业务数据风险模型验证方法、装置、电子设备和介质与流程

1.本公开涉及数据安全技术领域，尤其涉及一种业务数据风险模型验证方法、装置、电子设备和介质。


背景技术：

2.当前，对金融业务数据风险的预测要求逐渐提高。现在普遍采用的防范风险的方法都是，利用风险建模实现风险的警示与处置。风险建模的过程具体包括：通过案件特征分析提取模型特征点；量化案件特征形成风险模型；对风险模型执行正确性验证；执行风险模型审核管理过程；风险模型的发布投产使用。这其中，风险建模的质量及验证机制就决定了风控效果的优劣。
3.当前，金融机构常用的风险模型验证方式主要是通过开发、测试环境进行，利用少量样本数据进行模拟验证，在测试环境验证后，再将模型发步到生产环境，由于测试环境数据的局限性，再加上近几年信息安全各方面严格要求，测试环境中的关键数据均需要做脱敏处理，避免信息泄露造成信息安全实现，这样的条件下，本质上是无法对业务数据进行准确地风险预测，造成模型验证不准确，投产后产生大量垃圾数据，容易出现风险漏报、风险误报等情况，同时对后续的业务数据分析的可应用性带来很大难度。


技术实现要素：

4.有鉴于此，本公开实施例提供了一种业务数据风险模型验证方法、装置、电子设备和介质，以解决现有技术中对业务数据风险预测不准确的问题。
5.本公开实施例的第一方面，提供了一种业务数据风险模型验证方法，包括：获取目标业务对应的基础业务数据；基于上述基础业务数据构建上述目标业务的待测试业务数据；基于风险预测模型对上述基础业务数据进行风险预测，获得初始风险预测结果；基于上述风险预测模型对上述待测试业务数据进行风险预测，获得测试风险预测结果；基于上述初始风险预测结果和上述测试风险预测结果，确定上述目标业务的基础业务数据的目标风险预测结果。
6.本公开实施例的第二方面，提供了一种业务数据风险模型验证装置，包括：业务数据获取单元，被配置成获取目标业务对应的基础业务数据；测试业务数据构建单元，被配置成基于上述基础业务数据构建上述目标业务的待测试业务数据；初始风险预测单元，被配置成基于风险预测模型对上述基础业务数据进行风险预测，获得初始风险预测结果；测试风险预测单元，被配置成基于上述风险预测模型对上述待测试业务数据进行风险预测，获得测试风险预测结果；目标风险预测单元，被配置成基于上述初始风险预测结果和上述测试风险预测结果，确定上述目标业务的基础业务数据的目标风险预测结果。
7.本公开实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可以在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。
8.本公开实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
9.本公开实施例与现有技术相比存在的有益效果是：首先，获取目标业务的基础业务数据；然后，根据基础业务数据构建目标业务的待测试业务数据，并基于风险预测模型对这两类业务数据分别在不同的环境下进行风险预测处理；最后，根据测试环境下的风险预测结果对初始风险预测结果进行调整，综合评定目标业务的基础业务数据的目标风险预测结果。本公开提供的方法，根据生产环境下目标业务的基础业务数据，进行风险预测，获得初始风险预测结果，同时，利用构建的待测试业务数据在测试环境下进行测试风险预测，并根据测试风险预测结果对初始风险预测结果进行实时验证，以获得较为准确的风险预测结果；本发明实现了在生产环境中同时建立风险模型的模型实验室数据环境（即测试数据环境），二者实现业务数据共享，并且风险模型的定义数据和测试结果数据与业务数据隔离而独立存储，不影响业务数据的正常处理。
附图说明
10.为了更清楚地说明本公开实施例中的技术方案，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它的附图。
11.图1是根据本公开的一些实施例的业务数据风险模型验证方法的一个应用场景的示意图；图2是根据本公开的业务数据风险模型验证方法的一些实施例的流程图；图3是根据本公开的业务数据风险模型验证方法的一些实施例的处理过程流程图；图4是根据本公开的业务数据风险模型验证装置的一些实施例的结构示意图；图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
12.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
13.另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
14.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
15.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
16.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
17.下面将参考附图并结合实施例来详细说明本公开。
18.图1是根据本公开的一些实施例的业务数据风险模型验证方法的一个应用场景的示意图。
19.在图1的应用场景中，计算设备101可以获取目标业务的基础业务数据102。然后，计算设备101可以根据上述基础业务数据102，构建目标业务的待测试业务数据103，并基于风险预测模型分别对两类业务数据进行风险预测，获得初始风险预测结果104和测试风险预测结果105。最后，计算设备101可以基于初始风险预测结果104和测试风险预测结果105，对目标业务的基础业务数据进行风险预测，如附图标记106所示。需要说明的是，初始风险预测结果和104测试风险预测结果105是分别生成，并独立存储；初始风险预测结果104主要用于对业务数据预警结果进行处理，测试风险预测结果105主要用于对业务数据按照验证方案进行测试确定预测结果是否准确，实际应用中，本实施例对此不做具体限定。
20.金融行业风险无处不在，对数据安全的要求也越来越高，目前普遍采用的防范风险的技术，主要是利用风险建模实现风险的警示与处理，但风险建模的质量及验证机制就决定了风控效果的优劣。当前主要采用的风险模型验证方式主要是通过开发、测试环境进行，利用少量样本数据进行模拟验证，在测试环境验证后，再将模型发步到生产环境，由于测试环境数据的局限性，再加上近几年信息安全各方面严格要求，测试环境中的关键数据均需要做脱敏处理，避免信息泄露造成信息安全实现，这样的条件下，本质上是造成无法完整验证模型的准确性，造成模型验证不准确，投产后产生大量垃圾数据，容易出现风险漏报、风险误报等情况，对业务人员确定模型的有效性带来很大难度。
21.基于此，本技术公开实施例提出的业务数据风险模型验证方法中，通过在生产环境上建立模型实验室数据环境（测试数据环境），依据生产环境中真实数据，对风险模型进行实时验证，验证风险模型的预测结果；同时，实现生产环境基础业务数据的共享，对测试环境下的预测结果进行隔离处理，即可在生产环境中共享使用真实数据，又不对业务数据结果造成影响，同时达到对风险模型的验证及管理工作。
22.需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备101为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备101体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
23.图2是根据本公开的业务数据风险模型验证方法的一些实施例的流程图。图2的业务数据风险模型验证方法可以由图1的计算设备101执行。如图2所示，该业务数据风险模型验证方法包括：步骤s201，获取目标业务对应的基础业务数据。
24.在一些实施例中，业务数据风险模型验证方法的执行主体（如图1所示的计算设备101）可以获取到目标业务对应的基础业务数据，其中，目标业务可以理解为需要对其进行风险预测的警示业务，比如金融投资风险预测业务等，基础业务数据可以理解为需要进行风险预测的业务数据，包括但不限定于业务单号、业务类型、业务数据类型、交易账户、交易时间、交易流水等。作为示例，执行主体在接收到对目标业务的业务数据进行风险预测的指令时，响应于该风险预测指令，获取该目标业务对应的基础业务数据，便于后续对该基础业
务数据进行风险预测。
25.在一些实施例的一些可选的实现方式中，获取目标业务对应的基础业务数据，包括：确定目标业务在生产环境下的目标数据库；从上述目标数据库中，获取上述目标业务对应的基础业务数据。可选的，上述执行主体在生产环境下搭建目标数据库，各类业务数据均存储于该目标数据库中，便于后续为了实现对目标业务数据进行风险预测，而从该目标数据库中，获取到该目标业务对应的基础业务数据。
26.需要说明的是，生产环境下获取目标业务对应的业务数据是为了对基础业务数据的风险进行预测的过程，该过程属于业务数据正常的风控过程。
27.步骤s202，基于上述基础业务数据构建上述目标业务的待测试业务数据。
28.在一些实施例中，执行主体可根据基础业务数据构建该目标业务的待测试业务数据，其中，待测试业务数据可以理解为在实验室环境下需要进行风险验证的业务数据，如在金融机构中比较重要的业务数据客户、账户和交易流水等数据。需要说明的是，实验室环境下的业务数据处理过程可以理解为测试环境下对数据的处理过程，本公开实施例中为了能够对基础业务数据进行实时预测验证，执行主体还可通过在正常对业务数据进行预测的过程中，实时完成对基础业务数据预测结果的验证；具体可参见下述实施例的描述。
29.在一些实施例的一些可选的实现方式中，基于上述基础业务数据构建上述目标业务的待测试业务数据，包括：确定目标业务在测试环境下的实验室数据库；基于上述基础业务数据，在上述实验室数据库中构建上述目标业务的待测试业务数据。执行主体可在测试环境下建立实验室数据库，用于存储需要进行验证的基础业务数据表，便于后续进行风险预测验证。可选地，在实验室数据库中，通过建立视图方式映射出验证环境需要的基础业务数据表，即待测试业务数据表。
30.步骤s203，基于风险预测模型对上述基础业务数据进行风险预测，获得初始风险预测结果。
31.实际应用中，上述执行主体可以基于风险预测模型对获取到的目标业务的基础业务数据进行风险预测，并获得初始风险预测结果，其中，初始风险预测结果可以理解为对基础业务数据所发生的风险事件进行预测的结果，作为示例，债券违约事件的风险进行预测的结果。
32.在一些实施例的一些可选的实现方式中，对上述基础业务数据进行风险预测，获得初始风险预测结果，包括：将上述基础业务数据输入初始风险预测模型，获得初始风险预测结果；执行主体将基础业务数据输入至初始风险预测模型中，其中，初始风险预测模型为预先训练获得，该模型主要用于对业务数据对应的事件发生风险的预测，具体的模型训练过程可参考不同的业务场景，获取不同的数据类型以及不同的参数阈值，来判定该业务数据所指向的事件是否在该领域下属于风险事件，本实施例中对该过程不做任何限定。另外，初始风险预测模型相应地风险模型定义实体表数据只能在目标数据库中保存，便于后续从该数据库中获取相应的模型参数定义。
33.步骤s204，基于上述风险预测模型对上述待测试业务数据进行风险预测，获得测试风险预测结果。
34.在一些实施例的一些可选的实现方式中，为了对上述初始风险预测模型的预测准确性进行实时验证，执行主体在获取到待测试业务数据之后，还可基于上述风险预测模型
对上述待测试业务数据进行风险预测，获得测试风险预测结果，包括：将上述待测试业务数据输入测试风险预测模型，获得测试风险预测结果。具体的，执行主体在实验室用户环境下，也利用测试风险预测模型对待测试业务数据进行风险预测，以获得测试风险预测结果。
35.在一些实施例的一些可选的实现方式中，将上述待测试业务数据输入测试风险预测模型，获得测试风险预测结果之前，还包括：获取上述初始风险预测模型中的模型定义参数；基于上述模型定义参数构建上述目标业务的测试风险预测模型。实际应用中，执行主体可从生产环境中获取到初始风险预测模型中的模型定义参数，把需要的风险模型定义参数初始化到实验室数据库中，但该数据库中并不对模型定义参数进行永久保存，而是根据不同的验证方案进行清理；执行主体在获取到初始风险预测模型的模型定义参数后，即可根据需要的模型定义参数构建该目标业务的测试风险预测模型。
36.本实施例公开的业务数据风险模型验证方法中，通过在实验室环境下构建风险预测模型，对业务数据进行预测，以验证初始风险预测模型的准确性，便于后续随时对该初始风险预测模型进行调整，实现在模型投产前对风险模型的有效性评估，减少投产后造成的大量垃圾数据，影响业务数据的及时处理和统计分析的工作。
37.步骤s205，基于上述初始风险预测结果和上述测试风险预测结果，确定上述目标业务的基础业务数据的目标风险预测结果。
38.实际应用中，执行主体在获取到目标业务的初始风险预测结果以及测试风险预测结果之后，可实时根据测试风险预测结果对初始风险预测结果中的初始风险预测模型进行验证评估，确定初始风险预测模型的有效性以及可用性；后续还可根据测试风险预测结果对目标业务的基础业务数据进行综合评定，确定目标风险预测结果。
39.在一些实施例的一些可选的实现方式中，基于上述初始风险预测结果和上述测试风险预测结果，确定上述目标业务的基础业务数据的目标风险预测结果，包括：确定上述目标业务的待验证策略；基于上述测试风险预测结果，按照上述待验证策略对上述初始风险预测结果进行验证，获得上述初始风险预测模型的验证结果；根据上述验证结果，确定上述目标业务的基础业务数据的目标风险预测结果。实际应用中，不同的目标业务可涉及不同的待验证策略，比如不同的基础业务数据对应不同的参数参考标准、或者参考条件等；进而，执行主体可基于测试风险预测结果，按照确定好的待验证策略对初始风险预测结果进行验证，以确定初始风险预测结果是否能够达到预设标准；将测试风险预测结果作为基础业务数据风险预测的参考标准，再根据适当的参数阈值的条件等，对初始风险预测结果进行调整，以训练初始风险预测模型，最后，执行主体可获得预测准确度较高的初始风险预测模型，并将该初始风险预测模型进行投产使用。
40.在一些实施例的一些可选的实现方式中，生产环境下的目标数据库建立风险模型预警结果层数据表，用于业务人员对风险模型预警结果进行处理；实验室数据库中根据每个验证方案建立实体风险模型预警结果层数据表，便于业务人员进行分析比对等工作。
41.在一些实施例的一些可选的实现方式中，基于上述初始风险预测结果和上述测试风险预测结果，确定上述目标业务的基础业务数据的目标风险预测结果之后，还包括：基于上述目标风险预测结果，对上述基础业务数据进行数据分析。执行主体在获得目标业务的目标风险预测结果之后，还可对该基础业务数据进行数据分析，这里的数据分析所包含的分析类型较多，可分析该基础业务数据出现风险事件因素的分析、该基础业务数据对后续
建立其他风险预测模型参考值的分析等。本实施例对此过程不做具体限定。
42.本公开实施例与现有技术相比存在的有益效果是：首先，获取目标业务的基础业务数据；然后，根据基础业务数据构建目标业务的待测试业务数据，并基于风险预测模型对这两类业务数据分别在不同的环境下进行风险预测处理；最后，根据测试环境下的风险预测结果对初始风险预测结果进行调整，综合评定目标业务的基础业务数据的目标风险预测结果。本公开提供的方法，根据生产环境下目标业务的基础业务数据，进行风险预测，获得初始风险预测结果，同时，利用构建的待测试业务数据在测试环境下进行测试风险预测，并根据测试风险预测结果对初始风险预测结果进行实时验证，以获得较为准确的风险预测结果。
43.图3是根据本公开的业务数据风险模型验证方法的一些实施例的处理过程流程图。
44.图3中以目标业务数据实例为例进行说明。需要说明的是，本技术实施例是在生产环境中同时建立业务风险模型计算环境和风险模型实验室数据验证环境，实验室数据环境业务风险模型基础业务数据共享，风险模型定义数据和风险模型计算结果数据独立存储，与业务数据隔离，不影响业务数据的正常处理。
45.执行主体在该目标业务数据实例中建立两个数据库用户，业务数据库用户和实验室数据库用户，且同一数据库实例中可实现基础业务数据共享；在实验室数据库用户中通过建立视图方式映射风险模型验证环境需要的基础业务数据表；如在金融机构中比较重要的业务数据客户、账户和交易流水等；业务数据库用户中建立相应的风险模型定义实体表，风险模型定义表数据只在业务数据库中保存，实验室用户环境在进行风险模型验证过程中，把把需要的风险模型定义数据初始到到实验库数据库用户中，不对模型定义数据进行永久保存，根据验证方案进行清理；业务数据库用户和实验室数据库用户在风险模型预警结果数据层是完全隔离的。业务数据库用户建立风险模型预警结果层数据表，用于业务人员对风险模型预警结果进行处理。实验数据库用户中根据每个验证方案建立实体风险模型预警结果层数据表，便于业务人员进行分析对比等工作。
46.综上，本公开的业务数据风险模型验证方法，能够实现基于生产环境真实数据进行风险模型验证工作，可准确验证风险模型的正确性，提供风险模型验证的数据环境，提高风险模型验证工作的准确度。同时，本技术主要应用于金融行业所涉及风险模型管理过程中的验证环节，通过本技术可实现对风险模型基于真实的业务数据进行有效性和可用性验证，在风险模型投产前对风险模型做到有效评估，减少投产后造成大量垃圾数据，影响业务数据的及时处理和统计分析等工作。
47.上述所有可选技术方案，可以采用任意结合形成本技术的可选实施例，在此不再一一赘述。
48.下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
49.图4是根据本公开的业务数据风险预测装置的一些实施例的结构示意图。如图4所示，该业务数据风险预测装置包括：业务数据获取单元401、测试业务数据构建单元402、初始风险预测单元403、测试风险预测单元404和目标风险预测单元405。其中，业务数据获取单元401，被配置成获取目标业务对应的基础业务数据；测试业务数据构建单元402，被配置
成基于上述基础业务数据构建上述目标业务的待测试业务数据；初始风险预测单元403，被配置成基于风险预测模型对上述基础业务数据进行风险预测，获得初始风险预测结果；测试风险预测单元404，被配置成基于上述风险预测模型对上述待测试业务数据进行风险预测，获得测试风险预测结果；目标风险预测单元405，被配置成基于上述初始风险预测结果和上述测试风险预测结果，确定上述目标业务的基础业务数据的目标风险预测结果。
50.在一些实施例的一些可选的实现方式中，业务数据风险预测装置的初始风险预测单元403被进一步配置成：将上述基础业务数据输入初始风险预测模型，获得初始风险预测结果。
51.在一些实施例的一些可选的实现方式中，业务数据风险预测装置的测试风险预测单元404被进一步配置成：将上述待测试业务数据输入测试风险预测模型，获得测试风险预测结果。
52.在一些实施例的一些可选的实现方式中，业务数据风险预测装置被进一步配置成：获取上述初始风险预测模型中的模型定义参数；基于上述模型定义参数构建上述目标业务的测试风险预测模型。
53.在一些实施例的一些可选的实现方式中，业务数据风险预测装置的目标风险预测单元405被进一步配置成：确定上述目标业务的待验证策略；基于上述测试风险预测结果，按照上述待验证策略对上述初始风险预测结果进行验证，获得上述初始风险预测模型的验证结果；根据上述验证结果，确定上述目标业务的基础业务数据的目标风险预测结果。
54.在一些实施例的一些可选的实现方式中，业务数据风险预测装置的业务数据获取单元401被进一步配置成：确定目标业务在生产环境下的目标数据库；从上述目标数据库中，获取上述目标业务对应的基础业务数据。
55.在一些实施例的一些可选的实现方式中，业务数据风险预测装置的测试业务数据构建单元402被进一步配置成：确定目标业务在测试环境下的实验室数据库；基于上述基础业务数据，在上述实验室数据库中构建上述目标业务的待测试业务数据。
56.在一些实施例的一些可选的实现方式中，业务数据风险预测装置被进一步配置成：基于上述目标风险预测结果，对上述基础业务数据进行数据分析。
57.应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本公开实施例的实施过程构成任何限定。
58.图5是本公开实施例提供的计算机设备5的示意图。如图5所示，该实施例的计算机设备5包括：处理器501、存储器502以及存储在该存储器502中并且可以在处理器501上运行的计算机程序503。处理器501执行计算机程序503时实现上述各个方法实施例中的步骤。或者，处理器501执行计算机程序503时实现上述各装置实施例中各模块/单元的功能。
59.示例性地，计算机程序503可以被分割成一个或多个模块/单元，一个或多个模块/单元被存储在存储器502中，并由处理器501执行，以完成本公开。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序503在计算机设备5中的执行过程。
60.计算机设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算机设备。计算机设备5可以包括但不仅限于处理器501和存储器502。本领域技术人员可以理解，
图5仅仅是计算机设备5的示例，并不构成对计算机设备5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如，计算机设备还可以包括输入输出设备、网络接入设备、总线等。
61.处理器501可以是中央处理单元（central processing unit，cpu），也可以是其它通用处理器、数字信号处理器（digital signal processor，dsp）、专用集成电路（application specific integrated circuit，asic）、现场可编程门阵列（field-programmable gate array，fpga）或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
62.存储器502可以是计算机设备5的内部存储单元，例如，计算机设备5的硬盘或内存。存储器502也可以是计算机设备5的外部存储设备，例如，计算机设备5上配备的插接式硬盘，智能存储卡（smart media card，smc），安全数字（secure digital，sd）卡，闪存卡（flash card）等。进一步地，存储器502还可以既包括计算机设备5的内部存储单元也包括外部存储设备。存储器502用于存储计算机程序以及计算机设备所需的其它程序和数据。存储器502还可以用于暂时地存储已经输出或者将要输出的数据。
63.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
64.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
65.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。
66.在本公开所提供的实施例中，应该理解到，所揭露的装置/计算机设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/计算机设备实施例仅仅是示意性的，例如，模块或单元的划分，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，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
67.作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
68.另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
69.集成的模块/单元如果以软件功能单元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存储介质中。基于这样的理解，本公开实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可以存储在计算机可读存储介质中，该计算机程序在被处理器执行时，可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（read-only memory，rom）、随机存取存储器（random access memory，ram）、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如，在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
70.以上实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述实施例对本公开进行了详细的说明，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公开各实施例技术方案的精神和范围，均应包含在本公开的保护范围之内。