风险账户的识别方法和装置与流程

本说明书涉及数据处理技术领域，尤其涉及一种风险账户的识别方法和装置。

背景技术

随着通信技术的发展，人们越来越习惯于利用互联网处理各种工作和生活事项，处理这些事项一般由用户在运行相应业务的网络服务提供商的系统中注册账户，然后将账户作为其身份的代表，来执行相关的业务逻辑。

互联网本身具有的匿名、快速、便捷等特点，在极大的便利人们生活的同时，也为各种非法行为的实施提供了有利条件。各种不法人员和黑产团伙，将注册的账户用于套取营销资源、进行虚假炒作信用、刷单等灰色行为，甚至进行欺诈、洗钱等犯罪行为，对合法用户的利益造成了损害。如何准确的识别这些风险账户，已经成为越来越多网络服务提供商关注的问题。

技术实现要素：

有鉴于此，本说明书提供一种风险账户的识别方法，包括：

获取满足预定统计条件的账户行为记录，每条记录包括发生行为的账户和发生所述行为时使用的若干个介质；

以n种介质类型作为一个算子类型，生成至少一个算子类型的若干个连通子集；所述连通子集包括至少一个成员账户和至少一个成员算子，一个连通子集中包括在所述账户行为记录中使用过至少一个成员算子的所有账户、以及被至少一个成员账户使用过的所有属于所述算子类型的算子；所述属于某个算子类型的算子包括对应于构成所属算子类型的n种介质类型的n个介质；n为自然数；

通过聚类将每个连通子集划分为对应于所述算子类型的若干个群组；

基于某个账户所属的对应于至少一个算子类型的群组，判断所述账户的风险程度。

本说明书还提供了一种风险账户的识别装置，包括：

记录获取单元，用于获取满足预定统计条件的账户行为记录，每条记录包括发生行为的账户和发生所述行为时使用的若干个介质；

连通子集单元，用于以n种介质类型作为一个算子类型，生成至少一个算子类型的若干个连通子集；所述连通子集包括至少一个成员账户和至少一个成员算子，一个连通子集中包括在所述账户行为记录中使用过至少一个成员算子的所有账户、以及被至少一个成员账户使用过的所有属于所述算子类型的算子；所述属于某个算子类型的算子包括对应于构成所属算子类型的n种介质类型的n个介质；n为自然数；

群组聚类单元，用于通过聚类将每个连通子集划分为对应于所述算子类型的若干个群组；

风险判断单元，用于基于某个账户所属的对应于至少一个算子类型的群组，判断所述账户的风险程度。

本说明书提供的一种计算机设备，包括：存储器和处理器；所述存储器上存储有可由处理器运行的计算机程序；所述处理器运行所述计算机程序时，执行上述风险账户的识别方法所述的步骤。

本说明书还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时，执行上述风险账户的识别方法所述的步骤。

由以上技术方案可见，本说明书的实施例中，以介质类型或介质类型的组合作为算子类型，按照账户行为记录所使用的介质生成对应于算子类型的若干个连通子集，对连通子集进行聚类得到账户所属的群组，根据对应于至少一个算子类型的账户所属群组来进行风险账户的判定，极大的降低了因介质被冒用导致的合法账户被判定黑产团伙成员的可能性，提高了识别的准确程度。

附图说明

图1是本说明书实施例中一种风险账户的识别方法的流程图；

图2是本说明书应用示例中一种总介质二部图的示例图；

图3是本说明书应用示例中一种算子类型opa的账户与算子二部图的示例图；

图4是本说明书应用示例中一种算子类型opb的账户与算子二部图的示例图；

图5是本说明书应用示例中一种算子类型opc的账户与算子二部图的示例图；

图6是运行本说明书实施例的设备的一种硬件结构图；

图7是本说明书实施例中一种风险账户的识别装置的逻辑结构图。

具体实施方式

本说明书的实施例提出一种新的风险账户的识别方法，以用户进行业务行为时使用的介质类型或介质类型的组合作为一个算子类型，按照算子类型将符合预定统计条件的账户行为记录中使用过同一个该类型算子的账户、或被同一个账户使用过的该类型算子划分到一个连通子集中，生成对应于算子类型的若干个连通子集，对各个连通子集聚类得到账户所属的群组，基于账户所属群组来进行风险账户的判定，对连通子集的聚类能够大大减少账户被错误关联到黑产群组中的概率，从而降低合法账户因介质被冒用而被判定为风险账户的可能性，使得风险账户的识别更为准确。

本说明书的实施例可以运行在任何具有计算和存储能力的设备上，如手机、平板电脑、pc(personalcomputer，个人电脑)、笔记本、服务器等设备；还可以由运行在两个或两个以上设备的逻辑节点来实现本说明书实施例中的各项功能。

本说明书的实施例中，风险账户的识别方法的流程如图1所示。

步骤110，获取满足预定统计条件的账户行为记录，每条记录包括发生行为的账户和发生该行为时使用的若干个介质。

本说明书的实施例中，网络服务提供商的系统以用户采用账户进行的网络行为作为进行风险账户的识别的数据基础。当用户采用账户进行某个行为时，在与服务提供商的系统进行交互时，不可避免的会使用到各种不同类型的资源(在本说明书中称为介质)，例如，进行账户行为时所使用设备的设备标识(即设备的唯一标识，如安卓设备的device-id、苹果设备的唯一设备识别符等)、设备imei(internationalmobileequipmentidentity，国际移动设备身份码)、设备的mac(mediaaccesscontrol，媒体访问控制)地址、ip地址、设备接入网络的wifi(无线保真)标识、移动终端号码等；再如，在一些特定的业务过程中还可能使用到用户的身份证号、银行卡号等。这些类型的介质中有些对正常用户而言很少有变动、可以在一定程度上代表用户的身份，有些能够反映用户进行账户行为时的常用环境，对识别风险账户具有重要的参考价值。

用户采用账户进行的行为(称为账户行为)包括注册账户的行为、登录账户的行为、以及登录后以登录账户为基础进行的各种与服务提供商的业务相关的行为(如浏览、发表、购物、转账等等)。在这些账户行为的交互过程中，服务提供商的服务端可以采集到发生该行为时所使用的各种类型的介质。服务端可以生成这些账户行为的记录，在每条记录中包括发生某个行为的账户和发生该行为时使用的一个到多个不同类型的介质。本说明书中，一个介质指的是该介质所属的介质类型的一个具体值，例如，手机号码13912345678是一个介质，13987654321是另一个介质，这两个介质所属的介质类型均是移动终端号码。

需要说明的是，不同的账户行为中，可能使用到不同的介质类型。例如，在通过网线接入网络的条件下进行的账户行为的记录中将不会有wifi标识这一介质类型。

在网络服务提供商的系统运行的过程中，账户行为在持续不断的产生。可以采用预定统计条件，选择部分账户行为用来对风险账户进行识别。可以根据实际应用场景中服务提供商的业务特点、识别的准确程度和时效要求等因素，来确定预定统计条件。例如，可以将在一个月内某项或某几项具体业务(如转账)的所有账户行为作为满足预定统计条件的账户行为。

运行本说明书实施例的设备可以从服务提供商的系统日志中提取满足预定统计条件的账户行为记录，可以从记录账户行为的若干个数据库中读取满足预定统计条件的账户行为记录，可以读取由其他子系统生成记载满足预定统计条件的账户行为记录的数据表，还可以采用其他方式，不做限定。

步骤120，以n(n为自然数)种介质类型作为一个算子类型，生成至少一个算子类型的若干个连通子集。一个连通子集包括至少一个成员账户和至少一个成员算子，一个连通子集中包括在账户行为记录中使用过至少一个成员算子的所有账户、以及被至少一个成员账户使用过的所有属于该算子类型的算子。

本说明书的实施例中，由某种介质类型、或某几种介质类型的组合构成一种算子类型，例如，可以将移动终端号码作为一种算子类型(设为op1)、将身份证号作为一种算子类型(设为op2)、将移动终端号码和身份证号的组合作为一种算子类型(设为op3)。每个算子属于一种算子类型，假设该算子类型由n个介质类型构成，则该算子由分别属于这n种介质类型的n个介质构成，即：该算子包括对应于构成所属算子类型的n种介质类型的n个介质，举例说明，13912345678是属于op1算子类型的一个算子，110101200001011234是属于op2算子类型的一个算子，13912345678和110101200001011234是属于op3算子类型的一个算子。

对于某一种算子类型，可以以符合预定统计条件的账户行为记录中该类型算子(即属于该算子类型的算子)、和在记录中使用过该类型算子的账户为元素，生成该种算子类型的集合。对某种算子类型的集合，如果集合中某一个账户在账户行为记录中使用过某一个该类型算子，则将该账户和该类型算子划入一个连通子集中。这样，该种算子类型的集合可以被划分为一个到多个连通子集，每个连通子集包括至少一个账户(称为连通子集的成员账户)和至少一个该类型算子(称为连通子集的成员算子)，一个连通子集的成员账户包括所有在账户行为记录中使用过该连通子集中至少一个成员算子的所有账户，一个连通子集的成员算子包括所有在账户行为记录中被该连通子集的至少一个成员账户使用过的所有该类型算子。换言之，任一个连通子集的每个成员账户都在账户行为记录中使用过至少一个成员算子，而每个成员算子都在账户行为记录中被至少一个成员账户使用过。

这样，每个连通子集中的成员账户和成员算子都可以直接或间接的通过账户行为记录关联起来。两个使用过同一个该类型算子的账户会成为同一个连通子集的成员账户，被同一个账户使用过的两个该类型算子也会成为同一个连通子集的成员算子。

本说明书的实施例对以账户行为记录为基础，生成某种算子类型的连通子集时所采取的具体方式不做限定，以下举例说明。

在一种实现方式中，针对某种算子类型，以账户行为记录中的使用过该类型算子的所有账户为一侧节点，以账户行为记录中该类型的所有算子为另一侧节点，以在至少一条账户行为记录中包括某个账户和某个该类型算子为边，构建账户与算子的二部图；对账户与算子的二部图采用连通算法得到若干个最大连通子图，以每个最大连通子图中的节点作为该算子类型的一个连通子集中的成员。账户与算子的二部图中的所有节点构成了该算子类型的集合，而采用连通算法得到最大连通子图的过程，即是将该算子类型的集合中使用过相同算子的不同账户、和被相同账户使用过的不同算子划入一个连通子集的过程。

上述实现方式中，可以在生成账户与算子的二部图时根据账户行为记录，生成每个节点、每条边、或每个节点和每条边的权重，并且由最大连通子图的节点和/或边来继承，或者根据账户与算子的二部图的权重来生成最大连通子图中节点和/或边的权重。权重的具体生成方式可以根据实际应用场景的需求来设定，不做限定。例如，可以根据账户行为记录中某个账户与某个算子出现在同一条记录中的次数，来设置该账户与该算子之间边的权重。

可以根据实际应用场景中网络服务提供商的业务特点、进行账户行为时服务端可以采集到的介质类型等因素，选择将哪些介质类型或介质类型的组合来作为算子类型、以及算子类型的数量，本说明书的实施例不做限定。例如，对手机app(应用程序)，可以将设备imei、移动终端号码这两种介质类型分别作为一种算子类型，将设备mac地址和wifi标识的组合作为一种算子类型；再如，对网络金融服务系统，可以将身份证号、银行卡号这两种介质类型分别作为一种算子类型；另外，对希望能够从多个信息角度来进行风险识别的应用场景中，可以采用两种或两种以上的算子类型，针对每种算子类型分别生成各自的若干个连通子集。

步骤130，通过聚类将每个连通子集划分为对应于某种算子类型的若干个群组。

对某种算子类型的每个连通子集应用聚类算法，将每个连通子集划分为对应于该算子类型的一个到多个群组。可以根据实际应用场景的需要来选择要使用的聚类算法；在应用聚类算法时，可以只对连通子集中的成员账户来进行聚类，也可以对连通子集中的成员账户和成员算子来进行聚类；本说明书的实施例对上述两点均不做限定。在聚类完成后，每个群组可能由若干个成员账户组成，也可能由若干个成员算子组成，也可能由若干个成员账户和若干个成员算子组成。

在上述采用账户与算子的二部图来生成连通子集的实现方式中，可以对每个连通子集的最大连通子图(即用来得出连通子集的最大连通子图)采用社区发现算法进行聚类，得出对应于某种算子类型的若干个群组。如果二部图和最大连通子图中的节点、边、或节点和边带有根据账户行为记录生成的权重，则社区发现算法会按照节点、边、或节点和边的权重，将最大连通子图划分为一个到多个群组。各种社区发现算法都可以用来进行最大连通子图的群组划分，例如，可以采用利用louvain算法来进行群组划分。此外，各种社区发现算法对权重的处理可以参照现有技术实现，不再赘述。

由于在账户行为记录中使用过同一算子的所有账户都会成为一个连通子集的成员账户，在绝大多数应用场景中，连通子集中成员账户的数量往往十分庞大，这些成员账户通常没有突出的共同特征，难以成为风险账户判定的可靠依据。假设账户a和账户b通过身份证号关联(在账户行为记录中使用过同一身份证号)被划分在一个连通子集中，且账户a与账户c、账户d关系很亲密，账户b与账户e、账户f关系很亲密，但是账户c、账户d与账户e、账户f之间通过任何一个算子类型都不能建立关联，则可以猜测账户a和账户b中的一个冒用了另一个。如果将账户a和账户b所属的连通子集作为判断风险账户的依据，会产生误关联，将正常账户误判为风险账户。因此在连通子集的基础上，利用聚类方法进行进一步提纯，挖掘出不同特征的群组，提高账户所属团体的精度，能够解决连通子集错误蔓延的问题。

步骤140，基于某个账户所属的对应于至少一个算子类型的群组，判断该账户的风险程度。

对于某个算子类型，某个账户所属的群组能够反映与该账户有密切关联的其他账户、或其他账户和该类型算子，一个账户是否经常对于从事非法活动，可以从所属群组的账户、或账户和该类型介质的数量、分布等特征上体现出来。采用两种或两种以上的算子类型对应的账户所属群组，从不同角度对某个账户的关联账户、或关联账户和关联介质来进行描述，能够为风险账户的判定提供更广泛的依据，提高判断的准确程度。

可以根据实际应用场景中采用的具体算子类型、算子类型的数量、风险账户的行为特征等因素，来决定风险账户的判定条件，本说明书的实施例不做限定。例如，对采用k(k为自然数)种算子类型的场景，可以为每种算子类型设定一个权值，将某个账户对应于k种算子类型的所属群组中的账户数量加权求和，如果和值达到或超过某个阈值，则认为该账户是风险账户。

在一个例子中，可以构建风险账户模型有监督的机器学习模型来进行风险账户的判断。风险账户模型是有监督的机器学习模型，其输入包括若干种算子类型对应的群组的群组特征，其输出为某个账户的风险程度。其中，群组特征可以是群组的规模(如群组中账户的数量、算子的数量、或群组账户和算子的数量等)、账户在群组中的度(即账户在群组中与其他节点具有的关联关系数量，如在最大连通子图中与其他节点相连的边的数量)、群组中黑样本的规模(如群组中黑样本的数量、或黑样本的占比等)。一个风险账户模型中不同的算子类型可以采用相同的群组特征，也可以采用各自的群组特征作为输入。

除对应于一个到多个算子类型的群组的群组特征外，风险账户模型的输入还可以包括账户的业务特征。业务特征可以是除描述账户与介质的关联之外的任何特征，例如，在注册时提供的属性信息、通讯录中的好友数量、是否开通某项业务、在预定时间段内进行某项业务的次数或额度等等。业务特征可以从账户的各种属性信息、历史业务行为中提取或统计得出。

风险账户模型可以采用各种有监督的机器学习算法，如随机森林、gbdt((gradientboostingdecisontree，梯度提升树)、逻辑回归、深度学习等，不做限定。

在采用标记有黑样本和/或白样本的训练数据完成对风险账户模型的训练后，对某个账户，将该账户的群组特征、或该账户的群组特征和业务特征输入风险账户模型，按照风险账户模型的输出确定该账户的风险程度。例如，当输出大于或小于某个阈值时，认为该账户为风险账户。

需要说明的是，可能存在这样的情况，某个账户在某个算子类型中不属于任何一个群组(例如该账户未在账户行为记录中使用过组成该算子类型的介质类型)，可以为这种情形设定默认值，来作为该账户对风险账户模型的输入。

由于对反映账户所属团体，群组比连通子集具有更高的精度，以群组为基础采用机器学习模型来进行风险账户判定，能够将信息层层过滤，最终留下最准确的部分，极大的提高了判断的精准度。当采用多种算子类型对应的群组特征作为风险账户模型的输入时，对账户行为的刻画更为全面，判断的准确度得以进一步提高。

可见，本说明书的实施例中，以用户进行业务行为时使用的介质类型或介质类型的组合作为一个算子类型，按照账户行为记录所使用的介质生成对应于算子类型的若干个连通子集，对各个连通子集聚类得到账户所属的群组，基于账户所属群组来进行风险账户的判定，对连通子集的聚类能够大大减少账户被错误关联到黑产群组中的概率，降低了因介质被冒用导致的合法账户被判定黑产团伙成员的可能性，提高了识别的准确程度。

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。

在本说明书的一个应用示例中，为了应对黑产团伙的各种非法行为，如组织许多用户进行刷单，购买许多不同身份的小号进行欺诈或者作弊活动等等，第三方支付平台希望能够识别出可疑账户，将风险防控从事中提前到事前。

第三方支付平台提取最近3个月所有账户在移动设备上进行的登录、修改密码、购买、支付等历史行为记录(账户行为记录)，以账户进行这些行为时使用的移动设备标识作为算子类型opa、以设备接入网络的wifi标识作为算子类型opb、以移动设备标识和wifi标识的组合作为算子类型opc，来进行风险账户的识别。

服务端遍历每条提取出的历史行为记录，以记录中的账户为一侧节点，以记录中的移动设备标识和wifi标识为另一侧节点，生成总介质二部图。假设所生成的总介质二部图如图2所示，图中齿轮形状代表移动设备标识，ma1、ma2、ma3和ma4为4个不同的移动设备标识(即移动设备标识介质类型的4个介质)；扳手形状代表wifi标识，mb1和mb2为两个不同的wifi标识(即wifi标识介质类型的2个介质)。简便起见，总介质二部图中所有节点和边的权重都设置为1。

对算子类型opa，以每个移动设备标识的具体值为一个opa算子，从总介质二部图中提取出opa算子与账户的关联部分，生成opa的账户与算子的二部图，从图2中提取出opa的账户与算子二部图如图3所示。类似的，从图2中提取出opb的账户与算子二部图如图4所示。

对算子类型opc，以不同的移动设备标识具体值和wifi标识具体值的组合作为不同的opc算子，从总介质二部图中提取出opc算子与账户的关联部分，从图2中提取出opc的账户与算子二部图如图5所示。

分别对属于不同算子类型的账户与算子二部图(如图3、图4和图5)应用连通图算法，得到算子类型opa、opb和opc的一个到多个最大连通图，每个最大连通图中的节点即为对应算子类型的一个连通子集。

对每个最大连通图应用louvain社区发现算法，将每个最大连通图中的账户节点和划分到群组中。

第三方支付平台构建以对应于算子类型opa、opb和opc的群组的群组特征(如群组中的账户数量、黑样本对群组账户数量的占比等)、账户的业务特征(如账户注册时间、账户在最后一周内支付的次数和总额等)为输入的风险账户模型，在采用标记有黑白样本的训练数据对风险账户模型进行训练。

在第三方支付平台需要检测某个账户的风险程度时，将该账户对应于算子类型opa、opb和opc的所属群组的群组特征和该账户的业务特征输入到训练完毕的风险账户模型中，风险账户模型的输出即为该账户的风险程度。

与上述流程实现对应，本说明书的实施例还提供了一种风险账户的识别装置。该装置可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为逻辑意义上的装置，是通过所在设备的cpu(centralprocessunit，中央处理器)将对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，除了图6所示的cpu、内存以及存储器之外，风险账户的识别装置所在的设备通常还包括用于进行无线信号收发的芯片等其他硬件，和/或用于实现网络通信功能的板卡等其他硬件。

图7所示为本说明书实施例提供的一种风险账户的识别装置，包括记录获取单元、连通子集单元、群组聚类单元和风险判断单元，其中：记录获取单元用于获取满足预定统计条件的账户行为记录，每条记录包括发生行为的账户和发生所述行为时使用的若干个介质；连通子集单元用于以n种介质类型作为一个算子类型，生成至少一个算子类型的若干个连通子集；所述连通子集包括至少一个成员账户和至少一个成员算子，一个连通子集中包括在所述账户行为记录中使用过至少一个成员算子的所有账户、以及被至少一个成员账户使用过的所有属于所述算子类型的算子；所述属于某个算子类型的算子包括对应于构成所属算子类型的n种介质类型的n个介质；n为自然数；群组聚类单元用于通过聚类将每个连通子集划分为对应于所述算子类型的若干个群组；风险判断单元用于基于某个账户所属的对应于至少一个算子类型的群组，判断所述账户的风险程度。

一个例子中，所述风险判断单元具体用于：根据某个账户所属的对应于至少一个算子类型的群组生成群组特征，将所述账户的群组特征输入风险账户模型，按照风险账户模型的输出确定所述账户的风险程度；所述风险账户模型为有监督机器学习模型。

上述例子中，所述群组特征包括以下的一项到多项：群组的规模、所述账户在群组中的度、群组中黑样本的规模。

上述例子中，所述风险账户模型的输入还可以包括：账户的业务特征。

一种实现方式中，所述连通子集单元包括二部图子单元和连通算法子单元，其中：二部图子单元用于以所述账户行为记录中的使用过属于所述算子类型的算子的所有账户为一侧节点，以所述账户行为记录中属于所述算子类型的所有算子为另一侧节点，以在至少一条账户行为记录中包括某个账户和某个算子为边，构建账户与算子的二部图；连通算法子单元用于对所述账户与算子的二部图采用连通算法得到若干个最大连通子图，以每个最大连通子图中的节点作为所述算子类型的一个连通子集中的成员。

上述实现方式中，所述群组聚类单元可以具体用于：对每个连通子集的最大连通子图采用社区发现算法，得到对应于所述算子类型的若干个群组。

上述实现方式中，所述二部图的节点和边中至少一项带有根据所述账户行为记录生成的权重；所述群组聚类单元具体用于：根据每个连通子集的最大连通子图中节点的权重、边的权重、或节点和边的权重，对最大连通子图采用社区发现算法，得到对应于所述算子类型的若干个群组。

可选的，所述介质类型包括以下一项到多项：设备标识、移动终端号码、ip地址、媒介接入控制mac地址、无线保真wifi标识、身份证号、银行卡号。

本说明书的实施例提供了一种计算机设备，该计算机设备包括存储器和处理器。其中，存储器上存储有能够由处理器运行的计算机程序；处理器在运行存储的计算机程序时，执行本说明书实施例中风险账户的识别方法的各个步骤。对风险账户的识别方法的各个步骤的详细描述请参见之前的内容，不再重复。

本说明书的实施例提供了一种计算机可读存储介质，该存储介质上存储有计算机程序，这些计算机程序在被处理器运行时，执行本说明书实施例中风险账户的识别方法的各个步骤。对风险账户的识别方法的各个步骤的详细描述请参见之前的内容，不再重复。

以上所述仅为本说明书的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

还需要说明的是，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、商品或者设备不仅包括那些要素，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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书的实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书的实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。