用户行为数据的处理方法和装置与流程

本申请涉及信息处理领域，尤指一种用户行为数据的处理方法和装置。

背景技术：

风险控制系统，采集用户在网络上的操作行为，得到对应的用户行为数据，并利用预设的匹配规则对采集到的用户行为数据进行分析，发现其中的异常行为，进而通知下游系统或者是用户，做出进一步的防范措施。

在相关技术中，在软件架构和机器性能的限制下，风险控制系统是基于批处理方式对数据进行收集和分析，由于数据量巨大和分析方式的低效性，很难做到风险判断的实时性。大多是事后提醒甚至为在问题出现后的第二天后才能发现。因此，周期式的批处理分析任务无法充分利用服务器的计算能力，严重制约了风险控制系统在实际生产中的应用。

技术实现要素：

为了解决上述技术问题，本申请提供了一种用户行为数据的处理方法和装置，能够提高用户行为数据的匹配效率。

为了达到本申请目的，本申请提供了一种用户行为数据的处理方法，包括：

获取用户行为数据，其中所述用户行为数据包括所述用户行为数据对应的事件类型信息；

根据预先存储的事件类型与数据匹配策略的对应关系，确定所述用户行为数据中事件类型信息对应的数据匹配策略，其中所述数据匹配策略按照预先设置的语法结构设置的；

按照所述数据匹配策略，对所述用户行为数据进行匹配操作，得到匹配结果。

在一个示例性实施例中，所述用户行为数据对应的事件类型信息是通过如下方式确定的，包括：

所述用户行为数据的数据来源；和/或，所述用户行为数据对应的业务字段的值。

在一个示例性实施例中，所述语法结构包括规则的描述内容和/或规则执行所需的前置条件；

所述判断规则的描述内容包括事件类型、窗口长度、统计单位和用于判断是否匹配规则的计算指标中的至少一个；

所述规则执行所需的前置条件包括事件类型、窗口长度、统计单位和用于判断是否进行规则匹配的执行条件中的至少一个；

所述按照所述数据匹配策略，对所述用户行为数据进行匹配操作，得到匹配结果，包括：

步骤1、判断所述数据匹配策略中是否有所述前置条件；

如果有所述前置条件，则判断所述用户行为数据是否满足所述前置条件，再执行步骤2:；

如果没有所述前置条件，则执行步骤2；

步骤2、按照所述判断规则的描述内容记录中的匹配对象，从所述用户行为数据中提取所述匹配对象的取值信息；

步骤3、将得到的取值信息与所述判断规则的描述内容记录中的匹配对象的判断条件进行匹配，得到匹配结果。

在一个示例性实施例中，所述按照所述数据匹配策略，对所述用户行为数据进行匹配操作，得到匹配结果之前，还包括：

在用户行为数据包括数据生成时间信息时，在获取预设时间长度内的数据过程中，按照预先设置的时间延迟的长度以及接收的用户行为数据中的数据时间信息，执行数据获取操作；和/或，

在执行完数据获取操作后，按照预先设置的数据分类规则，对获取到的用户行为数据进行分类，得到多组分类数据。

在一个示例性实施例中，所述方法还包括：

当检测到对数据匹配策略中进行更改，获取发生变化的规则对应的变更通知信息，其中所述变更通知信息包括变更类型和规则的标识；

根据所述变更通信信息，对预先存储的数据匹配策略进行同步。

一种用户行为数据的处理装置，包括处理器和存储器，其中所述存储器存储有计算机程序，所述处理器调用所述存储器中的计算机程序以实现如下操作，包括：

获取用户行为数据，其中所述用户行为数据包括所述用户行为数据对应的事件类型信息；

根据预先存储的事件类型与数据匹配策略的对应关系，确定所述用户行为数据中事件类型信息对应的数据匹配策略，其中所述数据匹配策略按照预先设置的语法结构设置的；

按照所述数据匹配策略，对所述用户行为数据进行匹配操作，得到匹配结果。

在一个示例性实施例中，所述处理器调用所述存储器中的计算机程序以实现通过如下方式的确定用户行为对应的事件类型信息，包括：

所述用户行为数据的数据来源；和/或，所述用户行为数据对应的业务字段的值。

在一个示例性实施例中，所述处理器调用所述存储器中的计算机程序所实现的所述语法结构包括规则的描述内容和/或规则执行所需的前置条件；

所述判断规则的描述内容包括事件类型、窗口长度、统计单位和用于判断是否匹配规则的计算指标中的至少一个；

所述规则执行所需的前置条件包括事件类型、窗口长度、统计单位和用于判断是否进行规则匹配的执行条件中的至少一个；

所述处理器调用所述存储器中的计算机程序以实现所述按照所述数据匹配策略，对所述用户行为数据进行匹配操作，得到匹配结果，包括：

步骤1、判断所述数据匹配策略中是否有所述前置条件；

如果有所述前置条件，则判断所述用户行为数据是否满足所述前置条件，再执行步骤2:；

如果没有所述前置条件，则执行步骤2；

步骤2、按照所述判断规则的描述内容记录中的匹配对象，从所述用户行为数据中提取所述匹配对象的取值信息；

步骤3、将得到的取值信息与所述判断规则的描述内容记录中的匹配对象的判断条件进行匹配，得到匹配结果。

在一个示例性实施例中，所述处理器调用所述存储器中的计算机程序以实现按照所述数据匹配策略，对所述用户行为数据进行匹配操作，得到匹配结果的操作之前，所述处理器调用所述存储器中的计算机程序还实现如下操作，包括：

在用户行为数据包括数据生成时间信息时，在获取预设时间长度内的数据过程中，按照预先设置的时间延迟的长度以及接收的用户行为数据中的数据时间信息，执行数据获取操作；和/或，

在执行完数据获取操作后，按照预先设置的数据分类规则，对获取到的用户行为数据进行分类，得到多组分类数据。

在一个示例性实施例中，所述处理器调用所述存储器中的计算机程序还实现如下操作，包括：

当检测到对数据匹配策略中进行更改，获取发生变化的规则对应的变更通知信息，其中所述变更通知信息包括变更类型和规则的标识；

根据所述变更通信信息，对预先存储的数据匹配策略进行同步。

本申请提供的实施例，获取用户行为数据，其中所述用户行为数据包括所述用户行为数据对应的事件类型信息，并根据预先存储的事件类型与数据匹配策略的对应关系，确定所述用户行为数据中事件类型信息对应的数据匹配策略，其中所述数据匹配策略按照预先设置的语法结构设置的，再按照所述数据匹配策略，对所述用户行为数据进行匹配操作，得到匹配结果，利用事件类型信息和数据匹配策略，方便确定匹配规则，且采用预设的语法结构编写数据匹配策略，消除了数据匹配策略中的歧义，提高用户行为数据的匹配效率。

本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本申请技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。

图1为本申请提供的用户行为数据的处理方法的流程图；

图2为本申请实施例提供的规则动态更新方法的流程图；

图3为本申请实施例提供的用户行为数据的处理方法的流程图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚明白，下文中将结合附图对本申请的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1为本申请提供的用户行为数据的处理方法的流程图。图1所示方法包括：

步骤101、获取用户行为数据，其中所述用户行为数据包括所述用户行为数据对应的事件类型信息；

在一个示例性实施例中，本申请实施例摒弃了批处理方式，完全采用新的流处理方式。流处理具有时延低，吞吐量大和资源占用小等优点，保证消息发送的可靠性，易扩展性和吞吐量。本申请实施例采用消息中间件(kafka)实时接收用户行为数据。

在一个示例性实施例中，用户行为数据中包含了事件类型字段和发生事件字段。其中：

事件类型字段决定了哪些规则适用于这条用户行为数据；其中规则预先存储在数据库中。当用户数据到来时，依据数据中的事件类型字段，使用适用于该类型数据的规则对其进行匹配计算。如果规则中包含前后到来数据的依赖关系，比如时间窗或者是先后顺序，需要缓存和预计算时间窗口内的用户行为数据。

发生事件字段为事件内容的描述信息，在执行匹配计算时，是将发生事件字段中的内容与数据库中规则进行匹配。

基于上述方式可以实现不同的用户行为数据匹配到适用的规则。

步骤102、根据预先存储的事件类型与数据匹配策略的对应关系，确定所述用户行为数据中事件类型信息对应的数据匹配策略，其中所述数据匹配策略按照预先设置的语法结构设置的；

在一个示例性实施例中，数据匹配策略中记录的规则进行规范化处理。由于文字描述方式的规则无法被程序解析，且会存在歧义。因此本申请实施例提供一套规则描述语法来解决上述问题。

步骤103、按照所述数据匹配策略，对所述用户行为数据进行匹配操作，得到匹配结果。

本申请提供的方法实施例，获取用户行为数据，其中所述用户行为数据包括所述用户行为数据对应的事件类型信息，并根据预先存储的事件类型与数据匹配策略的对应关系，确定所述用户行为数据中事件类型信息对应的数据匹配策略，其中所述数据匹配策略按照预先设置的语法结构设置的，再按照所述数据匹配策略，对所述用户行为数据进行匹配操作，得到匹配结果，利用事件类型信息和数据匹配策略，方便确定匹配规则，且采用预设的语法结构编写数据匹配策略，消除了数据匹配策略中的歧义，提高用户行为数据的匹配效率。

下面对本申请提供的方法作进一步说明：

考虑到实时性的要求，本申请实施例使用实时流计算引擎flink。相比传统的批处理计算引擎，flink流处理实时性好，资源占用少，数据吞吐量较大，非常适合此应用场景。

将数据格式做统一化处理。这里使用map算子，统一将数据转换为json格式。同时剔除不合法的，无法转换的数据。之后过滤掉业务无关的字段，减小数据传输量和后续的计算量。

另外，再将数据打上事件类型的标签，以便后续确定该类型数据需要匹配的规则。同时，将数据产生的时间作为一个字段(时间戳)保存在数据中，该时间戳在数据乱序和规则计算统计时，以该时间为参照。

在一个示例性实施例中，所述用户行为数据对应的事件类型信息是通过如下方式确定的，包括：

所述用户行为数据的数据来源；和/或，所述用户行为数据对应的业务字段的值。

在一个示例性实施例中，事件类型可以为用户在网站上的具体操作行为，如登录、登出、付款、出款等。

本申请实施例可以通过判断用户行为数据是由哪些具体操作产生的，确定对应的时间类型；例如，该用户行为数据是由用户登录某个网站产生，则该用户行为数据对应的事件类型为登录。

本申请实施例可以通过确定用户行为数据中携带的业务类型的标识信息，确定该用户行为数据对应的事件类型。在部分业务系统中会预先为特定业务配置对应的业务类型标识，该业务类型可以为登录或登出等操作行为，可以通过对业务类型的标识信息的获取，确定对应的事件类型。

在一个示例性实施例中，所述语法结构包括规则的描述内容和/或规则执行所需的前置条件；

所述判断规则的描述内容包括事件类型、窗口长度、统计单位和用于判断是否匹配规则的计算指标中的至少一个；

所述规则执行所需的前置条件包括事件类型、窗口长度、统计单位和用于判断是否进行规则匹配的执行条件中的至少一个；

所述按照所述数据匹配策略，对所述用户行为数据进行匹配操作，得到匹配结果，包括：

步骤1、判断所述数据匹配策略中是否有所述前置条件；

如果有所述前置条件，则判断所述用户行为数据是否满足所述前置条件，再执行步骤2:；

如果没有所述前置条件，则执行步骤2；

步骤2、按照所述判断规则的描述内容记录中的匹配对象，从所述用户行为数据中提取所述匹配对象的取值信息；

步骤3、将得到的取值信息与所述判断规则的描述内容记录中的匹配对象的判断条件进行匹配，得到匹配结果。

本申请实施例通过对各种文字描述的规则进行研究，对其关键信息进行了提炼和规范化处理。给出了如下的规则描述语法。

规则语法的描述如下：

上述规则的文本描述为：统计最近3小时之内，同一个客户id转账金额大于10000的用户行为发生的次数，并作为"大额交易次数"字段，输出给下游系统。

如果需要匹配一系列不同类型的有序数据流，比如，用户连续登录，转出10000元以上，然后退出，整个流程发生在10分钟以内。需要对规则增加如下配置：

在为数据匹配策略中写入对应的规则后，如果接收到用户行为数据，则从数据库全量读取规则，按照事件类型字段，寻找与其匹配的规则。如果发现用户数据与多条规则均匹配，系统需要将数据和这些规则依次进行组合后发送到下游。此步骤之后的每条数据都携带有与其对应的规则信息。

在一个示例性实施例中，所述按照所述数据匹配策略，对所述用户行为数据进行匹配操作，得到匹配结果之前，还包括：

在用户行为数据包括数据生成时间信息时，在获取预设时间长度内的数据过程中，按照预先设置的时间延迟的长度以及接收的用户行为数据中的数据时间信息，执行数据获取操作；和/或，

在执行完数据获取操作后，按照预先设置的数据分类规则，对获取到的用户行为数据进行分类，得到多组分类数据。

在一个示例性实施例中，首先需要处理数据的乱序问题。在允许的延迟范围内规定好一个可以接收的延迟时间(比如100ms)。每次收到数据，只认为在它之前(100ms)的数据是完整接收的，触发计算也只针对这部分数据。在此情况下，如果收到来迟的数据(100ms)之内，该数据会插队，后续不会因该数据到来顺序的错误而影响计算结果。

由于规则匹配这一步把数据和匹配到的规则合并作为新的元素，此处需要将他们分离，并将规则解析。解析规则阶段，首先对数据流进行分区操作。例如此处需要按照客户id统计，系统会把照客户id相同的数据，发送到相同的分区。如果规则指定了程序窗口时间，各个分区需要做窗口数据聚合处理。这样每个窗口只存在发生时间在(当前时间-窗口大小,当前时间]，左开右闭区间内的用户行为数据，并且这些数据属于同一个客户id。

如果规则中有前置事件的要求，需要在解析规则之时使用有限状态机(fsm)。依次对分区到来的数据进行事件类型的匹配。如果状态机能够依次匹配所有条件，则认为前置时间条件满足，触发规则计算。否则，需要确认规则配置中的是否连续字段。如果要求连续，状态机会重置，否则状态机不重置。

对于每个指标，筛选出符合统计条件的数据，代入聚合函数计算出指标结果。此步骤使用flink的process函数。该函数可以实现完全自定义的数据处理和聚合操作。

在得到的计算结果后，将计算结果输出到规则引擎中。规则引擎可采用drools，对指标计算结果进行判断后返回是否触发通知事件。例如规则计算出某用户在最近5分钟内反复登录5次。规则引擎可以配置登录次数5次是否达到警告阈值。

如需触发通知事件，将判断结果作为数据流返回流处理引擎flink。flink再通过消息中间件发往下游。

在一个示例性实施例中，所述方法还包括：

当检测到对数据匹配策略中进行更改，获取发生变化的规则对应的变更通知信息，其中所述变更通知信息包括变更类型和规则的标识；

根据所述变更通信信息，对预先存储的数据匹配策略进行同步。

当用户使用图形界面变更规则之后，会生成一条变更通知信息，该信息包含了变更类型(增加，删除，修改)和规则id。这里需要把规则变更通知信息作为一个数据流(使用kafka等消息系统)。若该流收到了信息，说明规则发生变化，需要解析变更信息，增量同步规则数据库内容到缓存中，达到规则的动态变更和规则变更即时生效的目的。

在一个示例性实施例中，先使用connect方法，连接用户行为数据和规则变更通知流两个输入流，然后使用有状态的flatmap算子对两个流的输入数据做出不同的响应。当规则变更通知到来时，需要增量读取数据库中的规则并更新规则缓存。用户行为数据到来时，从依照事件类型这个字段，从规则缓存中筛选出合适的规则，进行规则匹配，这样就实现了规则动态变更的支持。

对于与规则匹配的数据，统一收集到一起，并通过消息中间件发送到下游数据流当中。此处可以满足下游系统的多样性，可以对输出数据流进行各种处理，比如消息推送，邮件通知，存入数据库等。

本申请实施例提供的方法，实现了用户行为数据流的实时分析处理，通过规则描述语法，规范了规则的编写消除了歧义，且实现了规则变更动态实时生效的支持。

图2为本申请实施例提供的规则动态更新方法的流程图。图2所示方法包括如下步骤：

步骤201、获取规则的更新信息；

其中该更新信息包括新增规则、对已存储的规则进行更改或者删除已存储的规则；

如果该更新信息是直接存储到用于存储规则的数据库中的，则执行步骤202；

如果该更新信息是通过客户端请求的规则，在执行步骤203至步骤203；

步骤202、存储该规则，再执行步骤205；

步骤203、根据所述更新信息，生成规则变更通知；

将更新信息转换成一个通知流，作为系统的输入信息；

步骤204、利用预先设置的配置端口，发送所述规则变更通知，再执行步骤205；

步骤205、缓存所述规则到预先设置的数据库中。

本申请实施例提供的方法，能够实现动态更新规则的目的。

图3为本申请实施例提供的用户行为数据的处理方法的流程图。图3所示方法包括如下步骤：

本实施例以用户连续登录，转出10000元以上，然后退出，整个流程发生在10分钟以内的规则进行处理为例进行说明。

步骤301、获取用户行为数据；

步骤302、对用户行为数据进行清洗处理；

将数据格式做统一化处理。使用map算子，统一将数据转换为json格式，同时剔除不合法的以及无法转换的数据，之后过滤掉业务无关的字段，减小数据传输量和后续的计算量。

另外，再将数据打上事件类型的标签，以便后续确定该类型数据需要匹配的规则。同时，将数据产生的时间作为一个字段(时间戳)保存在数据中，该时间戳在数据乱序和规则计算统计时，以该时间为参照。

步骤303、将处理后的用户行为数据发送至消息中间件；

步骤304、通过用户数据流处理入口传输所述处理后的用户行为数据；

步骤305、解析处理后的用户行为数据，得到解析结果；

步骤306、对解析结果中发生乱序的数据进行处理，得到完整数据；

其中，步骤306是可选的，在解析结果中发生数据乱序的时才执行；

步骤307、利用解析结果中的事件类型，查找所述解析结果对应的规则；

可选的，在匹配规则时，还执行步骤308，动态更新规则的操作，以保证规则得到及时更新；

如果没有查找到，则执行步骤309，记录无法匹配的数据，流程结束；

如果查找到，则执行步骤310至步骤318；

步骤310、对用户行为数据进行数据分区；

步骤311、判断规则中是否有前后数据是否有预设的依赖条件；

如果有，则执行步骤312，按照规则中设置时间窗口大小，对数据进行聚合操作，再执行步骤313；否则，直接执行步骤313；

在本例中，需要累积获取10分钟以内的数据；

步骤313、对规则进行解析，对数据条件进行过滤；

本例中，数据条件的过滤操作是对事件类型、发生次数、统计条件、是否连续这些条件进行判断；

步骤314、提取需要统计字段的数值；

在本例中，提取转账金额的数值；

步骤315、计算统计字段的数值；

在本例中，需要比较的参数为统计数值，该统计数值为转出的金额总数；

步骤316、判断所述需要比较的参数的数值是否大于预先设置的阈值；

如果大于，则执行步骤317，发送判断结果至下游系统，再执行步骤318；

步骤318、存储判断结果，流程结束。

本申请实施例提供的方法，方便确定匹配规则，且采用预设的语法结构编写数据匹配策略，消除了数据匹配策略中的歧义，提高用户行为数据的匹配效率。

本申请实施例提供一种用户行为数据的处理装置，包括处理器和存储器，其中所述存储器存储有计算机程序，所述处理器调用所述存储器中的计算机程序以实现如下操作，包括：

获取用户行为数据，其中所述用户行为数据包括所述用户行为数据对应的事件类型信息；

根据预先存储的事件类型与数据匹配策略的对应关系，确定所述用户行为数据中事件类型信息对应的数据匹配策略，其中所述数据匹配策略按照预先设置的语法结构设置的；

按照所述数据匹配策略，对所述用户行为数据进行匹配操作，得到匹配结果。

在一个示例性实施例中，所述处理器调用所述存储器中的计算机程序以实现通过如下方式的确定用户行为对应的事件类型信息，包括：

所述用户行为数据的数据来源；和/或，所述用户行为数据对应的业务字段的值。

在一个示例性实施例中，所述处理器调用所述存储器中的计算机程序所实现的所述语法结构包括规则的描述内容和/或规则执行所需的前置条件；

所述判断规则的描述内容包括事件类型、窗口长度、统计单位和用于判断是否匹配规则的计算指标中的至少一个；

所述规则执行所需的前置条件包括事件类型、窗口长度、统计单位和用于判断是否进行规则匹配的执行条件中的至少一个；

所述处理器调用所述存储器中的计算机程序以实现所述按照所述数据匹配策略，对所述用户行为数据进行匹配操作，得到匹配结果，包括：

步骤1、判断所述数据匹配策略中是否有所述前置条件；

如果有所述前置条件，则判断所述用户行为数据是否满足所述前置条件，再执行步骤2:；

如果没有所述前置条件，则执行步骤2；

步骤2、按照所述判断规则的描述内容记录中的匹配对象，从所述用户行为数据中提取所述匹配对象的取值信息；

步骤3、将得到的取值信息与所述判断规则的描述内容记录中的匹配对象的判断条件进行匹配，得到匹配结果。

在一个示例性实施例中，所述处理器调用所述存储器中的计算机程序以实现按照所述数据匹配策略，对所述用户行为数据进行匹配操作，得到匹配结果的操作之前，所述处理器调用所述存储器中的计算机程序还实现如下操作，包括：

在用户行为数据包括数据生成时间信息时，在获取预设时间长度内的数据过程中，按照预先设置的时间延迟的长度以及接收的用户行为数据中的数据时间信息，执行数据获取操作；和/或，

在执行完数据获取操作后，按照预先设置的数据分类规则，对获取到的用户行为数据进行分类，得到多组分类数据。

在一个示例性实施例中，所述处理器调用所述存储器中的计算机程序还实现如下操作，包括：

当检测到对数据匹配策略中进行更改，获取发生变化的规则对应的变更通知信息，其中所述变更通知信息包括变更类型和规则的标识；

根据所述变更通信信息，对预先存储的数据匹配策略进行同步。

本申请提供的装置实施例，获取用户行为数据，其中所述用户行为数据包括所述用户行为数据对应的事件类型信息，并根据预先存储的事件类型与数据匹配策略的对应关系，确定所述用户行为数据中事件类型信息对应的数据匹配策略，其中所述数据匹配策略按照预先设置的语法结构设置的，再按照所述数据匹配策略，对所述用户行为数据进行匹配操作，得到匹配结果，利用事件类型信息和数据匹配策略，方便确定匹配规则，且采用预设的语法结构编写数据匹配策略，消除了数据匹配策略中的歧义，提高用户行为数据的匹配效率。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于ram、rom、eeprom、闪存或其他存储器技术、cd-rom、数字多功能盘(dvd)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。