[0001]本公开涉及信息安全
技术领域：
：，尤其涉及一种病毒聚类方法、病毒聚类装置、计算机可读存储介质与电子设备。
背景技术：
：：[0002]随着互联网技术的发展，出现了越来越多的计算机病毒，通过入侵个人电脑、手机等电子设备，造成人们财产与信息的损失。[0003]目前，对于病毒的聚类大多是基于已知病毒的特征，将具有相同特征的病毒聚为一类或一个家族；在进行后续的病毒检测、病毒查杀时，根据病毒家族的特征查找病毒。然而，随着计算机系统上文件数量以及文件类型的快速增长，这样的方式越来越低效，例如，目前的个人电脑上硬盘的大小普遍达到了tb级别，硬盘上的文件数量已成倍增加，在查杀病毒时，对这些文件逐一排查需要大量的时间，同时增加了用户和杀毒厂商的成本。[0004]需要说明的是，在上述
背景技术：
：部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。技术实现要素：[0005]本公开提供一种病毒聚类方法、病毒聚类装置、计算机可读存储介质与电子设备，进而至少在一定程度上提高病毒检测的效率。[0006]本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。[0007]根据本公开的第一方面，提供一种病毒聚类方法，包括：获取待聚类文件的索引信息和特征信息；根据所述待聚类文件的索引信息，将所述待聚类文件划分为多个样本集合；根据种子病毒文件的索引信息，在所述多个样本集合中确定所述种子病毒文件关联的目标样本集合；将所述种子病毒文件的特征信息和所述目标样本集合中待聚类文件的特征信息进行匹配，根据所述匹配结果对所述目标样本集合中的待聚类文件进行聚类。[0008]可选的，所述目标样本集合中待聚类文件的特征信息包括热数据和冷数据；所述将所述种子病毒文件的特征信息和所述目标样本集合中待聚类文件的特征信息进行匹配，包括：将所述种子病毒文件的特征信息和所述热数据进行匹配，若匹配不成功，则将所述种子病毒文件的特征信息和所述冷数据进行匹配。[0009]可选的，所述热数据存储于所述目标样本集合的一级存储区，所述冷数据存储于所述目标样本集合的二级存储区。[0010]可选的，所述将所述种子病毒文件的特征信息和所述目标样本集合中待聚类文件的特征信息进行匹配，包括：将所述种子病毒文件的特征信息映射为特征向量；将所述目标样本集合中待聚类文件的特征信息映射为样本向量；通过计算所述特征向量和所述样本向量的相似度，对所述特征向量和所述样本向量进行匹配。[0011]可选的，在获取新文件后，若不确定所述新文件是否为病毒文件，则将所述新文件作为待聚类文件，根据所述新文件的索引信息将所述新文件添加至对应的样本集合中；若确定所述新文件为病毒文件，则将所述新文件确定为种子病毒文件。[0012]可选的，所述索引信息包括以下任意一种或多种：文件所属的平台，文件是否为pe文件(portableexecutable，可执行文件，相对应的为非pe文件)，文件的具体类型，文件的加密壳信息。[0013]可选的，所述特征信息包括以下任意一种或多种：文件的代码特征信息、文档对象信息、节信息、访问域名信息、父子关系信息。[0014]根据本公开第二方面，提供一种病毒聚类装置，包括：信息获取模块，用于获取待聚类文件的索引信息和特征信息；集合划分模块，用于根据所述待聚类文件的索引信息，将所述待聚类文件划分为多个样本集合；目标确定模块，用于根据种子病毒文件的索引信息，在所述多个样本集合中确定所述种子病毒文件关联的目标样本集合；信息匹配模块，用于将所述种子病毒文件的特征信息和所述目标样本集合中待聚类文件的特征信息进行匹配，根据所述匹配结果对所述目标样本集合中的待聚类文件进行聚类。[0015]可选的，所述目标样本集合中待聚类文件的特征信息包括热数据和冷数据；所述信息匹配模块，用于将所述种子病毒文件的特征信息和所述热数据进行匹配，若匹配不成功，则将所述种子病毒文件的特征信息和所述冷数据进行匹配。[0016]可选的，所述热数据存储于所述目标样本集合的一级存储区，所述冷数据存储于所述目标样本集合的二级存储区。[0017]可选的，所述信息匹配模块，用于将所述种子病毒文件的特征信息映射为特征向量，将所述目标样本集合中待聚类文件的特征信息映射为样本向量，以及通过计算所述特征向量和所述样本向量的相似度，对所述特征向量和所述样本向量进行匹配。[0018]可选的，信息获取模块，还用于在获取新文件后，若不确定所述新文件是否为病毒文件，则将所述新文件作为待聚类文件，根据所述新文件的索引信息将所述新文件添加至对应的样本集合中；若确定所述新文件为病毒文件，则将所述新文件确定为种子病毒文件。[0019]可选的，所述索引信息包括以下任意一种或多种：文件所属的平台，文件是否为pe文件，文件的具体类型，文件的加密壳信息。[0020]可选的，所述特征信息包括以下任意一种或多种：文件的代码特征信息、文档对象信息、节信息、访问域名信息、父子关系信息。[0021]根据本公开的第三方面，提供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执行时实现上述任意一种病毒聚类方法。[0022]根据本公开的第四方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一种病毒聚类方法。[0023]本公开的技术方案具有以下有益效果：[0024]获取待聚类文件的索引信息和特征信息后，根据其索引信息划分为多个样本集合，再根据种子病毒文件的索引信息确定关联的目标样本集合，在目标样本集合中，将种子病毒文件和待聚类文件的特征信息进行匹配，以对待聚类文件进行病毒聚类。一方面，样本集合是根据待聚类文件的类型等做出的初步分类，病毒聚类是在样本集合的基础上进行的进一步聚类，从而对文件实现了高度细分的聚类，可以根据文件的索引信息和特征信息快速锁定文件所属的类别，确定病毒种类，并且能够追溯病毒文件的源头，有利于提高病毒检测的效率；另一方面，在每个样本集合中，待聚类文件和种子病毒文件为同一类文件，在进行两者之间特征信息的匹配时，由于数据类型、数据格式等高度相似，有利于降低匹配的运算量，特别是在处理海量的待聚类文件时，可以大大减少聚类时间，提高聚类的效率。[0025]在一种可选的方案中，通过索引信息可以将pe文件和非pe文件划分为不同的类别，并通过索引信息中的加密壳信息将采用不同种加密壳的文件划分为不同的类别，从而克服pe文件和非pe文件的数据结构差异、以及不同的加密壳所带来的干扰，提高pe文件的聚类准确性。[0026]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，并不能限制本公开。附图说明[0027]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施方式，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。[0028]图1示出了本示例性实施方式中一种病毒聚类方法的流程图；[0029]图2示出了本示例性实施方式中一种病毒聚类方法的子流程图；[0030]图3示出了本示例性实施方式中另一种病毒聚类方法的流程图；[0031]图4示出了本示例性实施方式中一种病毒聚类方法的示意图；[0032]图5示出了本示例性实施方式中一种病毒聚类装置的结构框图；[0033]图6示出了本示例性实施方式中一种用于实现上述方法的电子设备。具体实施方式[0034]现在将参考附图更全面地描述示例性实施方式。然而，示例性实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例性实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。[0035]此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。[0036]相关技术的一种方案中，采用模糊哈希算法对病毒文件进行聚类。模糊哈希的主要原理是，使用弱哈希计算文件局部内容，在特定条件下对文件进行分片，然后使用强哈希对每个分片计算哈希值，取这些哈希值的一部分连接起来，与分片条件一起构成模糊哈希结果，表现为字符串；然后基于字符串的相似性对文件进行聚类以及病毒检测。虽然，使用模糊哈希算法能够识别源文件的部分变化(包括在多处修改、增加、删除部分内容)，发现变化后的文件与源文件的相似关系，有利于病毒聚类。然而，由于pe文件编译器的编译特性，每次编译后整个pe文件的内容发生巨大变化，无法采用上述方案对pe文件进行聚类。[0037]基于上述一个或多个问题，本示例性实施方式首先提供一种病毒聚类方法。该方法可以由个人电脑等终端设备执行，例如在电脑或手机上运行杀毒程序时，执行该病毒聚类方法，也可以由企业后台的服务器执行，例如杀毒厂商的业务服务器等，在远程查杀终端设备上的病毒，或管理人员人为导入待检测文件时，执行该病毒聚类方法。需要说明的是，本示例性实施方式中所述的病毒为广义病毒，即恶意文件，指未经授权的情况下，在信息系统中安装、执行以达到不正当目的的文件(或程序)，包括病毒、特洛伊木马、蠕虫、僵尸程序、间谍程序等。[0038]图1示出了本示例性实施方式的一种方法流程，可以包括以下步骤s110～s140：[0039]步骤s110，获取待聚类文件的索引信息和特征信息。[0040]其中，待聚类文件可以是任意类型的文件，例如程序安装包、文档、图片、数据表等。[0041]索引信息是指可以表明文件类型、文件格式等文件分类特征的信息，举例而言，待聚类文件的索引信息可以包括以下任意一种或多种：待聚类文件所属的平台，如待聚类文件属于windows平台、linux平台或ios平台等；待聚类文件是否为pe文件，表示待聚类文件是pe文件还是非pe文件；待聚类文件的具体类型，如待聚类文件为文档、图片、音频或视频等，也可以包括待聚类文件的格式，如文件扩展名等；待聚类文件的加密壳信息，包括待聚类文件使用了哪种加密壳或压缩壳，例如vmp(vmprotect)、se(safeengine)等加密壳，或upx(theultimatepackerforexecutables)、aspack等压缩壳。[0042]特征信息是指可以表明文件内容、功能、逻辑等各方面特征的信息，本示例性实施方式中，特征信息可以包括索引信息以外的所有相关信息，举例而言，待聚类文件的特征信息可以包括以下任意一种或多种：待聚类文件的代码特征信息，包括代码所用的语言、代码的逻辑特征、函数特征、变量特征等；文档对象信息，包括文档中引用的对象、操作的对象、对象属性、对象方法等；节信息，可以包括pe文件中的节表数据、节数据等；访问域名信息，包括待聚类文件中包含的访问域名、访问url(uniformresourcelocator，统一资源定位符)、访问ip(internetprotocol，互联网协议地址)等；父子关系信息，是指待聚类文件和其他文件之间的从属关系。需要说明的是，特征信息既可以包括静态信息，如上述代码特征信息、文档对象信息、节信息等，也可以包括动态信息，如上述访问域名信息、父子关系信息等。[0043]本示例性实施方式中，可以事先设定索引信息和特征信息的属性，按照属性解析待聚类文件而得到上述索引信息和特征信息，其中属性的数量越多，维度越丰富，越有利于充分表征待聚类文件的内容信息，从而越有利于后续的病毒聚类。[0044]步骤s120，根据待聚类文件的索引信息，将待聚类文件划分为多个样本集合。[0045]其中，步骤s110中的待聚类文件通常是一批文件，进行批量聚类。可以将索引信息完全相同或部分相同的待聚类文件划分为一个样本集合，一个样本集合为一类待聚类文件的集合，可以根据实际需要设定聚类的粒度，例如可以将windows平台的图片文件划分为一个样本集合，也可以将windows平台的jpg(jointphotographicexpertsgroup，一种图片格式)、png(portablenetworkgraphics，一种图片格式)等图片文件分别形成各自的样本集合，本公开对此不做限定。[0046]基于索引信息对待聚类文件分类后，可以将pe文件和非pe文件分开，并且pe文件中根据其所采用的加密壳或压缩壳的种类进一步划分，对应的每个样本集合中仅包括一种壳信息的pe文件，其数据特征具有较高的相似性，避免不同壳信息之间的干扰，可以提高对pe文件聚类的准确性。[0047]步骤s130，根据种子病毒文件的索引信息，在样本集合中确定种子病毒文件关联的目标样本集合。[0048]其中，种子病毒文件是事先确定携带病毒的文件，可以作为病毒聚类的种子。本示例性实施方式中，可以按照步骤s110的方式提取种子病毒文件的索引信息和特征信息，索引信息用于确定种子病毒文件和哪个或哪些样本集合关联，即上述目标样本集合。具体而言，可以通过匹配索引信息的方式，和种子病毒文件的索引信息匹配度最高的样本集合为目标样本集合，或者匹配度高于一定阈值的多个样本集合为目标样本集合，或者在获取的种子病毒文件的索引信息不完全的情况下，也可能匹配到多个目标样本集合，本公开对此不做限定。可以认为，种子病毒文件和目标样本集合中的待聚类文件为同一类文件。[0049]步骤s140，将种子病毒文件的特征信息和目标样本集合中待聚类文件的特征信息进行匹配，根据匹配结果对目标样本集合中的待聚类文件进行聚类。[0050]本示例性实施方式中，同一个样本集合中的待聚类文件可能属于不同的病毒家族，部分待聚类文件可能并未携带病毒。基于此，可以利用种子病毒文件，对目标样本集合中的待聚类文件进一步聚类，具体而言，将种子病毒文件的特征信息与目标样本集合中每个待聚类文件的特征信息进行匹配，若匹配成功，则说明该待聚类文件与种子病毒文件属于同一病毒家族，将该待聚类文件添加至该病毒家族中。[0051]在一种可选的实施方式中，参考图2所示，步骤s140可以具体通过步骤s210～s230实现：[0052]步骤s210，将种子病毒文件的特征信息映射为特征向量；[0053]步骤s220，将目标样本集合中待聚类文件的特征信息映射为样本向量；[0054]步骤s230，通过计算特征向量和样本向量的相似度，对特征向量和样本向量进行匹配。[0055]其中，特征向量和样本向量具有相同的维度，且每个维度所代表的含义相同，可以根据特征信息的属性事先确定各向量维度；在进行向量映射时，可以将每个维度的数据进行数值化处理与规则化处理，使每个维度的数值可以直接地进行运算。种子病毒文件得到对应的特征向量，每个待聚类文件得到一个对应的样本向量。计算特征向量和样本向量的相似度可以采用余弦相似度、欧式距离、曼哈顿距离等算法，本公开对此不做限定。该相似度是种子病毒文件和待聚类文件内容相似程度的度量，可以根据经验或实际需求设定相似度阈值，若相似度高于该阈值，说明特征向量和样本向量匹配，即种子病毒文件和待聚类文件匹配。[0056]进一步的，在计算特征向量和样本向量的相似度时，也可以对每个维度的数值分别计算相似度，然后根据每个维度预设的权重，将全部维度进行加权，得到两个向量的相似度，或者先对维度进行筛选，使属性相近的多个维度适当的删减后，分维度加权计算两个向量的相似度。[0057]此外，除了计算向量相似度外，还可以考虑种子病毒文件和待聚类文件的crc(cyclicredundancycheck，循环冗余校验)差值，差值越小，说明两文件越相近，将这一因素结合向量相似度，以评估种子病毒文件和待聚类文件是否匹配。[0058]应当理解，上述种子病毒文件的数量不限于一个，可以获取多个种子病毒文件，分别按照其索引信息确定各自关联的目标样本集合，然后在各自的目标样本集合中进行聚类。如果种子病毒文件的种类较全面，可以覆盖常见的各种病毒家族或病毒类型，则可以对各个样本集合进行非常充分且精细的病毒聚类。[0059]在一种可选的实施方式中，可以循环执行上述方法过程，在获取新文件后，通过以下两种途径进行处理：[0060]若不确定新文件是否为病毒文件，则将新文件作为待聚类文件，根据新文件的索引信息将新文件添加至对应的样本集合中，将新文件的特征信息加入样本集合的数据中，特别的，若该样本集合中存在已聚类的病毒家族，则可以将新文件的特征信息与该家族中文件的特征信息进行匹配，匹配成功则加入该病毒家族，匹配不成功则作为该样本集合中的待聚类文件，等待后续聚类；[0061]若确定新文件为病毒文件，则将新文件确定为种子病毒文件，执行步骤s130和s140，对已有的样本集合做进一步聚类。[0062]其中，新文件可以是服务器接收到的需要聚类或检测病毒的文件，也可以是终端设备下载或生成的新文件，可以在每次获取新文件后立即执行上述步骤，也可以将新文件放入一队列中，周期性地对队列中的新文件执行上述步骤。通过这样的方式，可以实现病毒家族库的不断更新与扩充。[0063]在一种可选的实施方式中，可以将每个样本集合中的待聚类文件进行冷热划分，例如最近24h内获取的待聚类文件为热文件，24h前获取的待聚类文件为冷文件，或者近期读写频率较高的待聚类文件为热文件，读写频率较低的待聚类文件为冷文件，等等。在划分冷热文件后，可以进一步将热文件的特征信息作为热数据，将冷文件的特征信息作为冷数据，则每个样本集合中的数据可以分为热数据和冷数据两类。[0064]基于此，在匹配种子病毒文件的特征信息和目标样本集合中待聚类文件的特征信息时，可以先将种子病毒文件的特征信息和目标样本集合中的热数据进行匹配，若匹配不成功，再将种子病毒文件的特征信息和目标样本集合中的冷数据进行匹配。换而言之，优先匹配热数据，在匹配不成功的情况下(包括未有热数据匹配成功，或匹配成功的热数据数量较少等情况)，再继续匹配冷数据。这样可以减少匹配的运算量，进一步提高效率。[0065]进一步的，每个样本集合的热数据可以存储于样本集合的一级存储区，冷数据可以存储于样本集合的二级存储区。其中，一级存储区相比二级存储区更易于存取，由于其中的热数据读取频率较高，从一级存储区频繁进行读写的成本较低。举例而言，一级存储区可以是本地存储，二级存储区为远程存储可以是云存储，或者一级存储区可以是本地redis(一种基于内存的数据库)缓存，二级存储区可以是本地mysql(常用的关系型数据库)，等等。[0066]应当理解，还可以根据样本集合中的待聚类文件的特点设置两个以上的热度等级，对应的设置两级以上的多级存储，每一级存储用于存储对应热度等级的数据，例如一级存储为本地redis缓存，二级存储为本地mysql，三级存储为远程数据库，等等。[0067]图3示出了本示例性实施方式的一种方法流程。如图3所示，首先执行步骤s310，获取待聚类文件；然后执行步骤s320，提取待聚类文件的索引信息；再执行步骤s330，提取待聚类文件的特征信息；再执行步骤s340，根据待聚类文件的索引信息将待聚类文件划分为样本集合；然后执行步骤s350，获取种子病毒文件；再执行步骤s360，将种子病毒文件输入与其关联的样本集合；再执行步骤s370，进行匹配计算；最终执行步骤s380，根据匹配的结果进行病毒家族聚类。[0068]在上述流程中，基于种子病毒文件和样本集合的匹配计算进行病毒聚类的过程可以进一步参考图4所示：在将待聚类文件划分为样本集合后，每个样本集合配置索引数据，该索引数据为样本集合内待聚类文件的索引数据相同的部分；将种子病毒文件的索引数据与各个样本集合的索引数据进行匹配，确定其关联的目标样本集合；然后将该种子病毒文件依次和目标样本集合下的一级存储数据、二级存储数据进行匹配，其中一级存储采用本地redis缓存，二级存储采用本地mysql，计算过程通过匹配计算引擎实现，且匹配计算引擎可以分布于分布式系统中，以加速计算过程。基于图4的结构，在获取新文件后，若不确定其是否包含病毒，则根据其索引数据将其加入对应的样本集合中，若确定其包含病毒，则将其作为种子病毒文件，和样本集合进行上述匹配计算过程。通过上述处理，可以得到病毒家族聚类的结果，例如可以表现为数据表或配置文件的形式。此外，基于大量的病毒聚类与病毒查杀统计，可以根据各病毒家族的查询热度进行排序，以便于后续快速查找病毒。[0069]综上所述，本示例性实施方式中，获取待聚类文件的索引信息和特征信息后，根据其索引信息划分为多个样本集合，再根据种子病毒文件的索引信息确定关联的目标样本集合，在目标样本集合中，将种子病毒文件和待聚类文件的特征信息进行匹配，以对待聚类文件进行病毒聚类。一方面，样本集合是根据待聚类文件的类型等做出的初步分类，病毒聚类是在样本集合的基础上进行的进一步聚类，从而对文件实现了高度细分的聚类，可以根据文件的索引信息和特征信息快速锁定文件所属的类别，确定病毒种类，并且能够追溯病毒文件的源头，有利于提高病毒检测的效率；另一方面，在每个样本集合中，待聚类文件和种子病毒文件为同一类文件，在进行两者之间特征信息的匹配时，由于数据类型、数据格式等高度相似，有利于降低匹配的运算量，特别是在处理海量的待聚类文件时，可以大大减少聚类时间，提高聚类的效率；在一种可选的实施方式中，通过索引信息可以将pe文件和非pe文件划分为不同的类别，并通过索引信息中的加密壳信息将采用不同种加密壳的文件划分为不同的类别，从而克服pe文件和非pe文件的数据结构差异、以及不同的加密壳所带来的干扰，提高pe文件的聚类准确性。[0070]本公开的示例性实施方式还提供了一种病毒聚类装置。如图5所示，该病毒聚类装置500可以包括：信息获取模块510，用于获取待聚类文件的索引信息和特征信息；集合划分模块520，用于根据待聚类文件的索引信息，将待聚类文件划分为多个样本集合；目标确定模块530，用于根据种子病毒文件的索引信息，在样本集合中确定种子病毒文件关联的目标样本集合；信息匹配模块540，用于将种子病毒文件的特征信息和目标样本集合中待聚类文件的特征信息进行匹配，根据匹配结果对目标样本集合中的待聚类文件进行聚类。[0071]在一种可选的实施方式中，目标样本集合中待聚类文件的特征信息可以包括热数据和冷数据；信息匹配模块540，可以用于将种子病毒文件的特征信息和热数据进行匹配，若匹配不成功，则将种子病毒文件的特征信息和冷数据进行匹配。[0072]在一种可选的实施方式中，上述热数据可以存储于目标样本集合的一级存储区，上述冷数据可以存储于目标样本集合的二级存储区。[0073]在一种可选的实施方式中，信息匹配模块540，可以用于将种子病毒文件的特征信息映射为特征向量，将目标样本集合中待聚类文件的特征信息映射为样本向量，以及通过计算特征向量和样本向量的相似度，对特征向量和样本向量进行匹配。[0074]在一种可选的实施方式中，信息获取模块510，还可以用于在获取新文件后，若不确定新文件是否为病毒文件，则将新文件作为待聚类文件，根据新文件的索引信息将新文件添加至对应的样本集合中；若确定新文件为病毒文件，则将新文件确定为种子病毒文件。[0075]在一种可选的实施方式中，索引信息可以包括以下任意一种或多种：文件所属的平台，文件是否为可执行文件，文件的具体类型，文件的加密壳信息。[0076]在一种可选的实施方式中，特征信息可以包括以下任意一种或多种：文件的代码特征信息、文档对象信息、节信息、访问域名信息、父子关系信息。[0077]上述装置中各模块的具体细节在方法部分实施方式中已经详细说明，未披露的方案细节内容可以参见方法部分的实施方式内容，因而不再赘述。[0078]应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之，上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。[0079]本公开的示例性实施方式还提供了一种电子设备。图6示出了适于用来实现本公开实施方式的电子设备的计算机系统的结构示意图。[0080]需要说明的是，图6示出的电子设备的计算机系统600仅是一个示例，不应对本公开实施方式的功能和使用范围带来任何限制。[0081]如图6所示，计算机系统600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有系统操作所需的各种程序和数据。cpu601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。[0082]以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。[0083]特别地，根据本公开的实施方式，下文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施方式包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施方式中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(cpu)601执行时，执行本申请的方法和装置中限定的各种功能。在一些实施方式中，计算机系统600还可以包括ai(artificialintelligence，人工智能)处理器，该ai处理器用于处理有关机器学习的计算操作。[0084]需要说明的是，本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。[0085]附图中的流程图和框图，图示了按照本公开各种实施方式的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。[0086]描述于本公开实施方式中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。[0087]作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施方式中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现如下述实施方式中所述的方法。例如，该电子设备可以实现如图1至图3所示的各个步骤等。[0088]本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施方式。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本
技术领域：
：中的公知常识或惯用技术手段。说明书和实施方式仅被视为示例性的，本公开的真正范围和精神由权利要求指出。[0089]应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。当前第1页1 2 3 当前第1页1 2 3