银行卡反欺诈方法及装置与流程

1.本技术涉及数据处理技术领域，尤其涉及一种银行卡反欺诈方法及装置。


背景技术：

2.银行卡是互联网时代背景下衍生的金融服务工具，既是银行服务进步的表现，也是经济发展的代表性成果，客户使用银行卡不仅可实现交易过程的无现金支付，同时也减少了支票在市场的流通，在真正意义上做到了对银行传统服务业务的突破。尽管银行卡的诞生为金融产业的发展提供了新的方向，但与此同时它为行业带来的风险也是不容忽视的。通过对金融市场调研发现，目前存在多种银行卡欺诈手段。
3.目前的银行卡欺诈手段具有多样性、行为隐蔽性、涉及范围广等特点。因此，银行卡业务的建设，不仅要面临传统金融产业发展的风险，也需要妥善地对欺诈风险进行规避。
4.近年来，伴随移动互联网技术的崛起，为客户带来便捷的移动支付、线上理财等金融服务，但也面临着如虚假渠道流量、虚假客户裂变、虚假信贷风险等一系列欺诈类风险，让金融机构反欺诈成本日益增长。
5.银行卡外部欺诈风险是指犯罪分子通过伪造银行卡、窃取卡片信息、冒用他人身份等欺诈手法窃取持卡人账户资金造成发卡银行资金损失的风险。欺诈类型主要包括伪卡欺诈、失窃卡欺诈、虚假申请、账户盗用等。银行卡欺诈除了给银行带来资金损失外还可能形成重大投诉和诉讼而引发系统性声誉风险，因此越来越引起发卡银行的重视。


技术实现要素：

6.发明人发现，目前的反欺诈手段主要是关注于欺诈事件发生的事前，如：防范伪造银行卡、窃取卡片信息、规范第三方支付管理等；线上欺诈事件发生的事中，如：提高支付系统的稳定性和安全性、利用大数据技术进行交易实时反欺诈监测；与欺诈事件发生的事后，如：第一时间联系发卡行紧急挂失、事后冻结账户。然而，还有一个重要的场景，即线下的反欺诈，没有很好的办法进行监测与防范，如：线下信用卡盗刷。
7.此外，客户在进行银行卡开卡时，银行仅采集客户的静态签名笔迹，因此进行笔迹相似度对比时仅比较静态签名笔迹的相似度对比，而不能进行客户动态书写轨迹的相似度对比。
8.为了解决上述问题中的至少一个，本技术实施例提供一种银行卡反欺诈方法，通过获取持卡人在线下消费时的签名笔迹以及书写轨迹的信息，使用一种基于时序生成对抗网络生成动态书写轨迹，由此，通过将生成的动态书写轨迹与持卡人线下消费时的书写轨迹进行对比，能够进行线下信用卡盗刷监测，实时防范线下信用卡盗刷的发生。
9.根据本技术实施例的第一方面，提供了一种银行卡反欺诈方法，所述方法包括：
10.获取本次交易的签名信息，所述签名信息包括第一静态签名笔迹和第一动态书写轨迹；
11.将所述第一静态签名笔迹与存储的第二静态签名笔迹进行相似度比较，得到第一
比较结果；
12.将所述第一动态书写轨迹与第二动态书写轨迹进行相似度比较，得到第二比较结果，其中所述第二动态书写轨迹由动态书写轨迹生成模型根据所述第二静态签名笔迹生成；
13.根据所述第一比较结果和所述第二比较结果确定本次交易的交易结果信息，所述交易结果信息指示本次交易是否是正常交易，并返回所述交易结果信息。
14.根据本技术实施例的第二方面，当所述第一比较结果为所述第一静态签名笔迹与所述第二静态签名笔迹的相似度大于或等于第一阈值，并且所述第二比较结果为所述第一动态书写轨迹与所述第二动态书写轨迹的相似度大于或等于第二阈值时，确定本次交易是正常交易；当所述第一比较结果为所述第一静态签名笔迹与所述第二静态签名笔迹的相似度小于所述第一阈值，或者，所述第二比较结果为所述第一动态书写轨迹与所述第二动态书写轨迹的相似度小于所述第二阈值时，确定本次交易为非正常交易，
15.其中，所述第一阈值和所述第二阈值为预先确定的值。
16.根据本技术实施例的第三方面，当确定本次交易为正常交易时，返回本次交易继续的信息；当确定本次交易为非正常交易时，关闭本次交易，返回本次交易停止的信息。
17.根据本技术实施例的第四方面，当确定本次交易为正常交易时，存储所述第一动态书写轨迹和所述第一静态签名笔迹、将所述第一静态签名笔迹、所述第一动态书写轨迹作为训练样本，更新所述动态书写轨迹生成模型。
18.根据本技术实施例的第五方面，当所述第一比较结果为所述第一静态签名笔迹与所述第二静态签名笔迹的相似度大于或等于所述第一阈值，而所述第二比较结果为所述第一动态书写轨迹和所述第二动态书写轨迹的相似度小于所述第二阈值时，判断是否达到了预先设定的比较次数的最大值；
19.当判断为没有达到预先设定的所述最大值时，重新获取所述第一动态书写轨迹，并重新与所述第二动态书写轨迹进行比较；
20.当判断为达到了预先设定的所述最大值时，确定本次交易为非正常交易。
21.根据本技术实施例的第六方面，当所述第一比较结果为所述第一静态签名笔迹与所述第二静态签名笔迹的相似度小于所述第一阈值，而所述第二比较结果为所述第一动态书写轨迹和所述第二动态书写轨迹的相似度大于或等于所述第二阈值时，判断是否达到了预先设定的比较次数的最大值；
22.当判断为没有达到预先设定的比较次数的最大值时，重新获取所述第一静态书写笔迹，并重新与所述第二静态书写笔迹进行比较；
23.当判断为达到了预先设定的比较次数的最大值时，确定本次交易为非正常交易。
24.根据本技术实施例的第七方面，所述动态书写轨迹生成模型通过基于时序的生成对抗网络来实现，其中，所述基于时序的生成对抗网络包括生成器和鉴别器，对动态书写轨迹生成模型进行训练包括：
25.对所述生成器进行训练以生成与实际数据相似的数据；
26.对所述鉴别器进行训练以鉴别所述生成器生成的数据；
27.训练目标是所述生成器产生所述鉴别器无法从实际数据中鉴别出来的数据。
28.根据本技术实施例的第八方面，所述生成器和所述鉴别器分别由深度长短时记忆
网络(lstm)和全连接层组成；
29.所述生成器中的每个lstm的输入都是随机向量与上一个lstm的输出，所述生成器中的每个lstm的输出作为所述生成器中的全连接层的输入；
30.所述鉴别器中的每个lstm的输入都是下一个与上一个lstm的输出，所述鉴别器中的每个lstm的输出作为所述鉴别器中的全连接层的输入。
31.根据本技术实施例的第九方面，提供了一种银行卡反欺诈装置，所述装置包括：
32.获取单元，获取本次交易的签名信息，所述签名信息包括第一静态签名笔迹和第一动态书写轨迹；
33.比较单元，将所述第一静态签名笔迹与存储的第二静态签名笔迹进行相似度比较，得到第一比较结果，将所述第一动态书写轨迹与第二动态书写轨迹进行相似度比较，得到第二比较结果，其中，所述第二动态书写轨迹由动态书写轨迹生成模型根据所述第二静态签名笔迹生成；
34.确定单元，根据所述第一比较结果和所述第二比较结果确定本次交易的交易结果信息，所述交易结果信息指示本次交易是否是正常交易，并返回所述交易结果信息。
35.本技术实施例的有益效果之一在于：
36.通过训练基于时序的生成对抗网络得到的动态书写轨迹生成模型，可根据少量的客户的静态签名笔迹自动生成动态书写轨迹，以在客户进行线下银行卡交易时进行动态书写轨迹的比较。相较于以往事前与事后以及线上交易实时反欺诈，实现了线下交易实时反欺诈监测的作用，大大降低了银行卡欺诈的风险。
附图说明
37.为了更清楚地说明本技术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技术的一些实施例，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。
38.图1是本技术实施例的银行卡反欺诈方法的一示意图。
39.图2是本技术实施例的银行卡反欺诈方法的另一示意图。
40.图3是本技术实施例的银行卡反欺诈方法的又一示意图。
41.图4是本技术实施例中使用的基于时序的生成对抗网络的一示意图。
42.图5是生成动态书写轨迹的一个示例的示意图。
43.图6本技术实施例的银行卡反欺诈装置的一示意图。
44.图7是本技术实施例的基于时序生成对抗网络的银行卡反欺诈装置的处理过程的一示意图。
具体实施方式
45.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
46.需要说明的是，本技术公开的银行卡反欺诈方法和装置可用于金融技术领域，也可用于除金融技术领域之外的任意领域，本技术对该银行卡反欺诈方法和装置的应用领域不做限定。
47.此外，在本技术实施例中，对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。此外，本技术实施例中涉及的用户信息均是通过合法合规途径获得，并且对用户信息的获取、存储、使用、处理等经过客户授权同意的。
48.实施例1
49.图1是本技术实施例的银行卡反欺诈方法的一示意图，如图1所示，本发明实施例提供的银行卡反欺诈方法包括：
50.101：获取本次交易的签名信息，其中，签名信息包括第一静态签名笔迹和第一动态书写轨迹；
51.102：将第一静态签名笔迹与存储的第二静态签名笔迹进行相似度比较，得到第一比较结果；
52.103：将第一动态书写轨迹与第二动态书写轨迹进行相似度比较，得到第二比较结果，其中，第二动态书写轨迹由动态书写轨迹生成模型根据第二静态签名笔迹生成；
53.104：根据第一比较结果和第二比较结果确定本次交易的交易结果信息，该交易结果信息指示本次交易是否是正常交易，并返回该交易结果信息。
54.在上述实施例中，第一静态签名笔迹和第一动态书写轨迹是从持卡客户在进行本次交易时实时书写的签名信息中获取的，本技术对具体的获取方法不做限制。此外，第二静态签名笔迹是银行签名信息库中预先存储的客户静态签名笔迹，例如可以是持卡客户在开卡时输入的笔迹。
55.在上述实施例中，使用预先存储的静态签名笔迹及其对应的动态书写轨迹对动态书写轨迹生成模型进行训练，得到动态书写轨迹生成模型。其中，预先存储的静态签名笔迹及其对应的动态书写轨迹可以是客户开卡时录入的签名信息。也即，将客户在开卡时预先录入的签名信息作为训练数据样本，获得动态书写轨迹生成模型，由此，能够在仅有少量数据样本的情况下获得动态轨迹生成模型，进而可以使用该动态轨迹生成模型根据用户在开卡时输入的签名信息中的静态签名轨迹(第二静态签名轨迹) 生成对应的动态书写轨迹(第二动态书写轨迹)，进而与用户在交易时输入的签名信息中的动态书写轨迹(第一动态书写轨迹)进行比较。
56.通过上述方法，能够在持卡客户在pos机进行线下交易时，获取当前交易的签名信息，不仅对静态签名笔迹进行比较，还将获取的签名信息中的动态书写轨迹与通过动态书写轨迹生成模型生成的动态书写轨迹进行比较，根据两次比较结果确定本次交易是否是正常交易，提高了线下交易安全信息验证的准确度，提高了线下交易的安全性，并且，能够实时对线下交易进行检测，实现线下交易实时反欺诈监测的作用。
57.图2是本技术实施例的银行卡反欺诈方法的另一示意图，如图2所示，本技术实施例的银行卡反欺诈方法可以包括训练过程和使用过程。
58.在训练过程中，开卡时客户录入静态签名笔迹(201)，该静态签名笔迹被存储到客户静态笔迹信息库中(202)；另外，使用动态书写轨迹生成模型根据静态签名笔迹生成对应的动态书写轨迹(200)；其中，动态书写轨迹生成模型通过少量的动态签名笔迹训练得到
(203)，也即，动态签名笔迹可以作为训练数据样本对该动态书写轨迹生成模型进行训练。
59.在使用过程中，将用户在本次交易中输入的轨迹信息的静态签名笔迹与在开卡时录入的静态签名笔迹进行比较(204)，同时，将用户在本次交易中输入的轨迹信息中的动态书写轨迹与根据动态书写轨迹生成模型生成的动态书写轨迹进行比较 (205)，根据两方面比较的结果监测本次交易是正常交易还是非正常交易(206)。
60.在一些实施例中，当步骤102和步骤103分别得出的第一比较结果和第二比较结果均为相似度大于或等于预先确定的阈值时，确定本次交易为正常交易，否则确定本次交易为非正常交易。即，当第一比较结果为第一静态签名笔迹与第二静态签名笔迹的相似度大于或等于第一阈值，并且第二比较结果为第一动态书写轨迹与第二动态书写轨迹的相似度大于或等于第二阈值时，确定本次交易是正常交易；当第一比较结果为第一静态签名笔迹与第二静态签名笔迹的相似度小于第一阈值，或者，第二比较结果为第一动态书写轨迹与第二动态书写轨迹的相似度小于第二阈值时，确定本次交易为非正常交易。也即，任意一个比较结果为相似度小于预先确定的阈值时，则认为本次交易为非正常交易，只有在两次比较结果均为相似度大于或等于预先确定的阈值时，才认为本次交易为正常交易。
61.在上述实施例中，上述第一比较结果和第二比较结果根据相似度评分的方法获得，通过预先设定用于评价相似度的第一阈值和第二阈值，当评分低于对应的阈值评分时，则判定为不相似，当评分高于对应的阈值评分时，则判定为相似。但本技术不限于此，例如，对于上述比较结果，还能够根据余弦相似度、欧氏距离等相似度计算方式获得，在本技术中对此不做限制。
62.通过上述方法，能够不仅仅只通过静态签名的比较来进行安全验证，还能够比较动态签名轨迹的相似度，由此，能够提高签名信息验证的准确性和线下交易的安全性。
63.在一些实施例中，当确定本次交易为正常交易时，返回本次交易继续的信息，由此，这笔交易将正常进行；另一方面，当确定本次交易为非正常交易时，也即，本次交易可能是盗刷等欺诈行为，则关闭本次交易，返回本次交易停止的信息，此时，工作人员可以与卡所属用户进行电话确认等处理操作。
64.在上述实施例中，当确定本次交易为正常交易时，还可以存储上述第一动态书写轨迹和上述第一静态签名笔迹，例如，可以将上述第一静态签名笔迹和上述第一动态书写轨迹作为训练样本，更新上述动态书写轨迹生成模型。由此，能够扩大模型训练的样本数据量，提高动态书写轨迹生成模型的准确性。
65.在上述实施例中，当上述第一比较结果为第一静态签名笔迹与第二静态签名笔迹的相似度大于或等于第一阈值，而第二比较结果为第一动态书写轨迹和第二动态书写轨迹的相似度小于第二阈值时，还可以判断是否达到了预先设定的比较次数的最大值；
66.当判断为没有达到预先设定的比较次数的最大值时，重新获取第一动态书写轨迹，并重新与第二动态书写轨迹进行比较；
67.当判断为达到了预先设定的比较次数的最大值时，确定本次交易为非正常交易，进行非正常交易情况下的后续处理，包括但不限于关闭本次交易，返回本次交易停止的信息。
68.在上述实施例中，当上述第一比较结果为第一静态签名笔迹与第二静态签名笔迹的相似度小于第一阈值，而第二比较结果为第一动态书写轨迹和第二动态书写轨迹的相似
度大于或等于第二阈值时，还可以判断是否达到了预先设定的比较次数的最大值；
69.当判断为没有达到预先设定的比较次数的最大值时，重新获取第一静态书写笔迹，并重新与第二静态书写笔迹进行比较；
70.当判断为达到了预先设定的比较次数的最大值时，确定本次交易为非正常交易，进行非正常交易情况下的后续处理，包括但不限于关闭本次交易，返回本次交易停止的信息。
71.在上述实施例中，对比较次数的最大值不做限制，可以是3次、4次、5次等。由此，能够避免持卡人在签名时由于笔误等情况时导致的结果误判，由此，能够提高线下交易的准确性。
72.图3是本技术实施例的银行卡反欺诈方法的又一示意图。如图3所示，该方法包括：
73.301：获取本次交易的静态签名信息和动态书写轨迹；
74.302：动态书写轨迹生成模型根据本次静态签名笔迹生成动态书写轨迹；
75.303：将本次交易中获得的静态签名信息与预先存储的静态签名信息进行比较，得到第一比较结果；将本次交易中获得的静态签名信息与预先存储的静态签名信息进行比较，得到第二比较结果；
76.304：判断第一比较结果是否大于第一阈值且第二比较结果大于第二阈值，如果判断为是，则执行步骤305，否则执行步骤306；
77.305：本次交易是正常交易，返回本次交易继续的信息；
78.306：本次交易是非正常交易；
79.307：判断是否到达比较次数的最大值，如果判断为是，则执行步骤308，否则返回步骤301，重新获取本次交易的签名信息；
80.308：关闭本次交易，返回本次交易停止的信息。
81.值得注意的是，以上附图1、图2和图3仅示意性地对本技术实施例进行了说明，但本技术不限于此。例如可以适当地调整各个操作之间的执行顺序，此外还可以增加其他的一些操作或者减少其中的某些操作。本领域的技术人员可以根据上述内容进行适当地变型，而不仅限于上述附图1、图2和图3的记载。
82.通过上述方法，能够在持卡客户在pos机进行线下交易时，获取当前交易的签名信息，不仅对静态签名笔迹进行比较，还将获取的签名信息中的动态书写轨迹与通过动态书写轨迹生成模型生成的动态书写轨迹进行比较，根据两次比较结果确定本次交易是否是正常交易，并且，仅在静态签名笔迹与动态书写轨迹的比较结果均大于相似度阈值时才确定本次交易是正常交易，能够避免持卡人在签名时由于笔误等情况时导致的结果误判，进一步提高了线下交易安全信息验证的准确度，提高了线下交易的安全性，并且，能够实时对线下交易进行检测，实现线下交易实时反欺诈监测的作用。
83.在一些实施例中，上述动态书写轨迹生成模型通过基于时序的生成对抗网络来实现。但本技术不限于此，该动态书写轨迹生成模型也可以通过其他神经网络来实现。
84.生成对抗网络(gan)是一类神经网络架构，旨在生成真实数据。该方法涉及训练具有冲突目标的两个神经模型，一个生成器(g)和一个鉴别器(d)，迫使彼此改进。生成器尝试生成看起来真实的样本，并且鉴别器尝试区分生成的样本和实际数据。
85.图4是本技术实施例中使用的基于时序的生成对抗网络的一示意图。该基于时序
的生成对抗网络可以是递归神经网络。如图4所示，该基于时序的生成对抗网络包括生成器(g)401和鉴别器(d)402，在本技术实施例中，对动态书写轨迹生成模型进行训练的步骤可以包括：对生成器401进行训练以生成与实际数据相似的数据；对鉴别器402进行训练以鉴别生成器401生成的数据。其中，训练目标是生成器401 产生鉴别器402无法从实际数据中鉴别出来的数据。
86.在一些实施例中，生成器401和鉴别器402分别由深度长短时记忆网络(lstm) 和全连接层组成；如图4所示，生成器401中的每个lstm的输入都是随机向量与上一个lstm的输出，每个lstm的输出作为生成器401中的全连接层的输入；鉴别器402中的每个lstm的输入都是下一个与上一个lstm的输出，每个lstm的输出作为鉴别器402中的全连接层的输入。
87.图5是生成动态书写轨迹的一个示例的示意图，如图5所示，在一张图片中，将签名部分看作一幅黑白图像，可使用一个二维矩阵来将其表示，黑色部分数值为1，白色部分数值为0；之后将所有的黑色部分的位置记录下来，以位置信息生成的序列即为动态书写轨迹。
88.根据本技术提供的银行卡反欺诈方法，通过训练基于时序的生成对抗网络得到的动态书写轨迹生成模型，可根据少量的客户的静态签名笔迹自动生成动态书写轨迹，以在客户进行线下银行卡交易时进行动态书写轨迹的比较。相较于以往事前与事后以及线上交易实时反欺诈，实现了线下交易实时反欺诈监测的作用，大大降低了银行卡欺诈的风险。
89.实施例2
90.本技术实施例还提供了一种银行卡反欺诈装置，其对应于实施例1中的银行卡反欺诈方法，因此该装置的实施可以参见实施例1的银行卡反欺诈方法的实施，重复之处不再赘述。
91.图6本技术实施例的银行卡反欺诈装置的一示意图。如图6所示，本技术实施例的银行卡反欺诈装置600包括：获取单元601、比较单元602、确定单元603。其中，
92.获取单元601，获取本次交易的签名信息，该签名信息包括第一静态签名笔迹和第一动态书写轨迹；
93.比较单元602，将第一静态签名笔迹与存储的第二静态签名笔迹进行相似度比较，得到第一比较结果，将第一动态书写轨迹与使用动态书写轨迹生成模型根据第二静态签名笔迹生成的第二动态书写轨迹进行相似度比较，得到第二比较结果；
94.确定单元603，根据第一比较结果和第二比较结果确定本次交易的交易结果信息，所述交易结果信息指示本次交易是否是正常交易，并返回交易结果信息。
95.图7是本技术实施例的基于时序生成对抗网络的银行卡反欺诈装置600的处理过程的一示意图。如图7所示，该银行卡反欺诈装置600首先通过获取单元601获取签名信息(包括静态签名信息和动态书写轨迹)，然后通过比较单元602进行静态签名笔迹相似度比较和动态书写轨迹相似度比较，通过确定单元603根据比较结果监测当前交易是否为盗刷等欺诈行为；之后通过处理单元604进行后续处理，例如当确定为当前交易为欺诈行为时，关闭交易，工作人员或者系统可以与持卡人进行电话确认等；如果确定为当前交易不是欺诈行为，则继续后续的处理。
96.本技术实施例涉及的基于时序生成对抗网络的银行卡反欺诈装置通过获取到持卡人在线下pos机消费时签名笔迹以及书写轨迹的信息，通过一种创新的基于时序生成对
抗网络的银行卡反欺诈模块，可以进行线下信用卡盗刷监测，防范线下信用卡盗刷的发生。并且，通过装置中的动态书写轨迹生成模型可根据存量客户的静态签名笔迹自动生成动态书写轨迹，以在客户进行线下银行卡交易时进行动态书写轨迹的比较。相较于以往事前与事后以及线上交易实时反欺诈，实现了线下交易实时反欺诈监测的作用。
97.需要说明的是，本技术中技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
98.本技术实施例中的用户信息均是通过合法合规途径获得，并且对用户信息的获取、存储、使用、处理等经过客户授权同意的。
99.虽然本技术提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
100.本领域技术人员应明白，本说明书的实施例可提供为方法、装置(系统)或计算机程序产品。因此，本说明书实施例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，本技术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。
101.本技术是参照根据本技术实施例的方法、装置(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和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。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。
102.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。
103.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。
104.本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，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。在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且
还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本技术的限制。除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本技术中的具体含义。需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。本技术并不局限于任何单一的方面，也不局限于任何单一的实施例，也不局限于这些方面和/或实施例的任意组合和/或置换。而且，可以单独使用本技术的每个方面和/或实施例或者与一个或更多其他方面和/或其实施例结合使用。
105.最后应说明的是：以上各实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述各实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的范围，其均应涵盖在本技术的权利要求和说明书的范围当中。