1.本公开涉及网络安全
技术领域：
：，尤其是一种图片处理方法、装置和模糊测试方法、装置。
背景技术：
：：2.随着互联网的高速发展，各种软件带来的网络安全风险对公众的影响也日益明显。3.为了降低软件带来的网络安全风险，可以针对软件进行模糊测试，以检测软件存在的漏洞。相关技术中，可以基于图片进行模糊测试。技术实现要素：4.然而，发明人发现，基于图片进行的这种模糊测试检测到软件存在漏洞的概率较低，即，模糊测试的漏洞命中率较低。5.有鉴于此，本公开实施例提出了如下解决方案，能够帮助提高基于图片的模糊测试的漏洞命中率。6.根据本公开实施例的一方面，提供一种图片处理方法，包括：获取待处理的样本图片；以及根据图片的数据结构特征库中的一个或多个数据结构特征，对所述样本图片进行变异处理，以得到用于模糊测试的测试图片，其中，所述数据结构特征库包括一组或多组数据块中每组数据块的至少一种数据块一一对应的至少一个数据结构特征，所述一组或多组数据块包括第一组数据块和第二组数据块中的至少一组，所述第一组数据块包括在模糊测试中曾发现漏洞的一种或多种数据块，所述第二组数据块包括未在图片国际标准中定义的一种或多种数据块。7.根据本公开实施例的另一方面，提供一种模糊测试方法，包括：获取待处理的样本图片；根据图片的数据结构特征库中的一个或多个数据结构特征，对所述样本图片进行变异处理，以得到用于模糊测试的测试图片，其中，所述数据结构特征库包括一组或多组数据块中每组数据块的至少一种数据块一一对应的至少一个数据结构特征，所述一组或多组数据块包括第一组数据块和第二组数据块中的至少一组，所述第一组数据块包括在模糊测试中曾发现漏洞的一种或多种数据块，所述第二组数据块包括未在图片国际标准中定义的一种或多种数据块；以及将所述测试图片输入软件，以进行针对所述软件的模糊测试。8.在一些实施例中，所述方法还包括：在所述变异处理前，建立所述数据结构特征库。9.在一些实施例中，所述一组或多组数据块包括所述第一组数据块；建立所述数据结构特征库包括：定期从公网爬取在模糊测试中曾发现漏洞的至少一个数据块；利用深度学习算法对所述至少一个数据块中的每个数据块进行处理，以得到所述第一组数据块的至少一种数据块一一对应的至少一个数据结构特征；将所述第一组数据块的至少一种数据块一一对应的至少一个数据结构特征加入所述数据结构特征库。10.在一些实施例中，所述一组或多组数据块包括所述第二组数据块；建立所述数据结构特征库包括：定期从公网爬取一个或多个参考图片；以及利用深度学习算法对所述一个或多个参考图片进行处理，以得到所述第二组数据块的至少一种数据块一一对应的至少一个数据结构特征；将所述第二组数据块的所述至少一种数据块一一对应的所述至少一个数据结构特征加入所述数据结构特征库。11.在一些实施例中，所述深度学习算法包括尺度不变特征转换算法。12.在一些实施例中，根据图片的数据结构特征库中的一个或多个数据结构特征，对所述样本图片进行变异处理包括：在所述样本图片不包括所述第一组数据块中的任意一种数据块的情况下，在所述样本图片中插入至少一个数据块，所述至少一个数据块基于所述第一组数据块的至少一种数据块一一对应的至少一个数据结构特征形成。13.在一些实施例中，所述一组或多组数据块还包括第三组数据块，所述第三组数据块包括在图片国际标准中定义的一种或多种数据块。14.根据本公开实施例的又一方面，提供一种图片处理装置，包括：获取模块，被配置为获取待处理的样本图片；以及处理模块，被配置为根据图片的数据结构特征库中的一个或多个数据结构特征，对所述样本图片进行变异处理，以得到用于模糊测试的测试图片，其中，所述数据结构特征库包括一组或多组数据块中每组数据块的至少一种数据块一一对应的至少一个数据结构特征，所述一组或多组数据块包括第一组数据块和第二组数据块中的至少一组，所述第一组数据块包括在模糊测试中曾发现漏洞的一种或多种数据块，所述第二组数据块包括未在图片国际标准中定义的一种或多种数据块。15.根据本公开实施例的还一方面，提供一种模糊测试装置，包括：获取模块，被配置为获取待处理的样本图片；处理模块，被配置为根据图片的数据结构特征库中的一个或多个数据结构特征，对所述样本图片进行变异处理，以得到用于模糊测试的测试图片，其中，所述数据结构特征库包括一组或多组数据块中每组数据块的至少一种数据块一一对应的至少一个数据结构特征，所述一组或多组数据块包括第一组数据块和第二组数据块中的至少一组，所述第一组数据块包括在模糊测试中曾发现漏洞的一种或多种数据块，所述第二组数据块包括未在图片国际标准中定义的一种或多种数据块；以及输入模块，被配置为将所述测试图片输入软件，以进行针对所述软件的模糊测试。16.根据本公开实施例的还一方面，提供一种电子装置，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令执行上述任意一个实施例所述的方法。17.根据本公开实施例的还一方面，提供一种计算机可读存储介质，包括计算机程序指令，其中，所述计算机程序指令被处理器执行时实现上述任意一个实施例所述的方法。18.根据本公开实施例的还一方面，提供一种计算机程序产品，包括计算机程序，其中，所述计算机程序被处理器执行时实现上述任意一个实施例所述的方法。19.本公开实施例中，根据图片的数据结构特征库中在模糊测试中曾发现漏洞的数据块对应的数据结构特征和/或未在图片国际标准中定义的数据块对应的数据结构特征，对样本图片进行变异处理，以得到用于模糊测试的测试图片。如此，可以帮助提高基于图片的模糊测试的漏洞命中率。20.下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。附图说明21.为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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。22.图1是根据本公开一些实施例的图片处理方法的流程示意图；23.图2是根据本公开另一些实施例的图片处理方法的流程示意图；24.图3是根据本公开一些实施例的模糊测试方法的流程示意图；25.图4是根据本公开一些实施例的图片处理装置的结构示意图；26.图5是根据本公开一些实施例的模糊测试装置的结构示意图；27.图6是根据本公开一些实施例的电子装置的结构示意图。具体实施方式28.下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。29.除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。30.同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。31.对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。32.在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。33.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。34.图1是根据本公开一些实施例的图片处理方法的流程示意图。35.如图1所示，图片处理方法包括步骤102～步骤104。36.在步骤102，获取待处理的样本图片。37.在一些实施例中，样本图片可以是任意格式的图片，例如，便携式网络图形(portablenetworkgraphics，png)格式的图片、联合图像专家组(jointphotographicexpertsgroup，jpeg)格式的图片等。样本图片例如，可以从公网获取。38.在步骤104，根据图片的数据结构特征库中的一个或多个数据结构特征，对样本图片进行变异处理，以得到用于模糊测试的测试图片。39.数据结构特征库包括一组或多组数据块中每组数据块的至少一种数据块一一对应的至少一个数据结构特征。即，每组数据块包括至少一种数据块，每种数据块具有对应的一个数据结构特征。可以理解，不同种数据块对应的数据结构特征不同。40.例如，在png格式的图片国际标准中定义了22种数据块。这22种数据中的4种数据块为基础数据块，其余18种数据块为辅助数据块。4种基础数据块分别是ihdr(imageheader)数据块、plte(palettetable)数据块、idat(imagedata)数据块和iend(imagetrailer)数据块。18种辅助数据块包括trns(transparencyinformation)数据块、time(timestampinformation)数据块等。这22种数据块分别对应不同的数据结构特征。41.在一些实施例中，每种数据块对应的数据结构特征可以包括表示长度的部分、表示数据块种类的部分以及表示循环冗余校验码(cyclicredundancycheck，crc)的部分。例如，在ihdr数据块的数据结构特征中，表示数据块种类的部分包括73、72、68、82这些十进制值。在一些实施例中，数据结构特征还可以包括表示数据块数据的部分。42.作为一些实现方式，可以根据数据结构特征库中的数据结构特征，对同一样本图片进行多次变异处理，以得到用于模糊测试的多个测试图片。每次变异处理可以针对样本图片中的相同或不同的至少一个数据块进行。针对某一数据块的变异处理需要根据该数据块的数据结构特征进行。43.数据结构特征库所包括的数据结构特征对应的一组或多组数据块包括第一组数据块和第二组数据块中的至少一组。44.在一些实施例中，数据结构特征库包括第一组数据块中的至少一种数据块一一对应的至少一个数据结构特征。在另一些实施例中，数据结构特征库包括第二组数据块中的至少一种数据块一一对应的至少一个数据结构特征。在又一些实施例中，数据结构特征库包括第一组数据块中的至少一种数据块一一对应的至少一个数据结构特征，并且包括第二组数据块中的至少一种数据块一一对应的至少一个数据结构特征。45.为了方便说明，后文将每组数据块中的至少一种数据块一一对应的至少一个数据结构特征简述为该组数据块对应的数据结构特征。46.第一组数据块包括在模糊测试中曾发现漏洞的一种或多种数据块。例如，在利用某一图片对软件进行模糊测试的过程中，软件因图片所包括的某一数据块而报错。这种情况下，导致软件报错的数据块对应的一种数据块是在模糊测试中曾发现漏洞的一种数据块。47.根据第一组数据块对应的数据结构特征对样本图片进行变异处理。这种情况下，处理得到的测试图片包括在模糊测试中曾发现漏洞的至少一种数据块。后续利用这种测试图片对软件进行模糊测试，可以靶向性地检测软件存在的漏洞，从而可以提高检测到软件的漏洞的概率、提高模糊测试的漏洞命中率。48.换言之，根据数据结构特征库所包括的第一组数据块对应的数据结构特征对样本图片进行变异处理，可以帮助提高模糊测试的漏洞命中率。49.第二组数据块包括未在图片国际标准中定义的一种或多种数据块。以png格式的图片为例，第二组数据块可以包括除在图片国际标准中定义的22种数据块之外的一种或多种私有数据块(privatechunk)，例如，zxlf数据块。50.由于样本图片包括较多未在图片国际标准中定义的数据块，根据第二组数据块对应的数据结构特征对样本图片进行变异处理，可以对样本图片中未在图片国际标准中定义的较多的数据块进行变异处理。51.这种方式下，可以对同一样本图片进行更多次的变异处理，以得到更多测试图片。后续可以利用数量更多的测试图片对软件进行模糊测试，从而可以提高检测到软件的漏洞的概率、提高模糊测试的漏洞命中率。52.换言之，根据数据结构特征库所包括的第二组数据块对应的数据结构特征对样本图片进行变异处理，也可以帮助提高模糊测试的漏洞命中率。53.上述实施例中，根据图片的数据结构特征库中在模糊测试中曾发现漏洞的数据块对应的数据结构特征和/或未在图片国际标准中定义的数据块对应的数据结构特征，对样本图片进行变异处理，以得到用于模糊测试的测试图片。如此，可以帮助提高基于图片的模糊测试的漏洞命中率。54.此外，在模糊测试的漏洞命中率提高的情况下，以更少次数的模糊测试即可检测到软件存在的漏洞。如此，可以帮助提高基于图片的模糊测试的测试效率。55.下面结合一些实施例进一步说明图1所示的图片处理方法。56.在一些实施例中，数据结构特征库包括第一组数据块对应的数据结构特征和第二组数据块对应的数据结构特征。如此，可以更有效地帮助提高模糊测试的漏洞命中率、更有效地帮助提高模糊测试的测试效率。57.在一些实施例中，数据结构特征库还包括第三组数据块中的一种或多种数据块一一对应的一个或多个数据结构特征。第三组数据块中的一种或多种数据块在图片国际标准中定义。58.换言之，在对样本图片进行变异处理的过程中，还可以根据第三组数据块对应的数据结构特征对样本图片进行变异处理。59.这种情况下，可以对样本图片所包括的在图片国际标准中定义的数据块进行变异处理，从而可以对同一样本图片进行更多次的变异处理，以得到更多测试图片。如此，可以更有效地帮助提高模糊测试的漏洞命中率、更有效地帮助提高模糊测试的测试效率。60.在一些实施例中，数据结构特征库还包括至少一种格式中每种格式的图片的文件基础结构特征。文件基础结构特征可以包括文件头特征和文件尾特征等。例如，png格式的图片的文件头特征包括137、80、78、71、13、10、26、10这些十进制值。61.在一些实施例中，在执行步骤104之前，建立数据结构特征库。62.这种方式下，可以根据提前建立的数据结构特征库中的数据结构特征对样本图片进行变异处理，从而可以更快得到用于模糊测试的测试图片，以便能够更快进行后续的模糊测试。如此，可以更有效地帮助提高模糊测试的测试效率。63.在一些实施例中，数据特征结构库包括第一组数据块对应的数据结构特征。这种情况下，可以按照以下方式对样本图片进行变异处理。64.即，在样本图片不包括第一组数据块中的任意一种数据块的情况下，在样本图片中插入至少一个数据块。这里，插入样本图片的至少一个数据块基于第一组数据块的对应的数据结构特征形成。65.换言之，在样本图片不包括在模糊测试中曾发现漏洞的任意一种数据块的情况下，在样本图片中插入在模糊测试中曾发现漏洞的至少一个数据块。66.这种方式下，可以确保变异处理得到的测试图片包括在模糊测试中曾发现漏洞的数据块，以确保后续能够靶向性地检测软件存在的漏洞。如此，可以更有效地帮助提高模糊测试的漏洞命中率。67.在一些实施例中，在得到测试图片后，将测试图片输入软件，以进行针对软件的模糊测试。如此，可以提高模糊测试的漏洞命中率、提高模糊测试的测试效率。68.图2是根据本公开另一些实施例的图片处理方法的流程示意图。69.在一些实施例中，在执行步骤104之前建立的数据结构特征库包括第一组数据块对应的数据结构特征。70.在这种情况下，参见图2，执行步骤202～步骤206以建立数据结构特征库。71.在步骤202，定期从公网爬取在模糊测试中曾发现漏洞的至少一个数据块。72.在步骤204，利用深度学习算法对爬取到的至少一个数据块中的每个数据块进行处理，以得到第一组数据块的至少一种数据块一一对应的至少一个数据结构特征。73.在一些实施例中，深度学习算法是尺度不变特征转换(scaleinvariantfeaturetransform，sift)算法。74.在步骤206，将第一组数据块的至少一种数据块一一对应的至少一个数据结构特征加入数据结构特征库。75.上述实施例中，从公网爬取在模糊测试中曾发现漏洞的至少一个数据块，并利用深度学习算法对爬取的这些数据块进行处理，从而可以得到第一组数据块对应的数据结构特征。如此，可以建立包括第一组数据块对应的数据结构特征的数据结构特征库。76.此外，由于在模糊测试中曾发现漏洞的数据块会不断增加，通过定期从公网爬取在模糊测试中曾发现漏洞的数据块，可以不断丰富数据结构特征库中的第一组数据块对应的数据结构特征。77.在另一些实施例中，在执行步骤104之前建立的数据结构特征库包括第二组数据块对应的数据结构特征。78.在这种情况下，参见图2，执行步骤208～步骤212以建立数据结构特征库。79.在步骤208，定期从公网爬取一个或多个参考图片。80.一个或多个参考图片可以是在公网发布的、可供下载的任意格式的图片。81.在步骤210，利用深度学习算法对一个或多个参考图片进行处理，以得到第二组数据块的至少一种数据块一一对应的至少一个数据结构特征。82.在一些实施例中，深度学习算法是sift算法。83.在步骤212，将第二组数据块的至少一种数据块一一对应的至少一个数据结构特征加入数据结构特征库。84.上述实施例中，利用深度学习算法对从公网爬取的参考图片进行处理，以得到的第二组数据块对应的数据结构特征，并将得到的第二组数据块对应的数据结构特征加入数据结构特征库。如此，可以建立包括第二组数据块对应的数据结构特征的数据结构特征库。85.此外，由于可从公网爬取的参考图片会不断变化，通过定期从公网爬取参考图片，可以不断丰富数据结构特征库中的第二组数据块对应的数据结构特征。86.在一些实施例中，在每次将得到的数据结构特征加入数据结构特征库之后，将数据结构特征库中与任意一个数据结构特征相同的其它数据结构特征从数据结构特征库中删除。87.例如，在每次执行步骤206之后，将数据结构特征库中与任意一个数据结构特征相同的其它数据结构特征从数据结构特征库中删除。又例如，在每次执行步骤212之后，将数据结构特征库中与任意一个数据结构特征相同的其它数据结构特征从数据结构特征库中删除。88.如此，可以及时删除数据结构特征库中冗余的数据结构特征。89.在一些实施例中，数据结构特征库包括在图片国际规范中定义的一种或多种数据块(即，第三组数据块)对应的数据结构特征。这种情况下，可以从定义图片国际规范的网站(例如，w3c的官方网站)获取第三组数据块对应的数据结构特征，并将获取的数据结构特征加入数据结构特征库。如此，可以建立包括第三组数据块对应的数据结构特征的数据结构特征库。90.与前述实施例类似，在将第三组数据块对应的数据结构特征加入数据结构特征库后，还可以将数据结构特征库中与任意一个数据结构特征相同的其它数据结构特征从数据结构特征库中删除，以及时删除数据结构特征库中冗余的数据结构特征。91.本公开实施例还提供一种模糊测试方法。图3是根据本公开一些实施例的模糊测试方法的流程示意图。92.如图3所示，模糊测试方法包括步骤302～步骤306。93.在步骤302，获取待处理的样本图片。94.在步骤304，根据图片的数据结构特征库中的一个或多个数据结构特征，对样本图片进行变异处理，以得到用于模糊测试的测试图片。95.关于步骤302～步骤304的相关说明可以参见前文关于步骤102～步骤104的说明，这里不再赘述。96.在步骤306，将测试图片输入软件，以进行针对软件的模糊测试。97.上述实施例中，将根据数据结构特征库中的数据结构特征对样本图片变异处理得到的测试图片输入软件，可以对软件进行漏洞命中率更高的模糊测试。如此，可以提高模糊测试的漏洞命中率、提高模糊测试的测试效率。98.关于图3所示的模糊测试方法的其它实施例可以参见前文关于图片处理方法的相关实施例，这里不再赘述。例如，图3所示的模糊测试方法还可以包括上述任意一个实施例的图片处理方法中的任意步骤(例如，步骤202～步骤206和/或步骤208～步骤212)。99.图4是根据本公开一些实施例的图片处理装置的结构示意图。100.如图4所示，图片处理装置400包括获取模块401和处理模块402。101.获取模块401被配置为获取待处理的样本图片。102.处理模块402被配置为根据图片的数据结构特征库中的一个或多个数据结构特征，对样本图片进行变异处理，以得到用于模糊测试的测试图片。103.数据结构特征库包括一组或多组数据块中每组数据块的至少一种数据块一一对应的至少一个数据结构特征。这一组或多组数据块包括第一组数据块和第二组数据块中的至少一组。这里，第一组数据块包括在模糊测试中曾发现漏洞的一种或多种数据块，并且，第二组数据块包括未在图片国际标准中定义的一种或多种数据块。104.应理解，图片处理装置400还可以包括其它各种模块，以执行上述任意一个实施例的图片处理方法。105.图5是根据本公开一些实施例的模糊测试装置的结构示意图。106.如图5所示，模糊测试装置500包括获取模块501、处理模块502和输入模块503。107.获取模块501被配置为获取待处理的样本图片。108.处理模块502被配置为根据图片的数据结构特征库中的一个或多个数据结构特征，对样本图片进行变异处理，以得到用于模糊测试的测试图片。数据结构特征库包括一组或多组数据块中每组数据块的至少一种数据块一一对应的至少一个数据结构特征。这一组或多组数据块包括第一组数据块和第二组数据块中的至少一组。这里，第一组数据块包括在模糊测试中曾发现漏洞的一种或多种数据块，并且，第二组数据块包括未在图片国际标准中定义的一种或多种数据块。109.输入模块503被配置为将测试图片输入软件，以进行针对软件的模糊测试。110.应理解，模糊测试装置500还可以包括其它各种模块，以执行上述任意一个实施例的模糊测试方法。111.图6是根据本公开一些实施例的电子装置的结构示意图。112.如图6所示，电子装置600包括存储器601以及耦接至该存储器601的处理器602，处理器602被配置为基于存储在存储器601中的指令，执行上述任意一个实施例的图片处理方法。113.存储器601例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如可以存储有操作系统、应用程序、引导装载程序(bootloader)以及其他程序等。114.电子装置600还可以包括输入输出接口603、网络接口604、存储接口605等。这些接口603、604、605之间、以及存储器601与处理器602之间例如可以通过总线606连接。输入输出接口603为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口604为各种联网设备提供连接接口。存储接口605为sd卡、u盘等外置存储设备提供连接接口。115.在一些实施例中，电子装置600是图片处理装置。例如，在处理器602被配置为基于存储在存储器601中的指令，执行上述任意一个实施例的图片处理方法的情况下，电子装置600是图片处理装置。116.在另一实施例中，电子装置600是模糊测试装置。例如，在处理器602被配置为基于存储在存储器601中的指令，执行上述任意一个实施例的模糊测试方法的情况下，电子装置600是模糊测试装置。117.在一些实施例中，上述任意一个实施例的图片处理装置(例如，图片处理装置400)为变异器。118.本公开各实施例中，利用多维度建模的数据结构特征库中的数据结构特征对样本图片进行变异处理。如此，可以提高模糊测试的漏洞命中率、提高测试效率。119.本公开实施例还提供了一种计算机可读存储介质，包括计算机程序指令，该计算机程序指令被处理器执行时实现上述任意一个实施例的图片处理方法或模糊测试方法。120.本公开实施例还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任意一个实施例的图片处理方法或模糊测试方法。121.至此，已经详细描述了本公开的各实施例。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。122.本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于装置实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。123.本领域内的技术人员应当明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开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，本公开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非瞬时性存储介质(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。124.本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解，可由计算机程序指令实现流程图中一个流程或多个流程和/或方框图中一个方框或多个方框中指定的功能。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。125.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。126.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。127.虽然已经通过示例对本公开的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本公开的范围。本领域的技术人员应该理解，可在不脱离本公开的范围和精神的情况下，对以上实施例进行修改或者对部分技术特征进行等同替换。本公开的范围由所附权利要求来限定。当前第1页12当前第1页12