本发明涉及互联网技术领域，具体而言，涉及一种网页检测方法及装置。
背景技术：
随着网络技术的发展，网络个人信息安全也越来越受到人们的关注。用户的账号和密码，是网络个人信息中很重要的一项，在现有技术中，非法网站经常会通过账号欺诈网页来骗取用户的账户和密码以进行非法活动，严重危害用户的权益。因此，如何对网页进行检测，以确定其是否为账号欺诈网页，对网络安全极为重要。
目前，常用的几种检测方式分别是：模式匹配检测、启发式分析和蜜罐技术。但是，模式匹配的缺点是不能检测出含有混淆代码的恶意网页和未知类型的攻击，启发式分析技术的缺点是误判率和漏判率比较高，蜜罐式技术的检测周期长。
技术实现要素：
有鉴于此，本发明的目的在于提供一种网页检测方法及装置，以有效保证网页检测的准确性及高效性，在检测网页过程中实时更新数据库。
为了达到上述目的，本发明较佳实施例提供一种网页检测方法，应用于包括数据库的终端设备，所述数据库中存储有黑名单链接和白名单链接，所述方法包括：
获取互联网上的恶意链接地址以更新所述数据库中的黑名单链接得到更新后的数据库；
将待检测网页的网页链接与所述更新后的数据库中的黑名单链接和白名单链接分别进行匹配，若与黑名单链接匹配则将该待检测网页标记为恶意网页，若与白名单链接匹配则将该待检测网页标记为安全网页，若都不匹配则标记为未知网页；
根据所述黑名单链接和白名单链接生成分类器；
提取所述未知网页的脚本代码片段，并按照特征关键字从所述脚本代码片段中提取特征向量；
采用所述分类器将所述特征向量与预设向量进行分类判断得到该未知网页是否为恶意网页，并在该未知网页为恶意网页时，获取该未知网页的网址并标记为黑名单网址并保存至所述更新后的数据库。
在本发明的较佳实施例中，在上述网页检测方法中，根据所述黑名单链接和白名单链接生成分类器的步骤包括：
获取总数数量为设定值的多个黑名单链接和多个白名单链接作为初始样本；
针对所述初始样本中的每个代码特征取相同的权重，并进行多次svm分类学习以生成初始分类器；
获取多个互联网上未被标记的链接作为候选样本；
从所述初始分类器对所述候选样本中所有未标记的链接进行分类后选取预设数量的未标记的链接，其中，该预设数量的多个未标记的链接靠近所述初始分类器的分类超平面；
接收用户针对该预设数量的未标记的链接中的每个未标记的链接发送的标记指令，并根据所述标记指令对对应的未标记的链接进行标记得到标记后的链接，该标记后的链接为黑名单链接或白名单链接；
将预设数量的所述标记后的链接加入所述初始样本中，以再次针对该初始样本中的每个代码特征取相同的权重，并进行多次svm分类学习得到分类器。
在本发明的较佳实施例中，在上述网页检测方法中，将待检测网页的网页链接与所述更新后的数据库中的黑名单链接和白名单链接分别进行匹配的步骤包括：
采用正则表达式提取所述待检测网页地址的主域名、所述更新后的数据库中的黑名单地址的主域名和白名单的主域名；
根据所述待检测网页地址的主域名得到待检测md5值，根据所述更新后的数据库中的黑名单地址的主域名得到黑名单md5值，以及根据所述白名单链接的主域名得到白名单md5值；
将所述待检测md5值与所述黑名单md5值和白名单md5值分别进行匹配。
在本发明的较佳实施例中，在上述网页检测方法中，所述数据库中预存有恶意代码特征，将待检测网页的网页链接与所述更新后的数据库中的黑名单链接和白名单链接分别进行匹配之后，所述方法还包括：
将所述未知网页的源码与所述恶意代码特征进行匹配，若匹配则将该未知网页标记为恶意网页，并将该未知网页的网址标记为黑名单网址并保存至所述更新后的数据库中。
在本发明的较佳实施例中，在上述网页检测方法中，按照特征关键字从所述脚本代码片段中提取特征向量的步骤包括：
按照特征关键字出现的次数、字符串长度以及信息熵值从所述脚本代码片段中提取特征向量。
本发明还提供一种网页检测装置，应用于包括数据库的终端设备，所述装置包括：
更新模块：用于获取互联网上的恶意链接地址以更新所述数据库中的黑名单链接得到更新后的数据库；
第一检测模块：用于将待检测网页的网页链接与所述更新后的数据库中的黑名单链接和白名单链接分别进行匹配，若与黑名单链接匹配则将该待检测网页标记为恶意网页，若与白名单链接匹配则将该待检测网页标记为安全网页，若都不匹配则标记为未知网页；
分类器生成模块：用于根据所述黑名单链接和白名单链接生成分类器；
提取模块：用于提取所述未知网页的脚本代码片段，并按照特征关键字从所述脚本代码片段中提取特征向量；
第二检测模块：用于采用所述分类器将所述特征向量与预设向量进行分类判断得到该未知网页是否为恶意网页，并在该未知网页为恶意网页时，获取该未知网页的网址并标记为黑名单网址并保存至所述更新后的数据库。
在本发明的较佳实施例中，在上述网页检测装置中，所述分类器生成模块包括：
第一获取子模块：用于获取总数数量为设定值的多个黑名单链接和多个白名单链接作为初始样本；
第一生成子模块：用于针对所述初始样本中的每个代码特征取相同的权重，并进行多次svm分类学习以生成初始分类器；
第二获取子模块：用于获取多个互联网上未被标记的链接作为候选样本；
分类子模块：用于从所述初始分类器对所述候选样本中所有未标记的链接进行分类后选取预设数量的未标记的链接，其中，该预设数量的多个未标记的链接靠近所述初始分类器的分类超平面；
接收子模块：用于接收用户针对该预设数量的未标记的链接中的每个未标记的链接发送的标记指令，并根据所述标记指令对对应的未标记的链接进行标记得到标记后的链接，该标记后的链接为黑名单链接或白名单链接；
第二生成子模块：用于将预设数量的所述标记后的链接加入所述初始样本中，以再次针对该初始样本中的每个代码特征取相同的权重，并进行多次svm分类学习得到分类器。
在本发明的较佳实施例中，在上述网页检测装置中，所述第一检测模块包括：
主域名获取子模块：用于采用正则表达式提取所述待检测网页地址的主域名、所述更新后的数据库中的黑名单地址的主域名和白名单的主域名；
检测子模块：用于根据所述待检测网页地址的主域名得到待检测md5值，根据所述更新后的数据库中的黑名单地址的主域名得到黑名单md5值，以及根据所述白名单链接的主域名得到白名单md5值；
匹配子模块：用于将所述待检测md5值与所述黑名单md5值和白名单md5值分别进行匹配。
在本发明的较佳实施例中，在上述网页检测装置中，所述数据库中预存有恶意代码特征，所述装置还包括：
第三检测模块：用于将所述未知网页的源码与所述恶意代码特征进行匹配，若匹配则将该未知网页标记为恶意网页，并将该未知网页的网址标记为黑名单网址并保存至所述更新后的数据库中。
在本发明的较佳实施例中，在上述网页检测装置中，所述提取模块还用于：按照特征关键字出现的次数、字符串长度以及信息熵值从所述脚本代码片段中提取特征向量。
本发明提供的一种网页检测方法及装置，应用于包括数据库的终端设备，方法包括：获取互联网上的恶意链接地址以更新数据库中的黑名单链接，将待检测网页的网页链接与更新后的数据库中的黑名单链接和白名单链接分别进行匹配，若都不匹配则标记为未知网页，并根据黑名单链接和白名单链接生成分类器，提取未知网页的脚本代码片段，并按照特征关键字从脚本代码片段中提取特征向量，采用分类器将特征向量与预设向量进行分类判断该未知网页是否为恶意网页，并在该未知网页为恶意网页时标记为黑名单网址并保存至更新后的数据库。通过上述方法以有效保证网页检测的准确性及高效性，在检测网页过程中实时更新数据库。
附图说明
为了更清楚地说明本发明实施例的技术方案，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发明的某些实施例，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为本发明实施例提供的一种终端设备的连接框图。
图2为本发明实施例提供的一种网页检测方法的流程示意图。
图3为图2中步骤s120的子步骤示意图。
图4为图2中步骤s130的子步骤示意图。
图5为本发明实施例提供的一种网页检测装置的连接框图。
图6为本发明实施例提供的第一检测模块的连接框图。
图7为本发明实施例提供的分类器生成模块的连接框图。
图标：10-终端设备；12-存储器；14-处理器；100-网页检测装置；110-更新模块；120-第一检测模块；121-主域名获取子模块；123-检测子模块；125-匹配子模块；130-分类器生成模块；131-第一获取子模块；132-第一生成子模块；133-第二获取子模块；134-分类子模块；135-接收子模块；136-第二生成子模块；140-提取模块；150-第二检测模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
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定义和解释。
如图1所示，是本发明较佳实施例提供的终端设备10的方框示意图。本发明实施例中的终端设备10可以为服务器、计算机等具备数据处理能力的设备，所述终端设备10包括数据库或关联有数据库。如图1所示，终端设备10包括：存储器12和处理器14。
所述存储器12与处理器14相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器12中存储有以软件或固件(firmware)的形式存储于所述存储器12中的软件功能模块，所述处理器14通过运行存储在存储器12内的软件程序以及模块，如本发明实施例中的网页检测装置100，从而执行各种功能应用以及数据处理，即实现本发明实施例中的网页检测方法。
其中，所述存储器12可以是，但不限于，随机存取存储器(randomaccessmemory，ram)，只读存储器(readonlymemory，rom)，可编程只读存储器(programmableread-onlymemory，prom)，可擦除只读存储器(erasableprogrammableread-onlymemory，eprom)，电可擦除只读存储器(electricallyerasableprogrammableread-onlymemory，eeprom)等。其中，存储器12用于存储程序，所述处理器14在接收到执行指令后，执行所述程序。
所述处理器14可能是一种集成电路芯片，具有信号的处理能力。上述的处理器14可以是通用处理器，包括中央处理器(centralprocessingunit，cpu)、网络处理器(networkprocessor，np)等。还可以是数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(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发明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。
可以理解，图1所示的结构仅为示意，终端设备10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
请参阅图2，本发明提供一种网页检测方法，所述方法应用于上述的终端设备10，所述终端设备10包括数据库，所述数据库中存储有黑名单链接和白名单链接。所述方法包括步骤s110-s150五个步骤。
s110：获取互联网上的恶意链接地址以更新所述数据库中的黑名单链接得到更新后的数据库。
其中，获取所述互联网上的恶意链接地址的方式可以是获取预设时段内的恶意链接地址。
具体的获取方式可以是：由给定的初始网络链接地址出发，通过页面爬行来得到该链接地址的网页源码。提取网页源码中的脚本代码片段，并将提取的片段放入脚本代码片段集中。提取网页源码的链接地址，如果提取的链接地址与存储于所述数据库中的爬行网页的链接地址相同，则忽略该链接地址；反之，则将此链接地址放入待爬行链接地址队列中，等待下一步的页面爬行操作。还可以是利用正则表达式从互联网上公布的最近恶意网站列表的网页源码中提取所有恶意链接地址的主域名，并计算其md5值。并在所述数据库的查找黑名单链接中查找是否存在相同链接地址。如果存在，则作为重复的恶意链接地址而忽略掉；反之，则作为新的恶意链接，并保存至所述数据库。还可以是，使用scrapy来实现网络爬行子模块的相关功能。scrapy是一个用python实现的web抓取框架，用于快速且高层次的抓取web站点并从抓取到的页面中提取相应数据。在此不做具体限定，根据实际需求进行选取即可。
步骤s120：将待检测网页的网页链接与所述更新后的数据库中的黑名单链接和白名单链接分别进行匹配，若与黑名单链接匹配则将该待检测网页标记为恶意网页，若与白名单链接匹配则将该待检测网页标记为安全网页，若都不匹配则标记为未知网页。
具体的，请结合图3，可选的，在本实施例中，将待检测网页的网页链接与所述更新后的数据库中的黑名单链接和白名单链接分别进行匹配包括以下子步骤：
s121：采用正则表达式提取所述待检测网页地址的主域名、所述更新后的数据库中的黑名单地址的主域名和白名单的主域名。
s123：根据所述待检测网页地址的主域名得到待检测md5值，根据所述更新后的数据库中的黑名单地址的主域名得到黑名单md5值，以及根据所述白名单链接的主域名得到白名单md5值。
s125：将所述待检测md5值与所述黑名单md5值和白名单md5值分别进行匹配。
通过上述设置实现了对所述待检测网页进行快速初步的检测，并根据检测结果进行标记，需要说明的是，当所述待检测网页被标记为恶意网页和安全网页时将不再进行检测，当所述待检测网页被标记为未知网页时继续进行下一步的检测。
步骤s130：根据所述黑名单链接和白名单链接生成分类器。
请结合图4，可选的，在本实施例中，所述根据所述黑名单地址和所述白名单地址生成分类器的步骤如下：
s131：获取总数数量为设定值的多个黑名单链接和多个白名单链接作为初始样本。
其中，该设定值可以是但不限于10、20、50或100，根据实际需求进行设置，所述黑名单链接的数量与所述白名单链接的数量可以是相同的，也可以是不同的，再次不做具体限定。
s132：针对所述初始样本中的每个代码特征取相同的权重，并进行多次svm分类学习以生成初始分类器
例如，该设定值为n时，每个特征样本的权重都取相同的值1/n，然后进行第i(i＝1，2，3，…)次svm分类学习，并查找该初始样本中位于支撑平面间隔中的样本，令这些样本的权重值大于支撑平面外的样本权重值，以实现根据所述初始样本生成初始分类器。
s133：获取多个互联网上未被标记的链接作为候选样本。
其中，该未被标记的链接的数量可以是但不限于20、40、100或所有的候选样本，在此不做具体限定，根据实际需求进行设置即可。
s134：从所述初始分类器对所述候选样本中所有未标记的链接进行分类后选取预设数量的未标记的链接，其中，该预设数量的多个未标记的链接靠近所述初始分类器的分类超平面。
s135：接收用户针对该预设数量的未标记的链接中的每个未标记的链接发送的标记指令，并根据所述标记指令对对应的未标记的链接进行标记得到标记后的链接，该标记后的链接为黑名单链接或白名单链接。
s136：将预设数量的所述标记后的链接加入所述初始样本中，以再次针对该初始样本中的每个代码特征取相同的权重，并进行多次svm分类学习得到分类器。
通过上述设置以使在对所述未知网页进行检测时，通过采用上述的分类器以使检测结果更佳准确。
步骤s140：提取所述未知网页的脚本代码片段，并按照特征关键字从所述脚本代码片段中提取特征向量。
在本实施例中，按照特征关键字从所述脚本代码片段中提取特征向量的方法可以是：按照特征关键字出现的次数、字符串长度以及信息熵值从所述脚本代码片段中提取特征向量。
其中，所述特征关键字可以包括但不限于框架挂马、javascript加密混淆、dom属性或方法、javascript执行函数、字符串操作函数、clsid标识、空格字符、特殊字符串或exe后缀等。所述字符串长度是攻击者在恶意网页中进行干扰加入的一段超长字符串，这种超长字符串很少会出现在正常网页中，因此最长字符串的长度可以作为检测特征。所述信息熵值常作为机器学习的一种特征，可以将恶意网页样本和正常网页样本数据分别进行信息熵值计算，由于恶意网页样本和正常网页样本信息熵值的分布有较大的差异，因此信息熵值也可以作为机器学习算法的分类特征。
步骤s150：采用所述分类器将所述特征向量与预设向量进行分类判断得到该未知网页是否为恶意网页，并在该未知网页为恶意网页时，获取该未知网页的网址并标记为黑名单网址并保存至所述更新后的数据库。
通过将待检测网页的特征关键字出现的次数、字符串长度以及信息熵值分别代入分类器主动学习构建的分类器中比较，并统计最终的分类，即得到恶意网站或者是正常网站，并将结果存入数据库。
通过上述方法以有效保证网页检测的准确性及高效性，在检测网页过程中实时更新数据库。
为进一步使网页检测更加高效，可选的，在本实施例中，所述数据库中预存有恶意代码特征，将待检测网页的网页链接与所述更新后的数据库中的黑名单链接和白名单链接分别进行匹配之后，所述方法还包括：
将所述未知网页的源码与所述恶意代码特征进行匹配，若匹配则将该未知网页标记为恶意网页，并将该未知网页的网址标记为黑名单网址并保存至所述更新后的数据库中。
请参阅图5，在上述基础上，本发明还提供一种网页检测装置100，所述网页检测装置100包括：更新模块110、第一检测模块120、分类器生成模块130、提取模块140以及第二检测模块150。
所述更新模块110用于获取互联网上的恶意链接地址以更新所述数据库中的黑名单链接得到更新后的数据库。具体地，所述更新模块110可用于执行图2中所示的步骤s110，具体的操作方法可参考步骤s110的详细描述。
所述第一检测模块120用于将待检测网页的网页链接与所述更新后的数据库中的黑名单链接和白名单链接分别进行匹配，若与黑名单链接匹配则将该待检测网页标记为恶意网页，若与白名单链接匹配则将该待检测网页标记为安全网页，若都不匹配则标记为未知网页。具体地，所述第一检测模块120可用于执行图2中所示的步骤s120，具体的操作方法可参考步骤s120的详细描述。
请结合图6，可选的，在本实施例中，所述第一检测模块120包括：主域名获取子模块121、检测子模块123以及匹配子模块125。
所述主域名获取子模块121用于采用正则表达式提取所述待检测网页地址的主域名、所述更新后的数据库中的黑名单地址的主域名和白名单的主域名。具体地，所述主域名获取子模块121可用于执行图3中所示的子步骤s121，具体的操作方法可参考子步骤s121的详细描述。
所述检测子模块123用于根据所述待检测网页地址的主域名得到待检测md5值，根据所述更新后的数据库中的黑名单地址的主域名得到黑名单md5值，以及根据所述白名单链接的主域名得到白名单md5值。具体地，所述检测子模块123可用于执行图3中所示的子步骤s123，具体的操作方法可参考子步骤s123的详细描述。
所述匹配子模块125用于将所述待检测md5值与所述黑名单md5值和白名单md5值分别进行匹配。具体地，所述匹配子模块125可用于执行图3中所示的子步骤s125，具体的操作方法可参考子步骤s125的详细描述。
所述分类器生成模块130用于根据所述黑名单链接和白名单链接生成分类器。具体地，所述分类器生成模块130可用于执行图2中所示的步骤s130，具体的操作方法可参考步骤s130的详细描述。
请结合图7，可选的，在本实施例中，所述分类器生成模块130包括：第一获取子模块131、第一生成子模块132、第二获取子模块133、分类子模块134、接收子模块135及第二生成子模块136。
所述第一获取子模块131用于获取总数数量为设定值的多个黑名单链接和多个白名单链接作为初始样本。具体地，所述第一获取子模块131可用于执行图4中所示的子步骤s131，具体的操作方法可参考子步骤s131的详细描述。
所述第一生成子模块132用于针对所述初始样本中的每个代码特征取相同的权重，并进行多次svm分类学习以生成初始分类器。具体地，所述第一生成子模块132可用于执行图4中所示的子步骤s132，具体的操作方法可参考子步骤s132的详细描述。
所述第二获取子模块133用于获取多个互联网上未被标记的链接作为候选样本。具体地，所述第二获取子模块133可用于执行图4中所示的子步骤s133，具体的操作方法可参考子步骤s133的详细描述。
所述分类子模块134用于从所述初始分类器对所述候选样本中所有未标记的链接进行分类后选取预设数量的未标记的链接，其中，该预设数量的多个未标记的链接靠近所述初始分类器的分类超平面。具体地，所述分类子模块134可用于执行图4中所示的子步骤s134，具体的操作方法可参考子步骤s134的详细描述。
所述接收子模块135用于接收用户针对该预设数量的未标记的链接中的每个未标记的链接发送的标记指令，并根据所述标记指令对对应的未标记的链接进行标记得到标记后的链接，该标记后的链接为黑名单链接或白名单链接。具体地，所述接收子模块135可用于执行图4中所示的子步骤s135，具体的操作方法可参考子步骤s135的详细描述。
所述第二生成子模块136用于将预设数量的所述标记后的链接加入所述初始样本中，以再次针对该初始样本中的每个代码特征取相同的权重，并进行多次svm分类学习得到分类器。具体地，所述第二生成子模块136可用于执行图4中所示的子步骤s136，具体的操作方法可参考子步骤s136的详细描述。
所述提取模块140用于提取所述未知网页的脚本代码片段，并按照特征关键字从所述脚本代码片段中提取特征向量。具体地，所述提取模块140可用于执行图2中所示的步骤s140，具体的操作方法可参考步骤s140的详细描述。
可选的，在本实施例中，所述提取模块140还用于：按照特征关键字出现的次数、字符串长度以及信息熵值从所述脚本代码片段中提取特征向量。
所述第二检测模块150用于采用所述分类器将所述特征向量与预设向量进行分类判断得到该未知网页是否为恶意网页，并在该未知网页为恶意网页时，获取该未知网页的网址并标记为黑名单网址并保存至所述更新后的数据库。具体地，所述第二检测模块150可用于执行图2中所示的步骤s150，具体的操作方法可参考步骤s150的详细描述。
可选的，所述数据库中预存有恶意代码特征，所述网页检测装置100还包括第三检测模块，所述第三检测模块用于将所述未知网页的源码与所述恶意代码特征进行匹配，若匹配则将该未知网页标记为恶意网页，并将该未知网页的网址标记为黑名单网址并保存至所述更新后的数据库中。
综上，本发明提供的一种网页检测方法及装置，应用于包括数据库的终端设备10，方法包括：获取互联网上的恶意链接地址以更新数据库中的黑名单链接，将待检测网页的网页链接与更新后的数据库中的黑名单链接和白名单链接分别进行匹配，若都不匹配则标记为未知网页，并根据黑名单链接和白名单链接生成分类器，提取未知网页的脚本代码片段，并按照特征关键字从脚本代码片段中提取特征向量，采用分类器将特征向量与预设向量进行分类判断该未知网页是否为恶意网页，并在该未知网页为恶意网页时标记为黑名单网址并保存至更新后的数据库。通过上述方法以有效保证网页检测的准确性及高效性，在检测网页过程中实时更新数据库。
在本发明实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、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，所述模块、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方式中，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。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的装置来实现，或者可以用专用硬件与计算机指令的组合来实现。另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，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。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。