基于区块链和移动互联网的信息流分析方法、系统及平台与流程

本申请涉及区块链及安全支付技术领域，具体而言，涉及一种基于区块链和移动互联网的信息流分析方法、系统及平台。

背景技术：

区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式，在基于区块链的支付安全验证过程中，传统方案中的防护解析规则机制通常是基于统一防护共识验证项目的支付验证度量规则进行防护的，这种防护解析规则机制难以实现精准的支付防护，从而影响支付安全性。

技术实现要素：

有鉴于此，本申请的目的在于提供一种基于区块链和移动互联网的信息流分析方法、系统及平台，通过确定由不同防护共识验证项目构成的防护执行节点序列，然后根据各个防护共识验证项目的防护标签创建用于记录各个防护共识验证项目执行防护的不同防护解析规则信息的记录动态链接库文件，在此基础上根据防护解析规则信息，配置对应的针对各个防护共识验证项目的动态度量表和支付验证度量规则，并配置到每个对应的防护共识验证项目，从而调用每个防护共识验证项目根据对应的动态度量表和支付验证度量规则执行防护数据流分析，进一步根据获得的防护信息流分析数据对记录动态链接库文件进行规则更新。如此，在支付验证过程中，可以基于多个不同的防护共识验证项目的支付验证度量规则进行防护，并且根据防护信息流分析数据不断进行规则更新，可以实现更为精准的防护解析规则机制，以便于提高支付安全性。

第一方面，本申请提供一种基于区块链和移动互联网的信息流分析方法，应用于云计算平台，所述云计算平台与区块链验证服务系统通信连接，所述区块链验证服务系统包括区块链请求响应组件以及与所述区块链请求响应组件通信连接的支付加密组件，所述方法包括：

根据经由所述区块链验证服务系统请求验证的支付安全验证请求，在对所述区块链请求响应组件所对应的支付安全验证过程进行防护的过程中，根据预先确定的防护执行节点序列中的各个防护共识验证项目的防护标签创建用于记录各个防护共识验证项目执行防护的不同防护解析规则信息的记录动态链接库文件，其中，所述防护标签用于表征所述防护共识验证项目的防护类别和防护计划；

根据所述防护解析规则信息，配置对应的针对各个防护共识验证项目的动态度量表和支付验证度量规则，并将所述动态度量表和支付验证度量规则配置到每个对应的防护共识验证项目，所述动态度量表中包括多个支付验证项目和多个度量分值，每个所述支付验证项目与单个所述度量分值关联，所述支付验证度量规则与每个支付验证项目一一对应；

调用每个对应的防护共识验证项目根据对应的所述动态度量表和支付验证度量规则在所述支付安全验证过程中对支付验证信息执行防护数据流分析，获得对应的防护信息流分析数据；

根据所述防护信息流分析数据对所述记录动态链接库文件进行规则更新。

在第一方面的一种可能的实现方式中，所述根据所述防护解析规则信息，配置对应的针对各个防护共识验证项目的动态度量表和支付验证度量规则的步骤，包括：

根据所述防护解析规则信息，确定针对每个防护共识验证项目的安全规则结构体，并根据所述安全规则结构体确定每个防护共识验证项目的安全规则标签和每个安全规则标签之间的规则关系；

以所述安全规则标签为规则路径、以所述规则关系为路径执行对象，将所述安全规则结构体构建为动态度量表空间；

根据所述动态度量表空间，提取将中心安全规则标签的中心规则路径与边缘安全规则标签中的边缘规则路径，并依次合并由所述中心规则路径与所述边缘规则路径构成的规则路径重构空间；

将每个规则路径重构空间转换为同种安全规则标签型的空间对象集合，所述空间对象包括过滤和防御两种安全规则标签型；

分析每个空间对象集合元素之间的过滤规则关系和防御规则关系，得到对应的规则关系矩阵，并对所述规则关系矩阵进行加权，以将所述空间对象集合构建成过滤级空间对象集合，其中，所述过滤规则关系是指获取每个过滤规则行为的过滤行为特征、过滤过程信息及过滤特征标识构建成该过滤规则行为的过滤验证集合，将每个过滤规则行为转化成对应的过滤验证集合的特征向量，计算各个特征向量之间的关联关系，所述防御规则关系与所述每个过滤规则行为的数据结构之间的关联关系有关；

确定所述安全规则结构体的过滤级空间对象集合中规则路径间不同安全规则标签型的规则关系权键的验证度量占位信息，并根据所述验证度量占位信息为所述安全规则结构体分配验证度量占位，得到每个验证度量占位对应的度量规则对象；

依次遍历所述过滤级空间对象集合的每个过滤级空间对象，根据过滤间的关联关系，对每个过滤级空间对象进行过滤内容提取，得到所述安全规则结构体的结构体内容，其中，所述安全规则结构体的结构体内容包括每个验证度量占位对应的度量规则对象；

根据所述安全规则结构体的结构体内容，配置对应的针对各个防护共识验证项目的动态度量表和支付验证度量规则。

在第一方面的一种可能的实现方式中，所述根据所述安全规则结构体的结构体内容，配置对应的针对各个防护共识验证项目的动态度量表和支付验证度量规则的步骤，包括：

根据所述安全规则结构体的结构体内容确定包含各个防护共识验证项目的动态度量表的动态度量特征序列和包含各个防护共识验证项目的度量规则对象的度量规则特征序列；

使用第一配置组件、利用第一信息配置脚本进行生成的、与所述支付验证度量规则的度量规则特征序列对应的支付验证度量规则以及利用所述各个防护共识验证项目的动态度量表的动态度量特征序列、采用第二信息配置脚本对所述第一配置组件进行生成处理而获得第二配置组件；其中，所述第一配置组件为用于对所述支付验证度量规则进行生成处理的规则配置组件，所述第二配置组件为对利用所述各个防护共识验证项目的动态度量表的动态度量特征序列对所述第一配置组件进行生成处理得到的配置组件；

其中，所述云计算平台预先使用第一配置组件和第一信息配置脚本对支付验证度量规则进行生成处理，并利用各个防护共识验证项目的动态度量表的动态度量特征序列对第一配置组件进行生成处理生成第二配置组件，并向所述各个防护共识验证项目的动态度量表中填入生成处理后的支付验证度量规则以及所述第二配置组件，其中，相同的支付验证度量规则对应同一第一配置组件，不同的支付验证度量规则对应不同的第一配置组件，不同的各个防护共识验证项目的动态度量表对应不同的第二配置组件。

在第一方面的一种可能的实现方式中，所述调用每个对应的防护共识验证项目根据对应的所述动态度量表和支付验证度量规则在所述支付安全验证过程中对支付验证信息执行防护数据流分析，获得对应的防护信息流分析数据的步骤，包括：

调用每个对应的防护共识验证项目根据对应的所述动态度量表和支付验证度量规则，设置支付安全验证过程的规则匹配对象信息；

基于所述支付安全验证过程的规则匹配对象信息中的每个规则匹配对象依次对所述支付验证信息执行防护数据流分析，获得对应的防护信息流分析数据。

在第一方面的一种可能的实现方式中，所述根据所述防护信息流分析数据对所述记录动态链接库文件进行规则更新的步骤，包括：

根据所述防护信息流分析数据，分析每个防护共识验证项目执行防护过程中的进程阻隔信息和安全内核调用信息，构建规则更新模型；

获取所述规则更新模型的每个规则更新对象，根据所述规则更新对象的规则更新数据对所述记录动态链接库文件执行规则更新处理操作。

在第一方面的一种可能的实现方式中，所述根据所述规则更新对象的规则更新数据对所述记录动态链接库文件执行规则更新处理操作的步骤，包括：

从所述规则更新对象中确定更新规则所在支付验证项目的更新路径信息；

调用所述规则更新模型获取支付验证项目区域在所述记录动态链接库文件中的更新路径信息，并从规则更新模型中查找对应的规则更新策略；

将所述所在支付验证项目的更新路径信息与支付验证项目区域在所述记录动态链接库文件中的更新路径信息，分别进行融合处理并作为更新路径参数，调用所述规则更新策略执行规则更新处理操作，其中，所述规则更新策略中包括每个更新路径对应的更新规则配置信息。

在第一方面的一种可能的实现方式中，所述预先确定的防护执行节点序列通过以下步骤获得：

获取分布式账本在每个已完成交易的账本分布区间内的支付响应大数据信息，其中，所述支付响应大数据信息通过所述分布式账本的区块链验证服务系统中的所述支付加密组件对所述区块链请求响应组件进行加密完成后得到，所述支付响应大数据信息包括支付响应对象以及每个支付响应对象所对应的支付账本信息集合，所述支付响应对象用于表征共识支付验证过程中每次产生的验证对象，所述支付账本信息集合用于记录相应的支付响应对象下的共识支付验证数据；

根据所述分布式账本在每个已完成交易的账本分布区间内的支付响应大数据信息以及每个支付响应对象所对应的预设共识规则标签，配置得到对应的安全识别人工智能模型；

根据所述安全识别人工智能模型对所述分布式账本在预设时间段内的各个支付响应对象下的支付响应数据信息进行安全识别，得到所述分布式账本在所述预设时间段内各个支付响应对象所对应的支付账本信息集合的共识预测规则；

根据所述各个支付响应对象所对应的支付账本信息集合的共识预测规则与预定共识规则标签之间的对比关系，生成至少一个安全防护更新脚本以及每个安全防护更新脚本所对应的防护执行节点序列，所述防护执行节点序列包括多个防护共识验证项目以及每个防护共识验证项目所对应的节点序列。

在第一方面的一种可能的实现方式中，所述根据所述各个支付响应对象所对应的支付账本信息集合的共识预测规则与预定共识规则标签之间的对比关系，生成至少一个安全防护更新脚本以及每个安全防护更新脚本所对应的防护执行节点序列的步骤，包括：

对比所述各个支付响应对象所对应的支付账本信息集合的共识预测规则与预定共识规则标签是否不同，并根据对比结果获取与预定共识规则标签不同的目标共识预测规则以及与所述目标共识预测规则对应的支付响应对象；

按照预定的共识支付验证策略对所述目标共识预测规则以及与所述目标共识预测规则对应的支付响应对象进行模拟验证，分别生成每个共识支付验证策略的支付验证策略结果信息；

根据所述每个共识支付验证策略的支付验证策略结果信息生成至少一个安全防护更新脚本以及每个安全防护更新脚本所对应的防护执行节点序列。

在第一方面的一种可能的实现方式中，所述按照预定的共识支付验证策略对所述目标共识预测规则以及与所述目标共识预测规则对应的支付响应对象进行模拟验证，分别生成每个共识支付验证策略的支付验证策略结果信息的步骤，包括：

获取每个预定的共识支付验证策略所对应的预设签名验证单位，形成每个预定的共识支付验证策略的签名验证单位序列，并根据每种共识支付验证策略所对应的预设单位数量阈值，从所述签名验证单位序列中选取排序靠前的目标签名验证单位，以得到每个预定的共识支付验证策略所对应的目标签名验证单位；

对所述各个支付响应对象所对应的支付账本信息集合的共识预测规则与每个预定的共识支付验证策略所对应的目标签名验证单位进行匹配，并根据匹配结果确定与每个预定的共识支付验证策略匹配的共识预测规则，以生成每个共识支付验证策略的支付验证策略结果信息。

第二方面，本申请实施例还提供一种基于区块链和移动互联网的信息流分析装置，应用于云计算平台，所述云计算平台与区块链验证服务系统通信连接，所述区块链验证服务系统包括区块链请求响应组件以及与所述区块链请求响应组件通信连接的支付加密组件，所述装置包括：

创建模块，用于根据经由所述区块链验证服务系统请求验证的支付安全验证请求，在对所述区块链请求响应组件所对应的支付安全验证过程进行防护的过程中，根据预先确定的防护执行节点序列中的各个防护共识验证项目的防护标签创建用于记录各个防护共识验证项目执行防护的不同防护解析规则信息的记录动态链接库文件，其中，所述防护标签用于表征所述防护共识验证项目的防护类别和防护计划；

配置模块，用于根据所述防护解析规则信息，配置对应的针对各个防护共识验证项目的动态度量表和支付验证度量规则，并将所述动态度量表和支付验证度量规则配置到每个对应的防护共识验证项目，所述动态度量表中包括多个支付验证项目和多个度量分值，每个所述支付验证项目与单个所述度量分值关联，所述支付验证度量规则与每个支付验证项目一一对应；

调用模块，用于调用每个对应的防护共识验证项目根据对应的所述动态度量表和支付验证度量规则在所述支付安全验证过程中对支付验证信息执行防护数据流分析，获得对应的防护信息流分析数据；

更新模块，用于根据所述防护信息流分析数据对所述记录动态链接库文件进行规则更新。

第三方面，本申请实施例还提供一种基于区块链和移动互联网的信息流分析系统，所述基于区块链和移动互联网的信息流分析系统包括云计算平台以及与所述云计算平台通信连接的区块链验证服务系统，所述区块链验证服务系统包括区块链请求响应组件以及与所述区块链请求响应组件通信连接的支付加密组件；

所述云计算平台用于根据经由所述区块链验证服务系统请求验证的支付安全验证请求，在对所述区块链请求响应组件所对应的支付安全验证过程进行防护的过程中，根据预先确定的防护执行节点序列中的各个防护共识验证项目的防护标签创建用于记录各个防护共识验证项目执行防护的不同防护解析规则信息的记录动态链接库文件，其中，所述防护标签用于表征所述防护共识验证项目的防护类别和防护计划；

所述云计算平台用于根据所述防护解析规则信息，配置对应的针对各个防护共识验证项目的动态度量表和支付验证度量规则，并将所述动态度量表和支付验证度量规则配置到每个对应的防护共识验证项目，所述动态度量表中包括多个支付验证项目和多个度量分值，每个所述支付验证项目与单个所述度量分值关联，所述支付验证度量规则与每个支付验证项目一一对应；

所述云计算平台用于调用每个对应的防护共识验证项目根据对应的所述动态度量表和支付验证度量规则在所述支付安全验证过程中对支付验证信息执行防护数据流分析，获得对应的防护信息流分析数据；

所述云计算平台用于根据所述防护信息流分析数据对所述记录动态链接库文件进行规则更新。

第四方面，本申请实施例还提供一种云计算平台，所述云计算平台包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连，所述网络接口用于与至少一个基于区块链和移动互联网的信息流分析系统通信连接，所述机器可读存储介质用于存储程序、命令或代码，所述处理器用于执行所述机器可读存储介质中的程序、命令或代码，以执行第一方面或者第一方面中任意一个可能的实现方式中的基于区块链和移动互联网的信息流分析方法。

第五方面，本申请实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有命令，当其在计算机上检测时，使得计算机执行上述第一方面或者第一方面中任意一个可能的实现方式中的基于区块链和移动互联网的信息流分析方法。

根据上述任意一个方面，本申请根据各个防护共识验证项目的防护标签创建用于记录各个防护共识验证项目执行防护的不同防护解析规则信息的记录动态链接库文件，在此基础上根据防护解析规则信息，配置对应的针对各个防护共识验证项目的动态度量表和支付验证度量规则，并配置到每个对应的防护共识验证项目，从而调用每个防护共识验证项目根据对应的动态度量表和支付验证度量规则执行防护数据流分析，进一步根据获得的防护信息流分析数据对记录动态链接库文件进行规则更新。如此，在支付验证过程中，可以基于多个不同的防护共识验证项目的支付验证度量规则进行防护，并且根据防护信息流分析数据不断进行规则更新，可以实现更为精准的防护解析规则机制，以便于提高支付安全性。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本申请实施例提供的基于区块链和移动互联网的信息流分析系统的应用场景示意图；

图2为本申请实施例提供的基于区块链和移动互联网的信息流分析方法的流程示意图；

图3为本申请实施例提供的基于区块链和移动互联网的信息流分析装置的功能模块示意图；

图4为本申请实施例提供的用于实现上述的基于区块链和移动互联网的信息流分析方法的云计算平台的结构示意框图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是本发明一种实施例提供的基于区块链和移动互联网的信息流分析系统10的交互示意图。基于区块链和移动互联网的信息流分析系统10可以包括云计算平台100以及与云计算平台100通信连接的区块链验证服务系统200。图1所示的基于区块链和移动互联网的信息流分析系统10仅为一种可行的示例，在其它可行的实施例中，该基于区块链和移动互联网的信息流分析系统10也可以仅包括图1所示组成部分的其中一部分或者还可以包括其它的组成部分。

本实施例中，基于区块链和移动互联网的信息流分析系统10中的云计算平台100和区块链验证服务系统200可以通过配合执行以下方法实施例所描述的基于区块链和移动互联网的信息流分析方法，具体云计算平台100和区块链验证服务系统200的执行步骤部分可以参照以下方法实施例的详细描述。

本实施例中，所述区块链验证服务系统200具体可以包括区块链请求响应组件以及与所述区块链请求响应组件通信连接的支付加密组件，区块链请求响应组件可以用于记录支付验证过程中的支付响应大防护信息流分析数据，支付加密组件可以用于对所述区块链请求响应组件的支付响应过程中的相关安全信息进行加密，并可对支付安全验证过程进行防护，本实施例在此不作具体限定。

为了解决前述背景技术中的技术问题，图2为本发明实施例提供的基于区块链和移动互联网的信息流分析方法的流程示意图，本实施例提供的基于区块链和移动互联网的信息流分析方法可以由图1中所示的云计算平台100执行，下面对该基于区块链和移动互联网的信息流分析方法进行详细介绍。

步骤s110，根据经由区块链验证服务系统200请求验证的支付安全验证请求，在对区块链请求响应组件所对应的支付安全验证过程进行防护的过程中，根据预先确定的防护执行节点序列中的各个防护共识验证项目的防护标签创建用于记录各个防护共识验证项目执行防护的不同防护解析规则信息的记录动态链接库文件。

步骤s120，根据防护解析规则信息，配置对应的针对各个防护共识验证项目的动态度量表和支付验证度量规则，并将动态度量表和支付验证度量规则配置到每个对应的防护共识验证项目。

步骤s130，调用每个对应的防护共识验证项目根据对应的动态度量表和支付验证度量规则在支付安全验证过程中对支付验证信息执行防护数据流分析，获得对应的防护信息流分析数据。

步骤s140，根据防护信息流分析数据对记录动态链接库文件进行规则更新。

本实施例中，在移动互联网的支付过程中，终端可以通过区块链验证服务系统200向云计算平台100发送支付安全验证请求，云计算平台100可以根据经由区块链验证服务系统200请求验证的支付安全验证请求，检测区块链请求响应组件所对应的支付安全验证过程的防护过程。

其中，防护执行节点序列可以包括多个防护共识验证项目以及每个防护共识验证项目所对应的节点序列，这些节点序列中可以以时间轴为方向，以单位时间为一个防护单位形成一个控制命令以用于后续支付验证过程。防护执行节点序列中的各个防护共识验证项目可以由云计算平台100预先进行确定，例如可以基于人工智能的智能识别方式进行确定，具体将在后续实施例中进行详细描述。防护共识验证项目可以是指共识规则所预先确定的防护验证内容，详细的防护验证内容可以预先根据防护的需求进行灵活选定，其具体的内容选择不是本发明旨在解决的技术问题，在此不作赘述。

在此过程中，每个防护共识验证项目的防护标签可以用于表示该防护共识验证项目所对应的防护验证过程或者防护验证类型，云计算平台200可以预先配置不同防护验证过程或者防护验证类型的防护解析规则信息。由此，可以基于这些配置信息中，不同防护验证过程或者防护验证类型与防护解析规则信息之间的对应关系，分别创建用于记录各个防护共识验证项目执行防护的不同防护解析规则信息的记录动态链接库文件。即，记录动态链接库文件包括各个防护共识验证项目执行防护的不同防护解析规则信息。

本实施例中，动态度量表中可以包括多个支付验证项目和多个度量分值，每个支付验证项目与单个度量分值关联，支付验证度量规则与每个支付验证项目一一对应。其中，支付验证项目可以是但不限于支付环境验证项目、支付应用程序验证项目等，在此不作具体限制，度量分值可以用于表征该支付验证项目所对应的安全等级。

基于上述设计，本实施例根据各个防护共识验证项目的防护标签创建用于记录各自执行防护的不同防护解析规则信息的记录动态链接库文件，在此基础上根据防护解析规则信息，配置对应的针对各个防护共识验证项目的动态度量表和支付验证度量规则，并配置到每个对应的防护共识验证项目，由此执行防护数据流分析，进一步根据获得的防护信息流分析数据对记录动态链接库文件进行规则更新。如此，在支付验证过程中，可以基于多个不同的防护共识验证项目的支付验证度量规则进行防护，并且根据防护信息流分析数据不断进行规则更新，可以实现更为精准的防护解析规则机制，以便于提高支付安全性。

在一种可能的实现方式中，对于步骤s110而言，该预先确定的防护执行节点序列通过以下具体的子步骤来实现，详细描述如下。

步骤s111，获取分布式账本在每个已完成交易的账本分布区间内的支付响应大数据信息。

步骤s112，根据分布式账本在每个已完成交易的账本分布区间内的支付响应大数据信息以及每个支付响应对象所对应的预设共识规则标签，配置得到对应的安全识别人工智能模型。

步骤s113，根据安全识别人工智能模型对分布式账本在预设时间段内的各个支付响应对象下的支付响应数据信息进行安全识别，得到分布式账本在预设时间段内各个支付响应对象所对应的支付账本信息集合的共识预测规则。

步骤s114，根据各个支付响应对象所对应的支付账本信息集合的共识预测规则，生成至少一个安全防护更新脚本以及每个安全防护更新脚本所对应的防护执行节点序列。

本实施例中，云计算平台100可以为分布式账本提供其在不同账本分布区间内的支付响应大数据信息，分布式账本可以灵活选择一部分或者全部账本分布区间内的支付响应大数据信息进行完成交易，这样云计算平台100即可获取到分布式账本在每个已完成交易的账本分布区间内的支付响应大数据信息。

本实施例中，支付响应大数据信息可以通过分布式账本的区块链验证服务系统200中的支付加密组件对区块链请求响应组件进行加密完成后得到。作为一种可能的示例，支付响应大数据信息可以包括支付响应对象以及每个支付响应对象所对应的支付账本信息集合，支付响应对象用于表征共识支付验证过程中每次产生的验证对象（例如用户生物特征验证、用户支付环境验证等行为），支付账本信息集合可以用于记录相应的支付响应对象下的共识支付验证数据，例如，每个支付响应对象通常会持续一定的时间，在此时间段内可以以每个节点（例如一次验证行为）为一个记录点记录相应的支付响应对象下的共识支付验证数据，并进行汇总后得到支付账本信息集合。

本实施例中，预设共识规则标签可以用于表征每个支付响应对象所对应的共识支付验证的类型，例如可以是工作量证明机制、权益证明机制、股份授权证明机制等，另外可以根据历史使用情况来设置分布式账本的每个支付响应对象所对应的预设共识规则标签，并上传到云计算平台100中进行记录。

基于上述设计，本实施例可以通过智能学习分布式账本在每个已完成交易的账本分布区间内的支付响应大数据信息以及每个支付响应对象所对应的预设共识规则标签，能够很好地学习到分布式账本的支付安全特点，以便于后续为在智能支付过程中提供符合支付安全特点的安全防护更新脚本从而进行安全防护，由此通过共识预测规则的安全识别和对比，提高后续区块链支付过程中的安全性。

在一种可能的实现方式中，针对步骤s112，为了提高学习控制效果，避免噪声学习的引入，可以通过以下示例性的子步骤来实现，详细描述如下。

子步骤s1121，提取每个支付响应对象所对应的支付账本信息集合的交易协议特征信息。

子步骤s1122，以交易协议特征信息作为待生成模型的输入特征，将交易协议特征信息输入到待生成模型中，通过待生成模型解析交易协议特征信息在交易协议类别内的可学习特征，可学习特征包括可学习特征区间段集合。

在此基础上，考虑到可学习特征区间段集合通常是由一些标识符分隔开的，由此可以执行：

子步骤s1123，按照预设标记（例如分号、顿号等）对可学习特征区间段集合进行分割，得到多个学习分割特征，并根据可学习特征所对应的特征向量确定多个第一更新命令内容。

其中，值得说明的是，上述的多个第一更新命令内容分别为多个学习分割特征在待生成模型中学习控制的更新命令内容，待生成模型用于学习多个可学习特征区间段集合进行分割处理之后的学习分割特征，以及分割处理后的各个学习分割特征在待生成模型中映射的更新命令内容，多个可学习特征区间段集合为在交易协议类别内获取到的多个可学习特征所包括的可学习特征区间段集合。此外还需要说明的是，第一更新命令内容根据特征向量所表征的特征参数类型以及不同特征参数类型所对应的预设更新命令内容得到。

子步骤s1124，按照多个第一更新命令内容中的每个第一更新命令内容从高收敛度到低收敛度的顺序，对多个第一更新命令内容进行排序，得到更新命令内容序列。

子步骤s1125，基于预设相似比例阈值和更新命令内容序列，确定多个学习分割特征中的学习分割特征在待生成模型中映射的更新命令内容。

其中，值得说明的是，预设相似比例阈值用于指示可学习特征区间段集合与交易协议类别内获取的可学习特征区间段集合相似部分在可学习特征区间段集合中所占的比例。

子步骤s1126，当学习分割特征在待生成模型中映射的更新命令内容匹配预设更新命令内容时，确定可学习特征为目标可学习特征，当确定该可学习特征为目标可学习特征时，对于多个第一更新命令内容中的每个第一更新命令内容，根据第一更新命令内容控制待生成模型学习在交易协议类别内获得的多个可学习特征区间段集合进行分割处理之后的学习分割特征，以及分割处理后的各个学习分割特征在待生成模型中映射的更新命令内容，并在学习控制之后生成对应的预测共识规则。

子步骤s1127，根据每个支付响应对象的预测共识规则和每个支付响应对象所对应的预设共识规则标签更新待生成模型的更新命令内容。

需要说明的是，可以设置更新迭代次数，当更新迭代次数达到设定次数时，表明待生成模型学习控制完毕，由此输出学习控制完成的安全识别人工智能模型。

在一种可能的实现方式中，在以上子步骤s1121过程中，为了使得提取出的交易协议特征信息能够有效涉及到不同数据特征的关联性，以提高后续的学习控制效果，该子步骤s1121可以通过以下的示例性子步骤实现，详细描述如下。

（1）在支付账本信息集合的每个数据项目的共识支付验证数据中，确定与支付响应对象相对应的共识规则标签所关联的规则签名向量，然后针对每个共识支付验证数据中规则签名向量上的每个签名验证单位的单元规则信息，根据每个签名验证单位的单元规则信息，确定每个共识支付验证数据的规则签名向量覆盖度，并根据每个共识支付验证数据的规则签名向量覆盖度，确定每个共识支付验证数据的置信规则签名向量覆盖度。

（2）按照置信规则签名向量覆盖度从高到低的顺序，对共识支付验证数据进行排序，根据预先设定的特征数量，选取排位在前的特征数量的共识支付验证数据作为支付账本信息集合的交易协议特征信息。

其中，签名验证单位的单元规则信息可以包括签名验证单位的数量、排列号和特征值中的至少一种。接下来本实施例将给出几种可能的示例以确定每个共识支付验证数据的规则签名向量覆盖度。

例如，如果签名验证单位的单元规则信息包括签名验证单位的数量，那么针对每个共识支付验证数据，根据该共识支付验证数据中的关联的各个规则签名向量上的签名验证单位的数量之和，确定关联的各个规则签名向量对应的第一规则签名向量覆盖度，并根据关联的各个规则签名向量对应的第一规则签名向量覆盖度的和，确定共识支付验证数据的规则签名向量覆盖度，其中，数量之和越大，第一规则签名向量覆盖度越大。

又例如，如果签名验证单位的单元规则信息包括签名验证单位的排列号，那么针对每个共识支付验证数据，可以根据该共识支付验证数据中的每个规则签名向量上的签名验证单位的排列号，确定每个规则签名向量上的由相邻两个签名验证单位确定的最大签名验证区间和最小签名验证区间，根据每个规则签名向量上的最大签名验证区间与最小签名验证区间的比值是否小于预设的阈值，确定每个规则签名向量对应的第二规则签名向量覆盖度，根据每个规则签名向量对应的第二规则签名向量覆盖度的和，确定共识支付验证数据的规则签名向量覆盖度，其中，比值小于预设的阈值时对应的第二规则签名向量覆盖度较比值大于设定的阈值时对应的第二规则签名向量覆盖度大。

又例如，可以针对每个共识支付验证数据中的每个规则签名向量，根据该规则签名向量上的签名验证单位的排列号，确定该规则签名向量上的签名验证单位的平均排列号点，并根据关联的各个规则签名向量上的平均排列号点的关系，确定关联的各个规则签名向量对应的位点构成序列，根据该位点构成序列和共识支付验证数据的数据所对应时间的序列的顺序关联度，确定关联的各个规则签名向量对应的第三规则签名向量覆盖度，并根据关联的各个规则签名向量对应的第三规则签名向量覆盖度的和，确定共识支付验证数据的规则签名向量覆盖度，其中，顺序关联度越大，第三规则签名向量覆盖度越大，共识支付验证数据的数据所对应时间的序列为共识支付验证数据沿正向时间轴构成的序列。

再例如，针对每个共识支付验证数据中的每个规则签名向量，根据该规则签名向量上的签名验证单位的排列号，确定该规则签名向量上的签名验证单位的平均排列号点，并确定每相邻三个规则签名向量中任意两个规则签名向量上的平均排列号点的中间排列号点，同时确定剩余一个规则签名向量上的平均排列号点与该中间排列号点的匹配程度。

（3）根据匹配程度，确定每相邻三个规则签名向量的重合度，其中，匹配程度越大重合度越高，或确定每相邻三个规则签名向量中相邻两个规则签名向量上的平均排列号点的中间排列号点，根据两个中间排列号点的顺序关联度，确定每相邻三个规则签名向量的重合度以确定每相邻三个规则签名向量对应的第四规则签名向量覆盖度，其中，顺序关联度越大重合度越高。

（4）根据每相邻三个规则签名向量对应的第四规则签名向量覆盖度的和，确定共识支付验证数据的规则签名向量覆盖度，其中，重合度越高，第四规则签名向量覆盖度越大。

（5）或者在另一种情况中，如果签名验证单位的单元规则信息包括签名验证单位的特征值，那么针对每个共识支付验证数据，根据该共识支付验证数据中的每个规则签名向量上的签名验证单位的特征值，确定每个规则签名向量上的第一个签名验证单位和最后一个签名验证单位的特征值变化特征，根据特征值变化特征是否满足预设的特征变化规则，确定每个规则签名向量对应的第五规则签名向量覆盖度，根据每个规则签名向量对应的第五规则签名向量覆盖度的和，确定共识支付验证数据的规则签名向量覆盖度，其中，满足预设的特征变化规则时对应的第五规则签名向量覆盖度较不满足预设的特征变化规则时对应的第五规则签名向量覆盖度大。

再例如，针对每个共识支付验证数据，根据该共识支付验证数据中的每个规则签名向量上的签名验证单位的特征值，确定每个规则签名向量上的签名验证单位的梯度值，根据每个规则签名向量上的签名验证单位的梯度值的绝对值的平均值，确定每个规则签名向量对应的第六规则签名向量覆盖度，根据每个规则签名向量对应的第六规则签名向量覆盖度的和，确定共识支付验证数据的规则签名向量覆盖度，其中，该平均值越大，第六规则签名向量覆盖度越大。

在一种可能的实现方式中，针对步骤s113而言，训练获得的安全识别人工智能模型可以具有共识预测规则的分类能力，通过对分布式账本在预设时间段内的各个支付响应对象下的支付响应数据信息进行安全识别，可以得到分布式账本在预设时间段内各个支付响应对象所对应的支付账本信息集合在每个标定共识预测规则下的置信度，然后选择置信度最大的标定共识预测规则作为最终的共识预测规则。

在一种可能的实现方式中，进一步针对步骤s114，可以通过以下的示例性子步骤实现，详细描述如下。

子步骤s1141，对比各个支付响应对象所对应的支付账本信息集合的共识预测规则与预定共识规则标签是否不同，并根据对比结果获取与预定共识规则标签不同的目标共识预测规则以及与目标共识预测规则对应的支付响应对象。

本实施例中，对于与预定共识规则标签不同的目标共识预测规则，可以理解为可能存在支付安全的篡改风险，因此可以获取与预定共识规则标签不同的目标共识预测规则以及与目标共识预测规则对应的支付响应对象，以便于后续的防护配置处理。

子步骤s1142，按照预定的共识支付验证策略对目标共识预测规则以及与目标共识预测规则对应的支付响应对象进行模拟验证，分别生成每个共识支付验证策略的支付验证策略结果信息。

子步骤s1143，根据每个共识支付验证策略的支付验证策略结果信息生成至少一个安全防护更新脚本以及每个安全防护更新脚本所对应的防护执行节点序列。

示例性地，在子步骤s1142中，可以获取每个预定的共识支付验证策略所对应的预设签名验证单位，形成每个预定的共识支付验证策略的签名验证单位序列，并根据每种共识支付验证策略所对应的预设单位数量阈值，从所述签名验证单位序列中选取排序靠前的目标签名验证单位，以得到每个预定的共识支付验证策略所对应的目标签名验证单位。然后，对所述各个支付响应对象所对应的支付账本信息集合的共识预测规则与每个预定的共识支付验证策略所对应的目标签名验证单位进行匹配，并根据匹配结果确定与每个预定的共识支付验证策略匹配的共识预测规则，以生成每个共识支付验证策略的支付验证策略结果信息。

在一种可能的实现方式中，针对步骤s120而言，为了全面配置对应的针对各个防护共识验证项目的动态度量表和支付验证度量规则，可以通过以下的示例性子步骤实现，详细描述如下。

子步骤s121，根据防护解析规则信息，确定针对每个防护共识验证项目的安全规则结构体，并根据安全规则结构体确定每个防护共识验证项目的安全规则标签和每个安全规则标签之间的规则关系。

本实施例中，每个防护共识验证项目的安全规则标签和每个安全规则标签之间的规则关系可以记录于所述安全规则结构体中的头信息以外的数据段中，头信息中的索引标识可以用于索引查找每个防护共识验证项目的安全规则标签和每个安全规则标签之间的规则关系。

子步骤s122，以安全规则标签为规则路径、以规则关系为路径执行对象，将安全规则结构体构建为动态度量表空间。

例如，动态度量表空间可以是以安全规则标签为规则路径，并且以规则关系为路径执行对象的维度空间，此时通过解析安全规则结构体中的安全规则标签和对应的规则关系，即可构建为动态度量表空间。

子步骤s123，根据动态度量表空间，提取将中心安全规则标签的中心规则路径与边缘安全规则标签中的边缘规则路径，并依次合并由中心规则路径与边缘规则路径构成的规则路径重构空间。

本实施例中，中心安全规则标签的中心规则路径可以是指全局性的安全规则标签的规则路径，而边缘安全规则标签中的边缘规则路径可以是指全局性以外的安全规则标签的规则路径。

子步骤s124，将每个规则路径重构空间转换为同种安全规则标签型的空间对象集合，空间对象包括过滤和防御两种安全规则标签型。

子步骤s125，分析每个空间对象集合元素之间的过滤规则关系和防御规则关系，得到对应的规则关系矩阵，并对规则关系矩阵进行加权，以将空间对象集合构建成过滤级空间对象集合。

本实施例中，过滤规则关系可以是指获取每个过滤规则行为的过滤行为特征、过滤过程信息及过滤特征标识构建成该过滤规则行为的过滤验证集合，将每个过滤规则行为转化成对应的过滤验证集合的特征向量，计算各个特征向量之间的关联关系，防御规则关系与每个过滤规则行为的数据结构之间的关联关系有关。

子步骤s126，确定安全规则结构体的过滤级空间对象集合中规则路径间不同安全规则标签型的规则关系权键的验证度量占位信息，并根据验证度量占位信息为安全规则结构体分配验证度量占位，得到每个验证度量占位对应的度量规则对象。

子步骤s127，依次遍历过滤级空间对象集合的每个过滤级空间对象，根据过滤间的关联关系，对每个过滤级空间对象进行过滤内容提取，得到安全规则结构体的结构体内容。

本实施例中，安全规则结构体的结构体内容包括每个验证度量占位对应的度量规则对象。

子步骤s128，根据安全规则结构体的结构体内容，配置对应的针对各个防护共识验证项目的动态度量表和支付验证度量规则。

示例性地，在子步骤s128中，可以通过以下具体的实施方式来实现，详细描述如下。

（1）根据安全规则结构体的结构体内容确定包含各个防护共识验证项目的动态度量表的动态度量特征序列和包含各个防护共识验证项目的度量规则对象的度量规则特征序列。

（2）使用第一配置组件、利用第一信息配置脚本进行生成的、与支付验证度量规则的度量规则特征序列对应的支付验证度量规则以及利用各个防护共识验证项目的动态度量表的动态度量特征序列、采用第二信息配置脚本对第一配置组件进行生成处理而获得第二配置组件。

本实施例中，第一配置组件为用于对支付验证度量规则进行生成处理的规则配置组件，第二配置组件为对利用各个防护共识验证项目的动态度量表的动态度量特征序列对第一配置组件进行生成处理得到的配置组件。

本实施例中，云计算平台100可以预先使用第一配置组件和第一信息配置脚本对支付验证度量规则进行生成处理，并利用各个防护共识验证项目的动态度量表的动态度量特征序列对第一配置组件进行生成处理生成第二配置组件，并向各个防护共识验证项目的动态度量表中填入生成处理后的支付验证度量规则以及第二配置组件。

其中，相同的支付验证度量规则对应同一第一配置组件，不同的支付验证度量规则对应不同的第一配置组件，不同的各个防护共识验证项目的动态度量表对应不同的第二配置组件。

在一种可能的实现方式中，针对步骤s130而言，可以通过以下的示例性子步骤实现，详细描述如下。

子步骤s131，调用每个对应的防护共识验证项目根据对应的动态度量表和支付验证度量规则，设置支付安全验证过程的规则匹配对象信息。

子步骤s132，基于支付安全验证过程的规则匹配对象信息中的每个规则匹配对象依次对支付验证信息执行防护数据流分析，获得对应的防护信息流分析数据。

在一种可能的实现方式中，针对步骤s140而言，可以通过以下的示例性子步骤实现，详细描述如下。

子步骤s141，根据防护信息流分析数据，分析每个防护共识验证项目执行防护过程中的进程阻隔信息和安全内核调用信息，构建规则更新模型。

子步骤s142，获取规则更新模型的每个规则更新对象，根据规则更新对象的规则更新数据对记录动态链接库文件执行规则更新处理操作。

示例性地，子步骤s142中，可以从规则更新对象中确定更新规则所在支付验证项目的更新路径信息，然后调用规则更新模型获取支付验证项目区域在记录动态链接库文件中的更新路径信息，并从规则更新模型中查找对应的规则更新策略。由此，可以将所在支付验证项目的更新路径信息与支付验证项目区域在记录动态链接库文件中的更新路径信息，分别进行融合处理并作为更新路径参数，调用规则更新策略执行规则更新处理操作。

其中，值得说明的是，规则更新策略中包括每个更新路径对应的更新规则配置信息。如此，根据防护信息流分析数据不断进行规则更新，可以实现更为精准的防护解析规则机制，以便于提高支付安全性。

图3为本申请实施例提供的基于区块链和移动互联网的信息流分析装置300的功能模块示意图，本实施例可以根据上述云计算平台100执行的方法实施例对该基于区块链和移动互联网的信息流分析装置300进行功能模块的划分。例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。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。需要说明的是，本申请中对模块的划分是示意性的，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。比如，在采用对应各个功能划分各个功能模块的情况下，图3示出的基于区块链和移动互联网的信息流分析装置300只是一种装置示意图。其中，基于区块链和移动互联网的信息流分析装置300可以包括创建模块310、配置模块320、调用模块330以及更新模块340，下面分别对该基于区块链和移动互联网的信息流分析装置300的各个功能模块的功能进行详细阐述。

创建模块310，用于根据经由区块链验证服务系统200请求验证的支付安全验证请求，在对区块链请求响应组件所对应的支付安全验证过程进行防护的过程中，根据预先确定的防护执行节点序列中的各个防护共识验证项目的防护标签创建用于记录各个防护共识验证项目执行防护的不同防护解析规则信息的记录动态链接库文件，其中，防护标签用于表征防护共识验证项目的防护类别和防护计划。其中，创建模块310可以用于执行上述的步骤s110，关于创建模块310的详细实现方式可以参照上述针对步骤s110的详细描述即可。

配置模块320，用于根据防护解析规则信息，配置对应的针对各个防护共识验证项目的动态度量表和支付验证度量规则，并将动态度量表和支付验证度量规则配置到每个对应的防护共识验证项目，动态度量表中包括多个支付验证项目和多个度量分值，每个支付验证项目与单个度量分值关联，支付验证度量规则与每个支付验证项目一一对应。其中，配置模块320可以用于执行上述的步骤s120，关于配置模块320的详细实现方式可以参照上述针对步骤s120的详细描述即可。

调用模块330，用于调用每个对应的防护共识验证项目根据对应的动态度量表和支付验证度量规则在支付安全验证过程中对支付验证信息执行防护数据流分析，获得对应的防护信息流分析数据。其中，调用模块330可以用于执行上述的步骤s130，关于调用模块330的详细实现方式可以参照上述针对步骤s130的详细描述即可。

更新模块340，用于根据防护信息流分析数据对记录动态链接库文件进行规则更新。其中，更新模块340可以用于执行上述的步骤s140，关于更新模块340的详细实现方式可以参照上述针对步骤s140的详细描述即可。

进一步地，图4为本申请实施例提供的用于执行上述基于区块链和移动互联网的信息流分析方法的云计算平台100的结构示意图。如图4所示，该云计算平台100可包括网络接口110、机器可读存储介质120、处理器130以及总线140。处理器130可以是一个或多个，图4中以一个处理器130为例。网络接口110、机器可读存储介质120以及处理器130可以通过总线140或其他方式连接，图4中以通过总线140连接为例。

机器可读存储介质120作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请实施例中的基于区块链和移动互联网的信息流分析方法对应的程序命令/模块（例如图3中所示的基于区块链和移动互联网的信息流分析装置300的创建模块310、配置模块320、调用模块330以及更新模块340）。处理器130通过检测存储在机器可读存储介质120中的软件程序、命令以及模块，从而执行终端设备的各种功能应用以及数据处理，即实现上述的基于区块链和移动互联网的信息流分析方法，在此不再赘述。

机器可读存储介质120可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，机器可读存储介质120可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-onlymemory，rom)、可编程只读存储器(programmablerom，prom)、可擦除可编程只读存储器(erasableprom，eprom)、电可擦除可编程只读存储器(electricallyeprom，eeprom)或闪存。易失性存储器可以是随机存取存储器(randomaccessmemory，ram)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如静态随机存取存储器(staticram，sram)、动态随机存取存储器(dynamicram，dram)、同步动态随机存取存储器(synchronousdram，sdram)、双倍数据速率同步动态随机存取存储器(doubledataratesdram，ddrsdram)、增强型同步动态随机存取存储器(enhancedsdram，esdram)、同步连接动态随机存取存储器(synchlinkdram，sldram)和直接内存总线随机存取存储器(directrambusram，drram)。应注意，本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合发布节点的存储器。在一些实例中，机器可读存储介质120可进一步包括相对于处理器130远程设置的存储器，这些远程存储器可以通过网络连接至云计算平台100。上述网络的实例包括但不限于互联网、待编译项目内部网、局域网、移动通信网及其组合。

处理器130可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器130中的硬件的集成逻辑电路或者软件形式的命令完成。上述的处理器130可以是通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(fieldprogrammablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。

云计算平台100可以通过网络接口110和其它设备（例如区块链验证服务系统200）进行信息交互。网络接口110可以是电路、总线、收发器或者其它任意可以用于进行信息交互的装置。处理器130可以利用网络接口110收发信息。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一种可能的实现方式”、“一种可能的示例”、和/或“示例性地”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一种可能的实现方式”、“一种可能的示例”、和/或“示例性地”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，本领域技术人员可以理解，本说明书的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本说明书的各个方面可以完全由硬件执行、可以完全由软件（包括固件、常驻软件、微码等）执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本说明书的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。

计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、rf、或类似介质，或任何上述介质的组合。

本说明书各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如java、scala、smalltalk、eiffel、jade、emerald、c++、c#、vb.net、python等，常规程序化编程语言如c语言、visualbasic、fortran2003、perl、cobol2002、php、abap，动态编程语言如python、ruby和groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或云计算平台上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网（lan）或广域网（wan），或连接至外部计算机（例如通过因特网），或在云计算环境中，或作为服务使用如软件即服务（saas）。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的云计算平台或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件（当前或之后附加于本说明书中的）也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。