋势预测算法之一，主体采用ARIMA差分整合移动平均自回归模型。算法的基本原理是将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型。

9、预测(prophet)算法：一种时间序列预测算法，基于可分解(趋势、季节、节假日)模型的算法，该算法支持自定义季节和节假日的影响，相对Holt-Winters算法和ARIMA算法具有更加灵活的参数配置。不仅可以处理时间序列存在一些异常值的情况，也可以处理部分缺失值的情形，还能够几乎全自动地预测时间序列未来的走势。

图1为适用于本申请实施例提供的异常交易的检测方法的应用场景示意图。如图1所示，该场景示出了客户端110和服务端120。其中，客户端110与服务端120之间可通过接口进行联机。客户端110通过接口将与交易的相关数据发送给服务端120，服务端120可实施本申请提供的异常交易的检测方法，根据预设时长内的偏离度的真实值与预测值的对比，对交易是否异常进行判断，并输出检测结果。例如，将异常交易的检测结果输出至客户端110，以通过客户端110向工作人员呈现检测结果。

应理解，客户端110例如可以是异常交易检测的工作人员的工作电脑，或其它行业从业人员的工作电脑等，只要具有发送交易的相关数据以请求对其分析的需求方，均可作为客户端，本申请对此不加以限制。

应理解，服务端120可以为服务器，也可以为专门开发的用于对交易是否异常进行检测的系统，只要具有可对交易是否异常进行检测功能的处理方，均可作为服务端，本申请对此不加以限制。

还应理解，图1中虽然仅示出了一个客户端110，但应理解，本申请对于客户端110的数量均不作限定，该场景100中还可以包括更多数量的客户端，且任意一个客户端与服务端之间均能实现交互。

还应理解，图1所示的场景仅为一种示例，并不应对本申请提供的方法所适用的场景构成限定。例如，客户端也可以实施本申请提供的异常交易的检测方法。

目前，大额资金流通是否异常主要依赖于人为分析的方法，即工作人员通过对比该大额资金的流通与历史时间段的大额资金流通的变化差异，分析判断该大额资金的流通是否存在异常。人为分析的方法较大程度上依赖专家经验，该方法对于常规的大额资金的异常流通现象能够进行识别。但是，依赖专家经验的检测方法不够灵活。这影响了异常交易检测的准确性。

鉴于此，本申请提供了一种异常交易的检测方法。本申请通过统计预设时长内偏离度的真实值相较于预测值的偏离程度落在预设范围之外的次数，来判断预设范围的设置是否合理，进而在次数满足预设条件的情况下对预设范围进行调整，实现了对预设范围的灵活调整，有利于提高异常交易检测的准确性。

下面将结合附图对本申请实施例提供的异常交易的检测方法进行详细说明。该异常交易的检测方法可以由异常交易的检测装置来执行，也可以由能够实现全部或部分异常交易的检测装置的功能的逻辑模块或软件实现，本申请对此不作限定。该异常交易的检测装置例如可以包括但不限于，图1中的服务端，或配置在服务端中的部件(如，芯片、芯片系统等)。

图2是本申请实施例提供的异常交易的检测方法200的示意性流程图。图2所示的方法可以包括S210至S220，下面对图2中的各个步骤做详细说明。

S210、通过预训练的预测模型确定偏离度的预测值。

其中，偏离度用于指示预设时间的大额资金的交易次数相对于历史同期的大额资金的交易次数的偏离程度，其中，大额资金为交易额大于预设门限的资金。应理解，交易次数也可以称为资金的变动次数，这是由于每一次交易可能导致资金变动，因此二者是相同的。

该预测模型可以基于历史数据对模型进行训练得到。该历史数据例如可以包括以下一项或多项：大额资金的交易次数的周环比、大额资金的交易次数的周同比、大额资金的交易次数的天环比、大额资金的交易次数的天同比、1分钟内大额资金的交易次数的频率、1分钟内大额资金的交易数额均值、1秒内大额资金的平均交易次数的偏离度和1秒钟内大额资金的交易次数峰值。应理解，以上所列举的历史数据仅为示例，本申请对此不予以限制。基于对历史数据的学习所得到的模型，可以预测出未来某个时间交易次数的偏离度的预测值。

可选地，该预测模型可以为时间序列模型。

应理解，时间序列模型可以根据不同时间点的历史数据集合进行学习，进而对未来时间点进行预测。用于时间序列模型的算法例如包括但不限于Holt-Winters算法、ARIMA算法以及prophet算法。

一种可能的设计是，该预测模型包括多个子模型，多个子模型中的每个子模型基于一种时间序列算法进行偏离度的预测。

示例性地，多个子模型可以分别采用Holt-Winters算法、ARIMA算法以及prophet算法中的一种或多种算法。

应理解，一方面，Holt-Winters算法、ARIMA算法的编码可以直接使用相应的第三方包进行便捷计算，例如，在使用prophet算法进行预测时，可以直接使用prophet的python包，其中，python为计算机编程语言的一种。设置好周期值和一些特定节点值，即可实现模型的配置，如此，模型的配置更便捷；另一方面，Holt-Winters算法、ARIMA算法、prophet算法可以较好的考虑时间周期因素，而且可以对部分时间点的预测值进行修正，因此利用以上三种算法对偏离度的预测值进行预测具有较高的预测精度。

应理解，上文对多个子模型所使用的算法的列举仅为一种示例，本申请包含但不限于此。异常交易的检测装置可以根据实际需求选择合适的算法。

需要说明的是，该多个子模型可基于相同的历史数据进行训练。即，同一批历史数据被分别输入至该多个子模型中，以便于各个子模型对该历史数据进行学习。

进一步地，偏离度的预测值为多个子模型输出的预测值的加权和。在对该预测模型进行训练时，可以对不同的子模型施加不同的权重，进而将各子模型的输出进行加权，得到预测模型的最终输出。应理解，每个子模型的权重即该子模型输出的预测值的权重。通过对不同的子模型施加不同的权重，便可得到多个子模型的预测值的加权和，也即得到预测模型的最终输出。

该多个子模型的权重可通过不同的方式来确定。下文提供了确定各子模型的权重的两种可能的方式。

在一种可能的实现方式中，根据历史数据或者专家经验人为定义三种子模型的权重。

在另一种可能的实现方式中，每个子模型的权重分别由每个子模型的预测精度确定。子模型的预测精度越高，所对应的子模型的权重越高，即，所对应的子模型输出的预测值的权重越高。

其中，预测精度基于对历史数据进行偏离度预测的结果来确定。具体来说，每个子模型的预测精度可以为该子模型预测正确的次数与预测的总次数之比。这里，预测正确的次数具体可以是指预测值相较于真实值的偏离程度小于或等于预设门限(为便于区分和说明，此处的预设门限记为第二预设门限)的次数。

例如，当第二预设门限设置为5％时，预测值相较于真实值的偏离程度小于或等于5％时，即，预测值与真实值的差的绝对值与真实值的比值小于或等于5％时，将该预测值视为预测正确。

应理解，上文第二预设门限的具体数值仅为示例，本申请对于第二预设门限的具体数值不作限定。

还应理解，对预测模型进行训练的具体方法可参看已有技术，此处不再赘述。

S220、在预设时长内偏离度的真实值相较于偏离度的预测值的偏离程度落在预设范围之外的次数满足预设条件的情况下，调整预设范围。

具体地，预设范围用于确定预设时间的大额资金的交易次数是否异常。当偏离度的真实值相较于偏离度的预测值的偏离程度落在预设范围之外时，可以确定预设时间的大额资金的交易次数异常。

基于预设时长内交易次数异常的次数，可确定上述预设范围的设置是否合理，也即，可确定是否调整预设范围。

这里，预设时长可以是预先设置好的一个时间长度值。例如，预设时长可以设置为12小时、24小时等，以上仅为预设时长的示例，本申请对此不予以限制。

针对预设时长内的交易次数异常的次数，可通过不同的预设条件来判断是否需要调整预设范围，以及如何调整预设范围。

在一种可能的实现方式中，预设条件包括：在预设时长内偏离度的真实值相较于偏离度的预测值的偏离程度落在预设范围之外的次数大于或等于第一预设门限，调整后的预设范围的上界小于调整前的预设范围的上界，且调整后的预设范围的下界大于调整前的预设范围的下界。

可选地，在本申请的实现方式中，调整前的预设范围设置为μ±n

其中，标准差的公式为：

一示例，假设预设时长为12小时，第一预设门限设置为2次，若在12小时内偏离度的真实值与偏离度的预测值的差的绝对值与偏离度的预测值的比值落在μ±n

依据3sigma原则，上述比值在μ±3×σ的概率为0.9973，应理解，上述比值落在μ±3×σ之外的概率小于千分之三。因此，本申请设置的调整前的预设范围能够对异常交易进行精确检测。

另一示例，假设调整前的预设范围设置为μ±n

应理解，以上两个示例仅为两种不同的第一预设门限分别对应的两种不同的预设范围调整方式，在实际应用中可以根据不同的需求，设置不同的第一预设门限。本申请对实际应用中的第一预设门限不作任何限定。

或者，在另一种可能的实现方式中，预设条件包括：在预设时长内偏离度的真实值相较于偏离度的预测值的偏离程度落在预设范围之外的次数小于第一预设门限，调整后的预设范围的上界大于调整前的预设范围的上界，且调整后的预设范围的下界小于调整前的预设范围的下界。

应理解，第一预设门限也可以设置为2次，或5次，本申请对此不予以限制，此处不再赘述。

一示例，假设调整前的预设范围设置为μ±n

另一方面，如果在步骤220中确定预设时长内偏离度的真实值相较于偏离度的预测值的偏离程度落在预设范围之外的次数满足预设条件，还可发出预警。

可选地，该方法还包括：发送预警信息至客户端，以提示客户端进行进一步地跟踪。

该预警信息可包括预测模型输出的偏离度的预测值，以便于工作人员根据该预测值做出相应的处理，由此，工作人员可以及时地对可能出现的异常交易进行重点关注，有利于降低异常交易的发生率。

因此，本申请通过统计预设时长内偏离度的真实值相较于预测值的偏离程度落在预设范围之外的次数，来判断预设范围的设置是否合理，进而在次数满足预设条件的情况下对预设范围进行调整，实现了对预设范围的灵活调整，有利于提高异常交易检测的准确性。

下面将结合图3与图4详细说明本申请实施例提供的异常交易的检测装置。

图3是本申请实施例提供的异常交易的检测装置的示意性框图。该装置可以对应于上文方法实施例中的异常交易的检测装置，或者，配置在异常交易的检测装置内的部件，如芯片、芯片系统等。

如图3所示，该装置300包括确定模块310和处理模块320。该装置300可用于实现上述方法200所示的实施例的异常交易的检测装置的功能。其中，确定模块310用于通过预训练的预测模型确定偏离度的预测值，偏离度用于指示预设时间的大额资金的交易次数相对于历史同期的大额资金的交易次数的偏离程度，大额资金为交易额大于预设门限的资金；处理模块320用于在预设时长内偏离度的真实值相较于偏离度的预测值的偏离程度落在预设范围之外的次数满足预设条件的情况下，调整预设范围，预设范围用于确定预设时间的大额资金的交易次数是否异常。

可选地，确定模块310还用于在偏离度的真实值相较于偏离度的预测值的偏离程度落在预设范围之外的情况下，确定预设时间的大额资金的交易次数异常。

可选地，预设条件包括：在预设时长内偏离度的真实值相较于偏离度的预测值的偏离程度落在预设范围之外的次数大于或等于第一预设门限，调整后的预设范围的上界小于调整前的预设范围的上界，且调整后的预设范围的下界大于调整前的预设范围的下界。

可选地，调整前的预设范围为：μ±n

可选地，确定模块310具体用于预测模型包括多个子模型，多个子模型中的每个子模型基于一种时间序列算法进行偏离度的预测，多个子模型使用的时间序列算法不同；偏离度的预测值为多个子模型输出的预测值的加权和。

可选地，多个子模型中每个子模型的权重由每个子模型的预测精度确定，预测精度越高，所对应的子模型输出的预测值的权重越高。

可选地，确定模块310还用于根据多个子模型分别基于历史数据进行偏离度预测的结果，确定每个子模型的预测精度，预测精度为预测正确的次数与预测的总次数之比，其中，预测正确的次数包括预测值相较于真实值的偏离程度小于或等于第二预设门限的次数。

可选地，历史数据包括以下一项或多项：大额资金的交易次数的周环比、大额资金的交易次数的周同比、大额资金的交易次数的天环比、大额资金的交易次数的天同比、1分钟内大额资金的交易次数的频率、1分钟内大额资金的交易数额均值、1秒内大额资金的平均交易次数的偏离度和1秒钟内大额资金的交易次数峰值。

应理解，图3的装置的模块划分只是示例性的，在实际应用中可以根据不同的功能需求，划分出不同的功能模块，本申请对实际应用中的功能模块的划分形式和数量不作任何限定，并且图3不能对本申请产生任何限定。

图4是本申请实施例提供的异常交易的检测装置的另一示意性框图。

该异常交易的检测装置400可以为芯片系统，或者，也可以为配置了芯片系统，以用于实现上述方法实施例中异常交易检测的功能的装置。本申请实施例中，芯片系统可以由芯片构成，也可以包含芯片和其他分立器件。

如图4所示，该装置400可以包括处理器410和通信接口420。其中，通信接口420可用于通过传输介质和其它设备进行通信，从而使得异常交易的检测装置400可以和其它设备进行通信。所述通信接口420例如可以是收发器、接口、总线、电路或者能够实现收发功能的装置。处理器410可利用通信接口420收发数据和/或信息，并用于实现图2对应的实施例中的异常交易的检测装置所执行的方法。具体地，该异常交易的检测装置400可用于实现上述方法实施例异常交易的检测装置的功能。

示例性地，若该异常交易的检测装置400用于实现本申请实施例提供的异常交易的检测装置的功能时，处理器410可以用于通过预训练的预测模型确定偏离度的预测值，偏离度用于指示预设时间的大额资金的交易次数相对于历史同期的大额资金的交易次数的偏离程度，大额资金为交易额大于预设门限的资金；用于在预设时长内偏离度的真实值相较于偏离度的预测值的偏离程度落在预设范围之外的次数满足预设条件的情况下，调整预设范围，预设范围用于确定预设时间的大额资金的交易次数是否异常。具体参见方法示例中的详细描述，此处不做赘述。

该异常交易的检测装置400还可以包括至少一个存储器430，可以用于保存程序指令和数据等。存储器430和处理器410耦合。本申请实施例中的耦合是装置、单元或模块之间的间接耦合或通信连接，可以是电性，机械或其它的形式，用于装置、单元或模块之间的信息交互。处理器410可能和存储器430协同操作。处理器410可能执行存储器430中存储的程序指令。所述至少一个存储器中的至少一个可以包括于处理器中。

本申请实施例中不限定上述处理器410、通信接口420以及存储器430之间的具体连接介质。本申请实施例在图4中以处理器410、通信接口420以及存储器430之间通过总线440连接。总线440在图4中以粗线表示，其它部件之间的连接方式，仅是进行示意性说明，并不引以为限。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

本申请还提供一种计算机程序产品，所述计算机程序产品包括：计算机程序(也可以称为代码，或指令)，当所述计算机程序被运行时，使得计算机执行如图2所示实施例的方法。

本申请还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序(也可以称为代码，或指令)。当所述计算机程序被运行时，使得计算机执行如图2所示实施例的方法。

应理解，本申请实施例中的处理器可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(digitalsignal processor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(field programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

还应理解，本申请实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic RAM，DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double data rateSDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(directrambus RAM，DR RAM)。应注意，本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。

本说明书中使用的术语“单元”、“模块”等，可用于表示计算机相关的实体、硬件、固件、硬件和软件的组合、软件、或执行中的软件。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各种说明性逻辑块(illustrative logical block)和步骤(step)，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。在本申请所提供的几个实施例中，应该理解到，所揭露的装置、设备和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

在上述实施例中，各功能单元的功能可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令(程序)。在计算机上加载和执行所述计算机程序指令(程序)时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，数字通用光盘(digital video disc，DVD))、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。