一种基于区块链的信息处理方法、装置及设备

技术领域

本发明涉及区块链技术领域，尤其涉及一种基于区块链的信息处理方法、装置及设备。

背景技术

基于区块链的人工智能模型训练场景BDML(Blockchain-based DistributedMachine Learning，基于区块链的分布式机器学习)是指一个联盟为了解决一个特定的人工智能问题，应用区块链技术在保护各参与方数据不被泄露的情况下协同训练出一个模型。

基本的BDML系统中，参与方训练出精度更高的模型，得到其他参与方验证投票后，生成新区块，模型精度不断提升，达到收敛。但在训练过程中，有可能会遇到训练瓶颈，例如：各参与方训练出的模型都无法通过其他参与方的验证，长时间无法生成新的区块。

发明内容

本发明实施例为了解决基于区块链的人工智能模型训练过程中存在的上述问题，创造性地提供一种基于区块链的信息处理方法、装置及设备。

根据本发明第一方面，提供了一种基于区块链的信息处理方法，该方法包括：在区块链上构建第一模型信息区块，所述第一模型信息区块用于示出人工智能模型、所述人工智能模型的初始化信息、所述区块链的区块生成条件和拟在训练人工智能模型的区块链中使用的激励机制，所述激励机制包括人工智能模型的任务发起方给予参与方的初始奖励值以及所述初始奖励值在所述参与方之间的初始分配比例，所述参与方包括利用区块链进行人工智能模型训练的生成方和对所述生成方所训练的模型贡献参数的参与贡献方；检测并记录每一模型信息区块的生成时刻与相应的上一模型信息区块的生成时刻之间的第一时间间隔和当前时刻与最近一个模型信息区块生成时刻之间的第二时间间隔；在区块链上构建最新的区块时，根据所述第一时间间隔、所述第二时间间隔和所述初始奖励值，确定当前时刻生成模型信息区块的参与方所能够获得的奖励值。

根据本发明一实施方式，在区块链上构建最新的区块时，所述根据所述第一时间间隔、所述第二时间间隔和所述初始奖励值，确定当前时刻生成模型信息区块的参与方所能够获得的奖励值，包括：确定多个所述第一时间间隔的区块生成时间平均值；确定所述第二时间间隔与所述区块生成时间平均值的比值；根据所述比值和所述初始奖励值确定当前时刻生成模型信息区块的参与方能够获得的奖励值。

根据本发明一实施方式，所述方法还包括：判断生成模型信息区块的参与方是否包括参与贡献方；在判定生成模型信息区块的参与方包括参与贡献方时，获取所述参与贡献方的数量；根据所述参与贡献方的数量、所述奖励值和所述分配比例，确定所述各个参与贡献方能够获得的奖励值。

根据本发明一实施方式，所述方法还包括：检测并记录最近一个模型信息区块生成时刻至当前时刻之间，所有参与方所训练的人工智能模型验证失败的失败总次数；在所述失败总次数达到设定失败阈值时，根据所述失败总次数、所述设定失败阈值，调整所述分配比例。

根据本发明一实施方式，所述根据所述失败总次数、所述设定失败阈值，调整所述分配比例，包括：确定所述失败总次数与所述设定失败阈值的差值；根据所述差值与所述设定失败阈值的比值，增加所述生成方的奖励值分配比例。

根据本发明第二方面，还提供一种基于区块链的信息处理装置，所述装置包括：区块构建模块，用于在区块链上构建第一模型信息区块，所述第一模型信息区块用于示出人工智能模型、所述人工智能模型的初始化信息、所述区块链的区块生成条件和拟在训练人工智能模型的区块链中使用的激励机制，所述激励机制包括任务发起方给予参与方的初始奖励值以及所述奖励值在所述参与方之间的初始分配比例，所述参与方包括利用区块链进行人工智能模型训练的生成方和对所述生成方所训练的模型贡献参数的参与贡献方；记录模块，用于检测并记录每一模型信息区块的生成时刻与相应的上一模型信息区块的生成时刻之间的第一时间间隔和当前时刻与最近一个模型信息区块生成时刻之间的第二时间间隔；第一奖励调整模块，用于在区块链上构建最新的区块时，根据所述第一时间间隔、所述第二时间间隔和所述初始奖励值，确定当前时刻生成模型信息区块的参与方所能够获得的奖励值。

根据本发明一实施方式，所述第一奖励调整模块包括：时间均值确定子模块，用于确定多个所述第一时间间隔的区块生成时间平均值；奖励调整子模块，用于根据所述第二时间间隔与所述区块生成时间平均值的比值，调整当前时刻生成模型信息区块的参与方能够获得的奖励值。

根据本发明一实施方式，所述装置还包括：判断模块，用于判断生成模型信息区块的参与方是否包括参与贡献方；贡献方数量获取模块，用于在判定生成模型信息区块的参与方包括参与贡献方时，获取所述参与贡献方的数量；奖励确定模块，根据所述参与贡献方的数量、所述奖励值和所述分配比例，确定所述各个参与贡献方能够获得的奖励值。

根据本发明一实施方式，所述装置还包括：失败次数记录模块，用于检测并记录最近一个模型信息区块生成时刻至当前时刻之间，所有参与方所训练的人工智能模型验证失败的失败总次数；第二奖励调整模块，用于在所述失败总次数达到设定失败阈值时，根据所述失败总次数、所述设定失败阈值，调整所述分配比例。

根据本发明第三方面，又提供了一种设备，所述设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行上述基于区块链的信息处理方法。

根据本发明第四方面，又提供了一种计算机可读存储介质，所述存储介质包括一组计算机可执行指令，当所述指令被执行时用于执行上述任意所述基于区块链的信息处理方法。

本发明实施例基于区块链的信息处理方法、装置及设备，检测并记录每一模型信息区块的生成时刻与相应的上一模型信息区块的生成时刻之间的第一时间间隔和当前时刻与最近一个模型信息区块生成时刻之间的第二时间间隔；在区块链上构建最新的区块时，根据所述第一时间间隔、所述第二时间间隔和所述初始奖励值，确定当前时刻生成模型信息区块的参与方所能够获得的奖励值。由此，能够在长时间无法生成新区块时，动态调整给予模型参与方的奖励值，以激励参与方竞争生成新区块，有效突破训练瓶颈，从而有效缩短训练时间，加快模型收敛，提高训练效率。

需要理解的是，本发明的教导并不需要实现上面所述的全部有益效果，而是特定的技术方案可以实现特定的技术效果，并且本发明的其他实施方式还能够实现上面未提到的有益效果。

附图说明

通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：

在附图中，相同或对应的标号表示相同或对应的部分。

图1示出了本发明实施例基于区块链的信息处理方法的应用场景示意图；

图2示出了本发明实施例基于区块链的信息处理方法的实现流程示意图；

图3示出了本发明实施例基于区块链的信息处理方法的具体应用示例的实现流程示意图一；

图4示出了本发明实施例基于区块链的信息处理方法的具体应用示例的实现流程示意图二；

图5示出了本发明实施例基于区块链的信息处理装置的组成结构示意图；

图6示出了本发明实施例设备的组成结构示意图。

具体实施方式

下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为使本发明更加透彻和完整，并能够将本发明的范围完整地传达给本领域的技术人员。

下面结合附图和具体实施例对本发明的技术方案进一步详细阐述。

图1示出了本发明实施例基于区块链的信息处理方法的应用场景示意图。

如图1所示，在本发明实施例中，区块链的任务发起方发起新任务，定义模型结构M、初始参数W、单个区块基础奖励值R、奖励分配比例等信息，作为初始区块0存于区块链网络。各个参与方可以从区块链的尾端获取最新区块，基于最新区块存储的模型参数进行模型训练。在参与方对模拟进行训练的过程可以自由选择本地训练所用数据量以及物理设备资源量，经过本地模型训练和测试后，将模型参数广播至其他参与方进行模型验证和投票，投票通过则生成新区块。模型训练过程中还可以综合其他参与方所训练的模型参数，例如：在投票未通过时，综合其他参与者训练得到的模型参数再次进行模型训练。如此，对于最终生成的新区块b，除了模型生成方A所贡献的参数之外，还包括参与方B等多个参与贡献方所贡献的参数。并且区块b的奖励值R

需要说明的是，以上应用仅为申请实施例的应用场景之一，是示例性说明而非对本申请实施例应用场景的限定，本申请实施例还可应用于其他任何适用的应用场景。此外，基于区块链的人工智能模型训练过程中，可以在新的区块生成时，为模型生成方、为模型训练提供数据的参与贡献方以及对模型进行验证和投票的验证方发放奖励，还可以在区块的模型被引用时，为相应地模型生成方、参与贡献方和验证方发放奖励。本发明的方案设计目的在于激励参与方进行模型训练，突破模型训练的瓶颈，避免长时间没有新的区块生成，重点关注新区块生成时所发放的奖励值和奖励值的分配比例。对于其他阶段发放的奖励值，本发明对此不作限定。

图2示出了本发明实施例基于区块链的信息处理方法的实现流程示意图。

参考图2，本发明实施例基于区块链的信息处理方法，至少包括如下操作流程：操作201，在区块链上构建第一模型信息区块，第一模型信息区块用于示出人工智能模型、人工智能模型的初始化信息、区块链的区块生成条件和拟在训练人工智能模型的区块链中使用的激励机制，激励机制包括人工智能模型的任务发起方给予参与方的初始奖励值以及初始奖励值在参与方之间的初始分配比例，参与方包括利用区块链进行人工智能模型训练的生成方和对生成方所训练的模型贡献参数的参与贡献方；操作202，检测并记录每一模型信息区块的生成时刻与相应的上一模型信息区块的生成时刻之间的第一时间间隔和当前时刻与最近一个模型信息区块生成时刻之间的第二时间间隔；操作203，在区块链上构建最新的区块时，根据第一时间间隔、第二时间间隔和初始奖励值，确定当前时刻生成模型信息区块的参与方所能够获得的奖励值。

在操作201中，在区块链上构建第一模型信息区块，第一模型信息区块用于示出人工智能模型、人工智能模型的初始化信息、区块链的区块生成条件和拟在训练人工智能模型的区块链中使用的激励机制，激励机制包括人工智能模型的任务发起方给予参与方的初始奖励值以及初始奖励值在参与方之间的初始分配比例，参与方包括利用区块链进行人工智能模型训练的生成方和对生成方所训练的模型贡献参数的参与贡献方。

区块链奖励是为了激励人工智能模型训练任务的参与方使用自有数据对人工智能模型进行训练，并根据训练结果对人工智能模型进行改进，而给予参与方的奖励。

奖励值主要指一种用于计量虚拟资产的数值或虚拟币值，例如，大家熟知的比特币、以太币等。在区块链的具体实现中，这些奖励值可以作为一种资产映射为通证(Token)。

奖励值在区块生成方、为新区块中的模型的训练提供参数的参与贡献方之间的分配比例是指，在给定可分配的奖励值中有多少比例的奖励值可用来分配给区块生成方，有多少比例的奖励值可用来分配给为新区块中的模型的训练提供参数的参与贡献方。

举例说明，返回参考图1，任务发起方在区块链上构建区块0，用于示出人工智能模型、人工智能模型的初始化信息、区块链的区块生成条件和拟在训练人工智能模型的区块链中使用的激励机制。例如：需要基于区块链训练人工智能模型M，人工智能模型的初始参数为W，在参与者Pi所训练的模型通过其他参与方的验证后，在区块链上生成新的模型。生成新的区块时，向模型参与方发放的基础奖励值为R，其中，该区块的模型的生成方可以获得的奖励值比例为α，其他贡献参数的参与贡献方分别可以获得的奖励值为(1-α)R/N。

在操作202中，检测并记录每一模型信息区块的生成时刻与相应的上一模型信息区块的生成时刻之间的第一时间间隔和当前时刻与最近一个模型信息区块生成时刻之间的第二时间间隔。

基于区块链进行模型训练的过程中，模型的生成方训练模型需要时间，生成模型后需要经过本地测试以及区块链上的其他参与方的验证也需要时间，如果其他参与方验证未通过，则重新训练模型需要更多的时间。在区块链上的一个参与方利用其本地数据验证确认所接收的到的新模型优于当前区块链尾端的最优模型时，可以投赞成票，当区块链上的多个参与方对新模型投赞成票的比例达到设定通过阈值时，例如80％，可以确认信模型验证通过。在区块链上尾端的模型参与经过多轮次的模型训练和验证后，模型参数被多次优化，参与者所训练的新模型验证通过的概率降低，生成新的区块的概率也由此降低。若参与方所能够获得奖励值不变，则参与方进行新的模型训练的积极性降低。因此，本发明检测并记录每一模型信息区块的生成时刻与相应的上一模型信息区块的生成时刻之间的第一时间间隔和当前时刻与最近一个模型信息区块生成时刻之间的第二时间间隔，以确定是否长时间未生成新的区块，并据此调整参与方进行模型训练生成新区块后可以获得的奖励值。

在操作203中，在区块链上构建最新的区块时，根据第一时间间隔、第二时间间隔和初始奖励值，确定当前时刻生成模型信息区块的参与方所能够获得的奖励值。

在本发明一实施方式中，采用以下操作步骤实现确定当前时刻生成模型信息区块的参与方所能够获得的奖励值：确定多个第一时间间隔的区块生成时间平均值；确定第二时间间隔与区块生成时间平均值的比值；根据比值和初始奖励值确定当前时刻生成模型信息区块的参与方能够获得的奖励值。

举例说明，任务发起方给予参与方的初始奖励值为R，当前已经生成(b-1)个区块，在(b-1)个模型信息生成过程中，每一模型信息区块的生成时刻与相应的上一模型信息区块的生成时刻之间的第一时间间隔的区块生成时间平均值为T，当前时刻与最近一个模型信息区块生成时刻之间的第二时间间隔为T，则第二时间间隔与区块生成时间平均值的比值τ可以采用下式(1)计算得到：

针对区块b模型的参与方的奖励值R

R

在本发明一实施方式中，还判断生成模型信息区块的参与方是否包括参与贡献方，在判定生成模型信息区块的参与方包括参与贡献方时，获取参与贡献方的数量，并根据参与贡献方的数量、奖励值和分配比例，确定各个参与贡献方能够获得的奖励值。

举例说明，生成区块b的模型生成方A训练人工智能模型时，综合了包括参与方B在内的N个参与发方的参数，那么在生成区块b时，给予包括参与方B在内的N个参与贡献方中的每一个参与贡献方的奖励值可以采用如下式(3)得到：

(1-α)*R

在本发明一实施方式中，还检测并记录最近一个模型信息区块生成时刻至当前时刻之间，所有参与方所训练的人工智能模型验证失败的失败总次数；在失败总次数达到设定失败阈值时，根据失败总次数、设定失败阈值，调整分配比例。

举例说明，在区块(b-1)生成之后，区块链的所有参与方共进行了(n+1)次模型训练，其中前n次所训练的模型均未验证通过，则所有参与方所训练的人工智能模型验证失败的失败总次数为n。其中(n+1)次模型训练可以是(n+1)个参与方所执行的，也可以是包括某一些参与方的多次训练的模型未通过验证的情况。

失败阈值可以根据实际情况进行设定，例如：可以确定每一模型信息区块生成与相应的前一模型信息区块生成之间所有参与方所训练的人工智能模型验证失败的失败总次数的平均值，将该平均值乘以一个常数，例如2或3等，得到失败设定阈值。

在本发明一实施方式中，根据失败总次数、设定失败阈值，调整分配比例，包括：确定失败总次数与设定失败阈值的差值；根据差值与设定失败阈值的比值，增加生成方的奖励值分配比例。

举例说明，最近一个模型信息区块生成时刻至当前时刻之间，所有参与方所训练的人工智能模型验证失败的失败总次数为n，区块b在当前时刻生成，设定失败阈值为thr，初始分配比例为α，则区块b的奖励值分配比例可以利用下式(4)计算得到：

α

其中，α

β表示根据实际情况设定的常数系数，β的值越大，区块b的奖励值分配比例越高；

α表示基于区块链进行模型训练的任务发起方给予训练模型的生成方可以获得奖励值的初始分配比例。

如此，在多次进行模型训练，却不能通过验证的情况下，增加进行模型训练的生成方的奖励值分配比例，有效激励更多的参与者进行模型训练，有效提高模型训练效率，显著缩短模型收敛时间。

图3示出了本发明实施例基于区块链的信息处理方法具体应用示例的实现流程示意图一，图4示出了本发明实施例基于区块链的信息处理方法具体应用示例的实现流程示意图二。

参考图3和图4，本发明实施例基于区块链的信息处理方法具体应用示例，至少包括如下操作流程：

操作301，任务发起方确定模型定义、初始参数、单个区块基础奖励值R、奖励分配比例α等信息，创建初始区块-区块0。

操作302，根据区块生成间隔时间计算时间系数动态调整单个区块的奖励值。

操作303，记录上一区块生成后参与方生成的模型验证未通过的失败次数。

操作304，失败次数是否大于设定失败阈值。

操作305，动态调整分配比例。

操作302和操作305的具体实现过程与图2所示实施例中操作203的具体实现过程相类似，这里不再赘述。

本发明的具体实施例中新区块的生成至少包括以下操作步骤：

操作401，参与方拉取区块链上最新模型。

操作402，使用本地数据训练模型。

操作403，本地测试。

操作404，判断所训练的模型是否优于区块链上最新区块。在所训练的模型优于区块链上最新区块的模型参数时，执行操作405，否则，执行操作408。

操作405，将所训练的模型向其他参与方广播参数。

操作406，其他参与方投票通过。在其他参与方投票通过时，执行操作406，否则，执行操作408。

操作407，生成新区块获得新区块生成奖励参与贡献方同时获得相应奖励。

操作408，选取其他参与方所训练的模型参数进行综合。

其中，操作图3和图4中未进行具体描述的具体实现过程与图2所示实施例中操作201-203的具体实现过程相类似，这里不再赘述。

本发明实施例基于区块链的信息处理方法、装置及设备，检测并记录每一模型信息区块的生成时刻与相应的上一模型信息区块的生成时刻之间的第一时间间隔和当前时刻与最近一个模型信息区块生成时刻之间的第二时间间隔；在区块链上构建最新的区块时，根据第一时间间隔、第二时间间隔和初始奖励值，确定当前时刻生成模型信息区块的参与方所能够获得的奖励值。由此，能够在长时间无法生成新区块时，动态调整给予模型参与方的奖励值，以激励参与方竞争生成新区块，有效突破训练瓶颈，从而有效缩短训练时间，加快模型收敛，提高训练效率。

同理，基于上文基于区块链的信息处理方法，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存储有程序，当程序被处理器执行时，使得处理器至少执行如下的操作步骤：操作201，在区块链上构建第一模型信息区块，第一模型信息区块用于示出人工智能模型、人工智能模型的初始化信息、区块链的区块生成条件和拟在训练人工智能模型的区块链中使用的激励机制，激励机制包括人工智能模型的任务发起方给予参与方的初始奖励值以及初始奖励值在参与方之间的初始分配比例，参与方包括利用区块链进行人工智能模型训练的生成方和对生成方所训练的模型贡献参数的参与贡献方；操作202，检测并记录每一模型信息区块的生成时刻与相应的上一模型信息区块的生成时刻之间的第一时间间隔和当前时刻与最近一个模型信息区块生成时刻之间的第二时间间隔；操作203，在区块链上构建最新的区块时，根据第一时间间隔、第二时间间隔和初始奖励值，确定当前时刻生成模型信息区块的参与方所能够获得的奖励值。

进一步，基于如上文基于区块链的信息处理方法，本发明实施例还提供一种基于区块链的信息处理装置，如图5，该装置50包括：区块构建模块501，用于在区块链上构建第一模型信息区块，第一模型信息区块用于示出人工智能模型、人工智能模型的初始化信息、区块链的区块生成条件和拟在训练人工智能模型的区块链中使用的激励机制，激励机制包括任务发起方给予参与方的初始奖励值以及奖励值在参与方之间的初始分配比例，参与方包括利用区块链进行人工智能模型训练的生成方和对生成方所训练的模型贡献参数的参与贡献方；记录模块502，用于检测并记录每一模型信息区块的生成时刻与相应的上一模型信息区块的生成时刻之间的第一时间间隔和当前时刻与最近一个模型信息区块生成时刻之间的第二时间间隔；第一奖励调整模块503，用于在区块链上构建最新的区块时，根据第一时间间隔、第二时间间隔和初始奖励值，确定当前时刻生成模型信息区块的参与方所能够获得的奖励值。

在本发明一实施方式中，第一奖励调整模块503包括：时间均值确定子模块，用于确定多个第一时间间隔的区块生成时间平均值；奖励调整子模块，用于根据第二时间间隔与区块生成时间平均值的比值，调整当前时刻生成模型信息区块的参与方能够获得的奖励值。

在本发明一实施方式中，装置50还包括：判断模块，用于判断生成模型信息区块的参与方是否包括参与贡献方；贡献方数量获取模块，用于在判定生成模型信息区块的参与方包括参与贡献方时，获取参与贡献方的数量；奖励确定模块，根据参与贡献方的数量、奖励值和分配比例，确定各个参与贡献方能够获得的奖励值。

在本发明一实施方式中，装置50还包括：失败次数记录模块，用于检测并记录最近一个模型信息区块生成时刻至当前时刻之间，所有参与方所训练的人工智能模型验证失败的失败总次数；第二奖励调整模块，用于在失败总次数达到设定失败阈值时，根据失败总次数、设定失败阈值，调整分配比例。

更进一步，基于上述基于区块链的信息处理方法，本发明实施例又提供了一种设备，参考图6，该设备60包括至少一个处理器601、以及与处理器601连接的至少一个存储器602、总线603；其中，处理器601、存储器602通过总线603完成相互间的通信；处理器601用于调用存储器602中的程序指令，以执行上述基于区块链的信息处理方法。

这里需要指出的是：以上对针对基于区块链的信息处理装置和设备实施例的描述，与前述图1至4所示的方法实施例的描述是类似的，具有同前述图1至4所示的方法实施例相似的有益效果，因此不做赘述。对于本发明基于区块链的信息处理装置和设备实施例中未披露的技术细节，请参照本发明前述图1至4所示的方法实施例的描述而理解，为节约篇幅，因此不再赘述。

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。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(Read Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也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，本发明实施例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)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。

以上，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。