人机验证方法、装置、电子设备及存储介质与流程

1.本发明涉及互联网技术领域，尤其涉及一种人机验证方法、装置、电子设备及存储介质。


背景技术：

2.人机验证是一种用于区分用户是计算机还是真人的程序。网站使用人机验证，可以让用户免除复杂的识别和输入验证码过程，极大提升用户体验，同时人机验证在保障用户极致体验的前提下，仍然可以有效拦截机器风险，为网站和用户提供安全可靠的使用环境。
3.现有技术中，可以采用滑动验证码来进行人机验证，主要是判断验证码滑块是否滑动到指定位置，如果滑块滑动到指定位置则确定验证通过。
4.但是，仅通过判断验证码滑块是否滑动到指定位置，无法识别是否是机器爬虫行为，而且对于黑产使用重放攻击手段将已通过的轨迹进行反复使用的情况也无法识别，因此，现有技术的验证方式准确性较低。


技术实现要素：

5.本发明实施例提供一种人机验证方法、装置、电子设备及存储介质，以提高人机验证的准确性。
6.第一方面，本发明实施例提供了一种人机验证方法，包括：
7.获取验证码验证操作过程中的验证行为数据；
8.若所述验证行为数据不满足预设的行为规则策略，则提取所述验证行为数据对应的生物特征；
9.通过生物识别模型对所述生物特征进行处理，得到识别结果；
10.若所述识别结果为识别通过，则将所述验证行为数据与历史验证行为数据进行聚类；
11.根据聚类结果，判断所述验证行为数据是否异常，并将判定结果确定为验证结果。
12.第二方面，本发明实施例提供了一种人机验证装置，包括：
13.行为数据获取模块，用于获取验证码验证操作过程中的验证行为数据；
14.生物特征提取模块，用于若所述验证行为数据不满足预设的行为规则策略，则提取所述验证行为数据对应的生物特征；
15.生物识别模块，用于通过生物识别模型对所述生物特征进行处理，得到识别结果；
16.聚类模块，用于若所述识别结果为识别通过，则将所述验证行为数据与历史验证行为数据进行聚类；
17.验证结果确定模块，用于根据聚类结果，判断所述验证行为数据是否异常，并将判定结果确定为验证结果。
18.第三方面，本发明实施例提供了一种电子设备，包括：处理器、存储器及存储在所
述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如第一方面所述的人机验证方法的步骤。
19.第四方面，本发明实施例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上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的人机验证方法的步骤。
20.本发明实施例提供的人机验证方法、装置、电子设备及存储介质，通过获取验证码验证操作过程中的验证行为数据，若验证行为数据不满足预设的行为规则策略，则提取验证行为数据对应的生物特征，通过生物识别模型对生物特征进行处理，得到识别结果，若识别结果为识别通过，则将验证行为数据与历史验证行为数据进行聚类，根据聚类结果，确定验证行为数据的验证结果，由于结合了行为规则策略、生物识别模型和聚类的方式，并依次对验证行为数据进行判断，通过生物识别模型可以有效识别机器爬虫行为，而且通过聚类可以解决黑产的重放攻击问题，从而可以提高人机验证的准确性。
附图说明
21.图1是本发明实施例提供的一种人机验证方法的流程图；
22.图2是本发明实施例提供的另一种人机验证方法的流程图；
23.图3是本发明实施例提供的一种人机验证装置的结构示意图。
具体实施方式
24.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作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。
25.图1是本发明实施例提供的一种人机验证方法的流程图，该人机验证方法可以由服务器等电子设备执行，如图1所示，该人机验证方法包括：
26.步骤101，获取验证码验证操作过程中的验证行为数据。
27.在接收到客户端发送的验证码展示请求时，获取对应的验证码并发送至客户端，客户端展示验证码，用户可以基于客户端展示的验证码进行验证操作，客户端将验证操作过程中的验证行为数据发送至服务器，服务器可以获取到验证码验证操作过程中的验证行为数据。其中，验证码可以是滑动验证码、手势验证码等验证时具有滑动轨迹的验证码，所述验证行为数据包括滑动轨迹信息。
28.步骤102，若所述验证行为数据不满足预设的行为规则策略，则提取所述验证行为数据对应的生物特征。
29.首先判断验证行为数据是否满足预设的行为规则策略，即将验证行为数据与行为规则策略中的每一个行为规则进行匹配，如果命中其中一个行为规则，则确定验证行为数据满足预设的行为规则策略，确定验证操作为机器操作，向客户端返回异常信息，不再执行后续步骤；如果所有行为规则均没有命中，则确定验证行为数据不满足预设的行为规则，这时提取验证行为数据对应的生物特征，执行后续步骤。所述生物特征是基于验证行为数据中的滑动轨迹信息进行提取得到，可以包括滑动速度、滑动时间等特征。
30.在本发明的一个实施例中，所述验证行为数据包括滑动轨迹信息，还包括：客户端ip地址信息、客户端软件信息和客户端硬件设备信息中的至少一种；
31.所述预设的行为规则策略包括：所述客户端ip地址信息存在异常访问行为、所述验证行为数据不完整、所述客户端软件信息中存在异常标识和所述客户端硬件设备信息存在异常数据中的至少一种。
32.其中，所述滑动轨迹信息是验证码验证操作过程中的滑动轨迹信息，可以是鼠标滑动轨迹信息或者触控滑动轨迹信息等。客户端软件信息可以包括客户端浏览器信息、客户端系统信息等。客户端硬件设备信息可以包括cpu型号、显卡型号等。
33.在判断客户端ip地址信息是否存在异常访问行为时，可以判断客户端ip地址信息是否在黑名单中存在，如果不存在，可以继续判断预设时间内(如一分钟内)调取验证码的次数是否超过次数阈值，如果黑名单中存在该客户端ip地址信息或者预设时间内调取验证码的次数超过次数阈值，则确定验证行为数据命中该条行为规则策略，即验证行为数据满足行为规则策略。在判断验证行为数据是否完整时，主要是判断验证行为数据所包括的数据内容是否完整，如是否包括滑动轨迹信息，是否包括客户端ip地址信息、客户端软件信息和客户端硬件设备信息中需要包括的信息，如果有一条应该包括的信息在验证行为数据中没有包括，则确定命中该条行为规则策略，即验证行为数据满足行为规则策略。在判断客户端软件信息中是否存在异常标识时，可以直接从客户端软件信息中检测出是否存在异常标识，如爬虫标识会包含在浏览器信息中，如果客户端软件信息中存在异常标识，则确定命中该条行为规则策略，即验证行为数据满足行为规则策略。在判断客户端硬件设备信息是否存在异常数据时，主要是判断客户端硬件设备信息的格式是否为标准格式，即将客户端硬件设备信息与标准格式的设备信息进行匹配，如果两者不匹配则确定客户端硬件设备信息存在异常数据，确定命中该条行为规则策略，即验证行为数据满足行为规则策略，如果两者匹配则确定客户端硬件设备信息不存在异常数据。
34.在本发明的一个实施例中，所述提取所述验证行为数据对应的生物特征，包括：
35.提取所述验证行为数据中的时间特征、速度特征、统计特征和几何特征中的至少一种；其中，所述时间特征包括全程验证时间和关键节点消耗时间；所述速度特征包括全程滑动速度和相邻轨迹点之间的滑动速度；所述统计特征包括所述关键节点消耗时间的平均值、最大值、最小值和偏度中的至少一种，还包括所述相邻轨迹点之间滑动速度的平均值、最大值、最小值、偏度、标准差以及相邻轨迹点之间距离的方差中的至少一种；所述几何特征包括所述相邻轨迹点构成的几何图形数量以及轨迹点与起始点和终点构成的几何图形数量；
36.将所述时间特征、速度特征、统计特征和几何特征中的至少一种确定为所述生物特征。
37.其中，所述全程验证时间为验证码验证过程中整个滑动轨迹所消耗的时间，关键节点消耗时间是到达滑动轨迹的关键节点(如滑动轨迹的1/4、1/2等节点)处所消耗的时间。相邻轨迹点之间的滑动速度可以基于分别到达相邻轨迹点的时间和所述相邻轨迹点之间的距离来确定。
38.在提取验证行为数据中的生物特征时，主要是对验证行为数据中的滑动轨迹信息来提取生物特征，提取到的时间特征、速度特征、统计特征和几何特征可以等生物特征可以
明确的区分是否为真人操作，从而可以判定该滑动轨迹是否具有真人操作所具有的特征，如滑动过程中真人习惯性的停顿、弯曲等特征，从而可以判定该滑动轨迹是机器操作还是真人操作。
39.通过提取验证行为数据中的时间特征、速度特征、统计特征和几何特征中的至少一种，并将提取到的特征确定为生物特征，这些特征可以准确的区分出机器操作和真人操作，从而提高人机验证的准确性。
40.步骤103，通过生物识别模型对所述生物特征进行处理，得到识别结果。
41.其中，所述生物识别模型为监督模型，是二分类模型，通过基于机器操作的行为数据样本和真人操作的行为数据样本训练而成。
42.将提取到的生物特征输入生物识别模型，通过生物识别模型对生物特征进行处理，得到识别结果。所述识别结果包括识别通过或识别不通过，识别通过则表明识别为真人操作，识别不通过则表明识别为机器操作。
43.如果生物识别模型得到的识别结果为识别不通过，则表明验证行为数据为机器操作的行为数据，可向客户端返回异常信息，不再执行后续步骤；如果生物识别模型得到的识别结果为识别通过，则表明生物识别模型判断验证行为数据为真人操作的行为数据，为进一步提高人机验证的准确性，可执行后续步骤进一步进行判断。
44.步骤104，若所述识别结果为识别通过，则将所述验证行为数据与历史验证行为数据进行聚类。
45.若通过生物识别模型得到的识别结果为识别通过，为提高验证的准确性，这时通过聚类的方式进行进一步判断，即将验证行为数据与距离当前时间一段时间内(如一个月内)的历史验证行为数据进行聚类。因为机器操作具有一定的规律性，通过聚类大部分机器操作的数据会处于一定范围内，这样可以检测出验证行为数据是否为机器操作，对于重放攻击可以较为准确地检测出。
46.步骤105，根据聚类结果，判断所述验证行为数据是否异常，并将判定结果确定为验证结果。
47.根据聚类结果可以确定所述验证行为数据所属的聚类簇，并确定在该聚类簇内所述验证行为数据和历史验证行为数据的数量，如果该数量超过一定的阈值，则确定验证行为数据为异常数据，从而确定验证结果为机器操作，如果数量未超过阈值，则确定验证行为数据为正常数据，从而确定验证结果为真人操作。
48.本实施例提供的人机验证方法，通过获取验证码验证操作过程中的验证行为数据，若验证行为数据不满足预设的行为规则策略，则提取验证行为数据对应的生物特征，通过生物识别模型对生物特征进行处理，得到识别结果，若识别结果为识别通过，则将验证行为数据与历史验证行为数据进行聚类，根据聚类结果，判断验证行为数据是否异常，并将判定结果确定为验证结果，由于结合了行为规则策略、生物识别模型和聚类的方式，并依次对验证行为数据进行判断，通过生物识别模型可以有效识别机器爬虫行为，而且通过聚类可以解决黑产的重放攻击问题，从而可以提高人机验证的准确性。
49.图2是本发明实施例提供的另一种人机验证方法的流程图，该人机验证方法可以由服务器等电子设备执行，如图2所示，该人机验证方法包括：
50.步骤201，获取验证码验证操作过程中的验证行为数据。
51.步骤202，获取所述验证码的验证码种类，并获取与所述验证码种类对应的行为规则策略、生物识别模型和聚类参数，所述聚类参数包括聚类半径、异常点数和聚类簇中心，所述聚类簇中心是对所述历史验证行为数据进行聚类得到的，所述聚类半径和异常点数是对已知验证结果的样本数据进行聚类得到的，用于作为判断所述验证行为数据是否为异常数据的依据。
52.对于不同验证码种类的验证码，可以预先设置与验证码种类对应的预设行为规则策略、生物识别模型和聚类参数。在获取验证码验证操作过程中的验证行为数据时，获取验证码的验证码种类，并根据验证码种类获取与所述验证码种类对应的行为规则策略、生物识别模型和聚类参数，从而使用获取到的行为规则策略、生物识别模型和聚类参数来对验证行为数据进行人机验证。
53.其中，所述聚类半径是聚类判断时的半径阈值，异常点数是聚类判断时的异常数据的阈值。预先对距离当前时间一段时间内的历史验证行为数据进行轨迹聚类，得到聚类簇中心，可以使用dbscan(density-based spatial clustering of applications with noise，具有噪声的基于密度的聚类方法)算法进行轨迹聚类，将相似的轨迹聚集在一起，并对异常聚集情况进行判断，这样在黑产用户使用存储的已通过的验证行为数据来再次进行验证时，可以将该验证行为数据和历史上验证通过的相同或相似的历史验证行为数据聚集在一起，从而可以解决黑产用户使用存储的已通过信息来实行重放攻击的问题，可以保证系统不会被重放攻击破坏。
54.步骤203，若所述验证行为数据不满足预设的行为规则策略，则提取所述验证行为数据对应的生物特征。
55.判断验证行为数据是否满足与验证码种类对应的行为规则策略，如果不满足，则提取验证行为数据对应的生物特征。
56.步骤204，通过生物识别模型对所述生物特征进行处理，得到识别结果。
57.通过与验证码种类对应的生物识别模型对生物特征进行处理，得到识别结果。与验证码种类对应的生物识别模型通过与验证码种类对应的验证行为数据样本训练而成，验证行为数据样本包括真人操作的验证行为数据样本和机器操作的验证行为数据样本。
58.步骤205，若所述识别结果为识别通过，则将所述验证行为数据与历史验证行为数据进行聚类。
59.步骤206，根据聚类结果，判断所述验证行为数据是否异常，并将判定结果确定为验证结果。
60.在本发明的一个实施例中，所述将所述验证行为数据与历史验证行为数据进行聚类，包括：确定所述验证行为数据与所述聚类簇中心的距离；
61.所述根据聚类结果，判断所述验证行为数据是否异常，包括：若所述距离小于或等于所述聚类半径，则确定在所述聚类簇中心和所述聚类半径范围内的点数量，所述点数量是所述验证行为数据的数量与在所述聚类簇中心和所述聚类半径范围内的历史验证行为数据的数量之和；若所述点数量大于所述异常点数，则确定验证行为数据为异常数据；若所述点数量小于或等于所述异常点数，则确定所述验证行为数据为正常数据。
62.计算验证行为数据与聚类簇中心的距离，判断该距离是否小于或等于聚类半径，如果该距离大于聚类半径，确定验证行为数据处于异常数据的范围之外，确定验证行为数
据为正常数据，即确定验证行为数据为真人操作的行为数据；如果验证行为数据与聚类簇中心的距离小于或等于聚类半径，则确定验证行为数据处于异常数据的范围之内，这时可以进一步确定该验证行为数据的数量与在聚类簇中心和聚类半径范围内的历史验证行为数据的数量之和，得到在聚类簇中心和聚类半径范围内的点数量，判断该点数量是否大于异常点数，如果点数量小于或等于异常点数，则确定该验证行为数据为正常数据，可以放行，如果点数量大于异常点数，则确定验证行为数据为异常数据，这时可以向客户端返回异常信息。
63.通过将验证行为数据与历史验证行为数据进行聚类，并基于聚类半径和异常点数来判断验证行为数据是否处于异常数据范围之内，从而确定验证行为数据是否为异常数据，这样在黑产用户使用存储的已通过的验证行为数据来再次进行验证时，可以将该验证行为数据和历史上验证通过的相同或相似的历史验证行为数据聚集在一起，从而对于黑产的重放攻击可以进行有效地检测，提高人机验证的准确性。
64.本实施例提供的人机验证方法，通过在获取到验证码验证操作过程中的验证行为数据时，获取验证码的验证码种类，并获取与验证码种类对应的行为规则策略、生物识别模型和聚类参数，基于与验证码种类对应的行为规则策略、生物识别模型和聚类参数来对验证行为数据进行人机验证，可以基于验证码种类进行相应的判断，实现了对不同验证码种类验证码的人机验证。
65.在上述技术方案的基础上，在所述获取与所述验证码种类对应的行为规则策略、生物识别模型和聚类参数之前，还包括：对包括正常数据样本和异常数据样本的样本数据进行聚类，确定聚类半径，并将位于所述聚类半径范围内的异常数据样本的数量确定为所述异常点数。
66.其中，所述样本数据是已知验证结果的数据，所述正常数据样本为真人操作的行为数据，所述异常数据样本为机器操作的验证行为数据。
67.由于正常数据样本是不同用户的行为数据，所以正常数据样本会比较分散，而异常数据样本有可能是基于存储的已通过的验证行为数据进行重复攻击的数据、或者机器直接操作的数据，这类数据具有一定的规律性，会比较聚集，因此，通过对数据样本进行聚类，可以确定大部分异常数据样本所处的聚类簇且该聚类簇内异常数据样本的比例大于一定比例，并基于该聚类簇确定异常数据样本的聚类半径，将该聚类簇内在聚类半径范围内的异常数据样本的数量确定为异常点数。这样确定的聚类半径和异常点数作为聚类的先验知识，用于判断验证行为数据是否为异常数据，可以提高聚类判断的准确性，进一步提高人机验证的准确性。
68.图3是本发明实施例提供的一种人机验证装置的结构示意图，如图3所示，该人机验证装置包括：
69.行为数据获取模块301，用于获取验证码验证操作过程中的验证行为数据；
70.生物特征提取模块302，用于若所述验证行为数据不满足预设的行为规则策略，则提取所述验证行为数据对应的生物特征；
71.生物识别模块303，用于通过生物识别模型对所述生物特征进行处理，得到识别结果；
72.聚类模块304，用于若所述识别结果为识别通过，则将所述验证行为数据与历史验
证行为数据进行聚类；
73.验证结果确定模块305，用于根据聚类结果，判断所述验证行为数据是否异常，并将判定结果确定为验证结果。
74.可选的，所述装置还包括：
75.验证模型获取模块，用于获取所述验证码的验证码种类，并获取与所述验证码种类对应的行为规则策略、生物识别模型和聚类参数，所述聚类参数包括聚类半径、异常点数和聚类簇中心，所述聚类簇中心是对所述历史验证行为数据进行聚类得到的，所述聚类半径和异常点数是对已知验证结果的样本数据进行聚类得到的，用于作为判断所述验证行为数据是否为异常数据的依据。
76.可选的，所述聚类模块包括：
77.距离确定单元，用于确定所述验证行为数据与所述聚类簇中心的距离
78.所述验证结果确定模块具体用于：
79.若所述距离小于或等于所述聚类半径，则确定在所述聚类簇中心和所述聚类半径范围内的点数量，所述点数量是所述验证行为数据的数量与在所述聚类簇中心和所述聚类半径范围内的历史验证行为数据的数量之和；
80.若所述点数量大于所述异常点数，则确定验证行为数据为异常数据；若所述点数量小于或等于所述异常点数，则确定所述验证行为数据为正常数据。
81.可选的，所述装置还包括：
82.聚类参数确定模块，用于对包括正常数据样本和异常数据样本的样本数据进行聚类，确定聚类半径，并将位于所述聚类半径范围内的异常数据样本的数量确定为所述异常点数。
83.可选的，所述验证行为数据包括滑动轨迹信息，还包括：客户端ip地址信息、客户端软件信息和客户端硬件设备信息中的至少一种；
84.所述预设的行为规则策略包括：所述客户端ip地址信息存在异常访问行为、所述验证行为数据不完整、所述客户端软件信息中存在异常标识和所述客户端硬件设备信息存在异常数据中的至少一种。
85.可选的，所述生物特征提取模块具体用于：
86.提取所述验证行为数据中的时间特征、速度特征、统计特征和几何特征中的至少一种；其中，所述时间特征包括全程验证时间和关键节点消耗时间；所述速度特征包括全程滑动速度和相邻轨迹点之间的滑动速度；所述统计特征包括所述关键节点消耗时间的平均值、最大值、最小值和偏度中的至少一种，还包括所述相邻轨迹点之间滑动速度的平均值、最大值、最小值、偏度、标准差以及相邻轨迹点之间距离的方差中的至少一种；所述几何特征包括所述相邻轨迹点构成的几何图形数量以及轨迹点与起始点和终点构成的几何图形数量；
87.将所述时间特征、速度特征、统计特征和几何特征中的至少一种确定为所述生物特征。
88.本实施例提供的人机验证装置，通过获取验证码验证操作过程中的验证行为数据，若验证行为数据不满足预设的行为规则策略，则提取验证行为数据对应的生物特征，通过生物识别模型对生物特征进行处理，得到识别结果，若识别结果为识别通过，则将验证行
为数据与历史验证行为数据进行聚类，根据聚类结果，判断验证行为数据是否异常，并将判定结果确定为验证结果，由于结合了行为规则策略、生物识别模型和聚类的方式，并依次对验证行为数据进行判断，通过生物识别模型可以有效识别机器爬虫行为，而且通过聚类可以解决黑产的重放攻击问题，从而可以提高人机验证的准确性。
89.优选的，本发明实施例还提供了一种电子设备，包括：处理器，存储器，存储在存储器上并可在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人机验证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。
90.本发明实施例还提供了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，计算机程序被处理器执行时实现上述人机验证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。
91.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。
92.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。
93.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。
94.本领域普通技术人员可以意识到，结合本发明实施例中所公开的实施例描述的各示例的单元及算法步骤，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发明的范围。
95.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
96.在本技术所提供的实施例中，应该理解到，所揭露的装置和方法，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。
97.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。
98.另外，在本发明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。
99.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)执行本发明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、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
100.以上所述，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。