基于数据开放共享的隐私泄露风险评估方法、装置及系统与流程

本申请涉及数据共享技术领域，尤其涉及一种基于数据开放共享的隐私泄露风险评估方法、装置及系统。

背景技术：

在数据开放共享之前，往往会对数据进行脱敏等隐私保护处理，以保护个人信息等隐私，但是，在数据脱敏过程中，脱敏的程度会对数据的应用价值，即数据效用产生一定的影响。比如，脱敏程度较低，数据效用较高，但是容易泄露个人信息等隐私；脱敏程度较高，隐私不易泄露，但是会造成数据效用的损失。

目前，对于脱敏程度的控制，并没有一个可靠的参考标准，以通过该参考标准对脱敏程度进行控制，从而既能将隐私泄露风险控制在可接受的范围内，又能保证脱敏后的数据具有一定的数据效用。

技术实现要素：

为至少在一定程度上克服相关技术中存在的问题，本申请提供一种基于数据开放共享的隐私泄露风险评估方法、装置及系统。

根据本申请的第一方面，提供一种基于数据开放共享的隐私泄露风险评估方法，包括：

获取用户第一数据集、第二数据集、第三数据集、第四数据集；所述第一数据为待开放原始数据集或待共享原始数据集；所述第二数据集为待开放数据集或待共享数据集；所述第三数据集为已开放原始数据集或已共享原始数据集；所述第四数据集为已开放数据集或已共享数据集；

根据所述第一数据集与所述第三数据集得到所述第一数据集中各数据的关联原始数据集；

根据所述第一数据集中各数据的关联原始数据集与所述第四数据集得到与所述关联原始数据集对应的所述第一数据集中各数据的关联开放数据集；

根据所述关联原始数据集与所述关联开放数据集之间的差别恢复第二数据集中各数据的隐私信息，得到第一恢复数据集；

计算所述第一数据集与所述第一恢复数据集中各数据的相似性，得到第一相似性集；

根据所述第一相似性集得到直接隐私泄露风险值；所述直接隐私泄露风险值为所述第一相似性集中各相似性的平均值。

可选的，还包括：

根据所述第一数据集中各数据的关联开放数据集与所述第二数据集恢复所述第一数据集中各数据的关联开放数据集中各数据的隐私信息，得到所述第一数据集中各数据的第二恢复数据集；

计算所述第一数据集中各数据的第二恢复数据集与所述第一数据集中各数据的关联原始数据集中各数据的相似性，构成第二相似性集；所述第二恢复数据集中各数据与所述关联原始数据集中对应的各数据的相似性的和或平均值，即为所述第一数据集中各数据的第二恢复数据集与所述第一数据集中各数据的关联原始数据集的相似性得到第二相似性集；

根据计算所述第二相似性集得到间接隐私泄露风险值，所述间接隐私泄露风险值为所述第二相似性集中各相似性的平均值。

可选的，还包括：

获取待下发数据集、已发布数据集、已请求数据集、关联下发数据总集；所述关联下发数据总集为所述已发布数据集和所述已请求数据集中与所述待下发数据集中的数据相关联的所有数据的集合；

从所述关联下发数据总集中提取与所述待下发数据集中的各条数据分别相关联的数据对应构成各条数据的关联数据子集；

根据所述待下发数据集中每条数据对应的所述关联数据子集恢复各条数据的隐私信息得到待下发恢复数据集；

计算所述待下发数据集中各条数据与所述待下发恢复数据集中对应的数据之间的差异信息量；

根据所述差异信息量得到二次隐私泄露风险值；所述二次隐私泄露风险值为各所述差异信息量的平均值。

根据本申请的第二方面，提供一种基于数据开放共享的隐私泄露风险评估装置，包括：

第一获取模块，用于获取用户第一数据集、第二数据集、第三数据集、第四数据集；所述第一数据为待开放原始数据集或待共享原始数据集；所述第二数据集为待开放数据集或待共享数据集；所述第三数据集为已开放原始数据集或已共享原始数据集；所述第四数据集为已开放数据集或已共享数据集；

第一关联模块，用于根据所述第一数据集与所述第三数据集得到所述第一数据集中各数据的关联原始数据集；

第一对应模块，用于根据所述第一数据集中各数据的关联原始数据集与所述第四数据集得到与所述关联原始数据集对应的所述第一数据集中各数据的关联开放数据集；

第一恢复模块，用于根据所述关联原始数据集与所述关联开放数据集之间的差别恢复第二数据集中各数据的隐私信息，得到第一恢复数据集；

第一计算模块，用于计算所述第一数据集与所述第一恢复数据集中各数据的相似性，得到第一相似性集；

第二计算模块，用于根据所述第一相似性集得到直接隐私泄露风险值；所述直接隐私泄露风险值为所述第一相似性集中各相似性的平均值。

可选的，还包括：

第二恢复模块，用于根据所述第一数据集中各数据的关联开放数据集与所述第二数据集恢复所述第一数据集中各数据的关联开放数据集中各数据的隐私信息，得到所述第一数据集中各数据的第二恢复数据集；

第三计算模块，用于计算第一数据集中各数据的第二恢复数据集与所述第一数据集中各数据的关联原始数据集的相似性，构成第二相似性集；所述第二恢复数据集中各数据与所述关联原始数据集中对应的各数据的相似性的和或平均值，即为所述第一数据集中各数据的第二恢复数据集与所述第一数据集中各数据的关联原始数据集的相似性所述第二恢复数据集与所述关联数据集中各数据的相似性，得到第二相似性集；

第四计算模块，用于计算根据所述第二相似性集得到间接隐私泄露风险值，所述间接隐私泄露风险值为所述第二相似性集中各相似性的平均值。

可选的，还包括：

第二获取模块，用于获取待下发数据集、已发布数据集、已请求数据集、关联下发数据总集；所述关联下发数据总集为所述已发布数据集和所述已请求数据集中与所述待下发数据集中的数据相关联的所有数据的集合；

第二关联模块，用于从所述关联下发数据总集中提取与所述待下发数据集中的各条数据分别相关联的数据对应构成各条数据的关联数据子集；

第三恢复模块，用于根据所述待下发数据集中每条数据对应的所述关联数据子集恢复各条数据的隐私信息得到待下发恢复数据集；

第五计算模块，用于计算所述待下发数据集中各条数据与所述待下发恢复数据集中对应的数据之间的差异信息量；

第六计算模块，用于根据所述差异信息量得到二次隐私泄露风险值；所述二次隐私泄露风险值为各所述差异信息量的平均值。根据本申请的第三方面，提供一种基于数据开放共享的隐私泄露风险评估系，包括：

隐私泄露风险评估模块；

所述隐私泄露风险评估模块包括处理器，以及与所述处理器相连接的存储器；

所述存储器用于存储计算机程序，所述计算机程序至少用于执行本申请第一方面所述的基于数据开放共享的隐私泄露风险评估方法；

所述处理器用于调用并执行所述存储器中的所述计算机程序。

可选的，还包括：

用户数据资源池，用于存放所述处理器需要获取的第一数据集、第二数据集、第三数据集、第四数据集；

数据开放共享平台，用于存放所述处理器需要获取的待下发数据集、已发布数据集、已请求数据集。

可选的，所述隐私泄露风险评估模块包括第一通信单元；

所述用户资源池包括第二通信单元；

所述数据开放共享平台包括第三通信单元；

所述处理器通过所述第一通信单元、所述第二通信单元与所述第三通信单元获取所述第一数据集、第二数据集、第三数据集、第四数据集、待下发数据集、已发布数据集、已请求数据集。

可选的，还包括：

隐私保护处理模块，用于将所述第一数据集进行隐私保护处理后得到所述第二数据集。

本申请的实施例提供的技术方案可以包括以下有益效果：先根据第一数据集与第三数据集得到关联原始数据集；然后根据所述关联原始数据集与所述第四数据集得到与所述关联原始数据集对应的关联开放数据集；根据所述关联原始数据集与所述关联开放数据集之间的差别恢复第二数据集的隐私信息，得到第一恢复数据集；计算所述第一数据集与所述第一恢复数据集中各数据的相似性，得到第一相似性集；根据所述第一相似性集得到直接隐私泄露风险值；所述直接隐私泄露风险值为所述第一相似性集中各相似性的平均值。基于此，可以判断出经过倒向恢复隐私信息得到的第一恢复数据集与第一数据集之间的相似性，又由于第一数据集为待开放原始数据集或待共享原始数据集，通过该相似性即可以判断能不能通过常规的数据恢复手段得到原始数据，以此来判断直接隐私泄露的风险。以该直接隐私泄露的风险值作为一个对于脱敏程度控制的参考标准，首先，用户可以根据该值进行决策，判断是否将数据发布至数据开放共享平台中，且能够较为准确地将隐私泄露风险控制在可接受范围内，同时保证数据具有一定的数据效用。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

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是本申请的实施例一提供的一种基于数据开放共享的隐私泄露风险评估方法流程示意图。

图2是本申请的实施例二提供的一种基于数据开放共享的隐私泄露风险评估装置的结构示意图。

图3是本申请实施例三提供的一种基于数据开放共享的隐私泄露风险评估系统的结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

数据的开放和共享是推动大数据深入应用和价值挖掘的关键环节，由于参与数据开放和共享的各机构用于开放或共享的原始数据既具有很乏的应用价值，同时也包含着很多敏感隐私信息，比如商业机密、个人隐私信息等等。当上述原始数据发布至数据开放共享平台后，会对原始数据进行脱敏等隐私保护的处理，但是，在脱敏过程中，若处理不到位，处理后的数据的数据效用较高，但由于隐私处理不到位，敏感隐私信息容易被泄露，相反，若处理过度，虽然处理后的数据不容易泄露原始数据中包含的敏感隐私信息，但是牺牲了数据效用，导致处理后的数据效用较低。目前，由于在隐私保护处理过程中，没有一个可靠的参考标准可以用来参考控制隐私保护处理的处理程度，本申请提供了一种基于数据开放共享的隐私泄露风险评估方法，恰好可以提供该参考标准，使在对数据进行隐私保护处理时，既能将隐私泄露风险控制在可接受的范围内，又能保证处理后的数据具有一定的数据效用。

实施例一

请参阅图1，图1是本申请的实施例一提供的一种基于数据开放共享的隐私泄露风险评估方法流程示意图。

如图1所示，本实施例提供的基于数据开放共享的隐私泄露风险评估方法包括：

步骤11、获取用户第一数据集、第二数据集、第三数据集、第四数据集；第一数据为待开放原始数据集或待共享原始数据集；第二数据集为待开放数据集或待共享数据集；第三数据集为已开放原始数据集或已共享原始数据集；第四数据集为已开放数据集或已共享数据集。

步骤12、根据第一数据集与第三数据集得到第一数据集中各数据的关联原始数据集。判断数据之间是否关联可以有很多种方法，比如在数学和计算机领域中有相关系数、关联分析、回归分析、统计等，在日常工作中也有些简单的方法，如链接对比、主键匹配等。上述判断关联的方法均为公知常识，本领域技术人员可以轻松获取，加之判断数据是否关联不是本申请中的重点内容，因此，此处不再赘述。

步骤13、根据第一数据集中各数据的关联原始数据集与第四数据集得到与关联原始数据集对应的第一数据集中各数据的关联开放数据集。

步骤14、根据关联原始数据集与关联开放数据集之间的差别恢复第二数据集中各数据的隐私信息，得到第一恢复数据集。在恢复数据的隐私信息时，可以采用贝叶斯推断、置信推断、神经网络学习推测等方法，上述方法可以为隐私分析攻击领域中公开的技术方法，具体的算法及模型也很容易获得，因此，此处不再对具体的恢复隐私信息的过程进行赘述。

步骤15、计算第一数据集与第一恢复数据集中各数据的相似性，得到第一相似性集。数据之间的相似性可以采用多种不同的距离方式来度量，比如，两条数据中蕴含的隐私信息的相同值的比例。

步骤16、根据第一相似性集得到直接隐私泄露风险值；直接隐私泄露风险值为第一相似性集中各相似性的平均值。

先根据第一数据集与第三数据集得到关联原始数据集；然后根据关联原始数据集与第四数据集得到与关联原始数据集对应的关联开放数据集；根据关联原始数据集与关联开放数据集之间的差别恢复第二数据集的隐私信息，得到第一恢复数据集；计算第一数据集与第一恢复数据集中各数据的相似性，得到第一相似性集；根据第一相似性集得到直接隐私泄露风险值；直接隐私泄露风险值为第一相似性集中各相似性的平均值。基于此，可以判断出经过倒向恢复隐私信息得到的第一恢复数据集与第一数据集之间的相似性，又由于第一数据集为待开放原始数据集或待共享原始数据集，通过该相似性即可以判断能不能通过常规的数据恢复手段得到原始数据，以此来判断直接隐私泄露的风险。以该直接隐私泄露的风险值作为一个对于脱敏程度控制的参考标准，就能够较为准确地将隐私泄露风险控制在可接受范围内，同时保证数据具有一定地数据效用。

进一步地，本方法还可以包括：

根据第一数据集中各数据的关联开放数据集与第二数据集恢复第一数据集中各数据的关联开放数据集中各数据的隐私信息，得到第一数据集中各数据的第二恢复数据集；

计算第一数据集中各数据的第二恢复数据集与第一数据集中各数据的关联原始数据集中各数据的相似性，构成第二相似性集；第二恢复数据集中各数据与关联原始数据集中对应的各数据的相似性的和或平均值，即为第一数据集中各数据的第二恢复数据集与第一数据集中各数据的关联原始数据集的相似性得到第二相似性集；

根据计算第二相似性集得到间接隐私泄露风险值，间接隐私泄露风险值为第二相似性集中各相似性的平均值。

利用直接隐私泄露风险值和间接隐私泄露风险值，用户可以决策该数据是否可以发布至该开放共享平台中。同时，可以根据上述两个值控制隐私保护处理的处理程度，以保持用户隐私保护及数据效用之间的平衡。

另外，尽管用户发布的数据是经过隐私保护处理的，但是数据开放共享平台中的数据来源和种类众多，用户从数据开放共享平台中请求数据时，也会容易造成数据的二次隐私泄露，因此，本方法还可以包括：

获取待下发数据集、已发布数据集、已请求数据集、关联下发数据总集；关联下发数据总集为已发布数据集和已请求数据集中与待下发数据集中的数据相关联的所有数据的集合；

从关联下发数据总集中提取与待下发数据集中的各条数据分别相关联的数据对应构成各条数据的关联数据子集；

根据待下发数据集中每条数据对应的关联数据子集恢复各条数据的隐私信息得到待下发恢复数据集；

计算待下发数据集中各条数据与待下发恢复数据集中对应的数据之间的差异信息量；

根据差异信息量得到二次隐私泄露风险值；二次隐私泄露风险值为各差异信息量的平均值。

需要说明的是，上述方法既可以应用在数据开放的场景中，也可以用在数据共享的场景中。

具体实施时，获取直接隐私泄露风险值、间接隐私泄露风险值及二次隐私泄露风险值的步骤可以如下：

可以将第一数据集定义为d＝{r1,r2,…,ri,…,rn}；第二数据集定义为d＝{r1,r2,…,ri,…,rn}；第三数据集定义为sod＝{d1,d2,…,dq,…dm}；第四数据集定义为sd＝{d1,d2,…,dq,…dm}。

其中，ri表示单条原始数据，dq表示多条原始数据构成的集合，ri表示单条原始数据经过隐私保护处理后的数据，dq表示多条原始数据经过隐私保护处理后的数据的集合。

首先在sod中查找出与d中的任意一条数据ri有关联的数据，构成关联原始数据集rdi＝{rri,1,rri,2,…rri,i,…,rri,n}。然后从sd中获取与rdi中的数据对应的数据，构成关联开放数据集rdi＝{rri,1,rri,2,…,rri,i,…,rri,n}。根据rdi与rdi中的数据的差别恢复ri的隐私信息得到该条数据的恢复数据按照同样的步骤恢复d中所有数据的隐私信息，得到d中各数据对应的恢复数据，构成第一恢复数据集计算中各数据与对应的d中各数据的相似性，比如，计算ri与的相似性：其中，si表示ri与的相似性，公式表示任意可以计算出数据之间相似性距离度量的方法公式，构成第一相似性集s＝{s1,s2,…,si,…,sn}，最后计算第一相似性集中所有相似性的平均值，该平均值即为直接隐私泄露风险值。

另外，还可以根据rdi与d恢复rdi中各数据的隐私信息，得到第二恢复数据集，第二恢复数据集可以表示为然后计算中各数据与rdi中各数据的相似性，并计算得到的各相似性的和或平均值，即与rdi的相似性li；将d中各数据的关联开放数据与对应的关联原始数据的相似性汇集为第二相似性集，第二相似性集可以表示为l＝{l1,l2,…,li,…,ln}，计算l中各相似性的平均值，即为间接隐私泄露风险值。

进一步地，在用户请求下发数据时，还可以对下发的数据进行隐私泄露风险评估。

其中，涉及到的数据集为待下发数据集、已发布数据集、已请求数据集、关联下发数据总集。待下发数据集可以表示为a＝{a1,a2,…,ai,…,ap}，已发布数据集可以表示为b＝{b1,b2,…,bm}，已请求数据集可以表示为re＝{re1,re2,…,ren}。

首先从b和re中获取所有与a中各数据相关联的所有数据，构成关联下发数据总集，然后从该关联下发数据总集中提取出与a中各数据分别相关联的数据构成a中各数据的关联数据子集，根据待下发数据集中每条数据对应的关联数据子集恢复各条数据的隐私信息得到待下发恢复数据集，比如对于ai，从关联下发数据总集中提取出与ai相关联的数据构成ai的关联数据子集rai，根据rai恢复ai的隐私信息，得到ai的恢复数据a中各数据的恢复数据构成待下发恢复数据集，待下发恢复数据集可以表示为计算a中各数据与中对应的数据之间的信息差异量，比如，ai与的信息差异量可以表示为infori，公式表示任意可以计算出数据之间相似性距离度量的方法公式，a中各数据与中对应的数据之间的信息差异量的平均值，即二次隐私泄露风险值。

需要说明的是，本实施例提供的方法既可以应用在数据开放场景又可以应用在数据共享场景中。

实施例二

请参阅图2，图2是本申请的实施例二提供的一种基于数据开放共享的隐私泄露风险评估装置的结构示意图。

如图2所示，本实施例提供的基于数据开放共享的隐私泄露风险评估装置包括：

第一获取模块21，用于获取用户第一数据集、第二数据集、第三数据集、第四数据集；第一数据为待开放原始数据集或待共享原始数据集；第二数据集为待开放数据集或待共享数据集；第三数据集为已开放原始数据集或已共享原始数据集；第四数据集为已开放数据集或已共享数据集；

第一关联模块22，用于根据第一数据集与第三数据集得到第一数据集中各数据的关联原始数据集；

第一对应模块23，用于根据第一数据集中各数据的关联原始数据集与第四数据集得到与关联原始数据集对应的第一数据集中各数据的关联开放数据集；

第一恢复模块24，用于根据关联原始数据集与关联开放数据集之间的差别恢复第二数据集中各数据的隐私信息，得到第一恢复数据集；

第一计算模块25，用于计算第一数据集与第一恢复数据集中各数据的相似性，得到第一相似性集；

第二计算模块26，用于根据第一相似性集得到直接隐私泄露风险值；直接隐私泄露风险值为第一相似性集中各相似性的平均值。

另外，本装置还可以包括：

第二恢复模块，用于根据第一数据集中各数据的关联开放数据集与第二数据集恢复第一数据集中各数据的关联开放数据集中各数据的隐私信息，得到第一数据集中各数据的第二恢复数据集；

第三计算模块，用于计算第一数据集中各数据的第二恢复数据集与第一数据集中各数据的关联原始数据集的相似性，构成第二相似性集；第二恢复数据集中各数据与关联原始数据集中对应的各数据的相似性的和或平均值，即为第一数据集中各数据的第二恢复数据集与第一数据集中各数据的关联原始数据集的相似性第二恢复数据集与关联数据集中各数据的相似性，得到第二相似性集；

第四计算模块，用于计算根据第二相似性集得到间接隐私泄露风险值，间接隐私泄露风险值为第二相似性集中各相似性的平均值。

进一步地，本装置还可以包括：

第二获取模块，用于获取待下发数据集、已发布数据集、已请求数据集、关联下发数据总集；关联下发数据总集为已发布数据集和已请求数据集中与待下发数据集中的数据相关联的所有数据的集合；

第二关联模块，用于从关联下发数据总集中提取与待下发数据集中的各条数据分别相关联的数据对应构成各条数据的关联数据子集；

第三恢复模块，用于根据待下发数据集中每条数据对应的关联数据子集恢复各条数据的隐私信息得到待下发恢复数据集；

第五计算模块，用于计算待下发数据集中各条数据与待下发恢复数据集中对应的数据之间的差异信息量；

第六计算模块，用于根据差异信息量得到二次隐私泄露风险值；二次隐私泄露风险值为各差异信息量的平均值。

实施例三

请参阅图3，图3是本申请实施例三提供的一种基于数据开放共享的隐私泄露风险评估系统的结构示意图。

如图3所示，本实施例提供的基于数据开放共享的隐私泄露风险评估系统包括：

隐私泄露风险评估模块31；

隐私泄露风险评估模块包括处理器311，以及与处理器相连接的存储器312；

存储器用于存储计算机程序，计算机程序至少用于执行如实施例一的基于数据开放共享的隐私泄露风险评估方法；

处理器用于调用并执行存储器中的计算机程序。

另外，本系统还可以包括：

用户数据资源池32，用于存放处理器需要获取的第一数据集、第二数据集、第三数据集、第四数据集；其中，第一数据集可以存储在待开放共享原始数据存储模块321；第二数据集可以存储在待开放共享数据存储模块322；第三数据集可以存储在已开放共享原始数据存储模块323；第四数据集可以存储在已开放共享数据存储模块324。

数据开放共享平台33，用于存放处理器需要获取的待下发数据集、已发布数据集、已请求数据集。其中，已发布数据集可以存储在发布数据记录存储模块331；已请求数据集可以存储在请求数据记录存储模块332。

其中，隐私泄露风险评估模块包括第一通信单元313；

用户资源池包括第二通信单元325；

数据开放共享平台包括第三通信单元333；

处理器通过第一通信单元、第二通信单元与第三通信单元获取第一数据集、第二数据集、第三数据集、第四数据集、待下发数据集、已发布数据集、已请求数据集。

需要说明的是，本系统还可以包括：

隐私保护处理模块34，用于将第一数据集进行隐私保护处理后得到第二数据集。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。

需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是指至少两个。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，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模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块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。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。