本發(fā)明涉及網(wǎng)絡(luò)技術(shù)領(lǐng)域，尤其涉及一種對(duì)用戶登錄進(jìn)行風(fēng)險(xiǎn)評(píng)估的方法及裝置。

背景技術(shù)：

用戶登錄：大型網(wǎng)站會(huì)有很多用戶，用戶為了使用自己在網(wǎng)站上的賬號(hào)所需要的確認(rèn)身份的操作叫做登錄。

登錄日志中含有很多信息，如登錄時(shí)間，登錄方式，登錄設(shè)備，登錄地址，登錄瀏覽器，登錄請(qǐng)求時(shí)長，登錄結(jié)果，登錄賬號(hào)等信息。把同一賬號(hào)的登錄信息全部存儲(chǔ)在數(shù)據(jù)庫里。當(dāng)用戶登錄時(shí)，在數(shù)據(jù)庫里取日志，然后逐個(gè)比對(duì)當(dāng)前登錄日志和取出的日志。并依此判定此次登錄是否異常。

現(xiàn)有技術(shù)對(duì)于賬號(hào)a，在數(shù)據(jù)庫中以a為表名存儲(chǔ)其所有登錄日志。每次當(dāng)a登錄時(shí)，從數(shù)據(jù)庫中取出所有日志，并將此次日志l和數(shù)據(jù)庫日志逐條逐字段比對(duì)。對(duì)每個(gè)字段設(shè)定一個(gè)臨界值(c1,c2,c3….)，當(dāng)l中的一個(gè)字段在數(shù)據(jù)庫日志對(duì)應(yīng)字段中出現(xiàn)的比例低于臨界值時(shí)，將此字段判定為異常。如此判斷所有字段，若異常的字段占字段總數(shù)的比例高于總臨界值c時(shí)則此次登錄判定為異常。

現(xiàn)有技術(shù)需要從數(shù)據(jù)庫中取出所有日志，這對(duì)于龐大的賬號(hào)系統(tǒng)的網(wǎng)站是不可接受的，因?yàn)榇瞬僮鳂O為耗時(shí)。在判定過程中需要遍歷所有日志也很耗時(shí)。且此方法過于依賴人為設(shè)定的臨界值(c，c1，c2…)，導(dǎo)致自動(dòng)化程度不夠高，響應(yīng)不夠及時(shí)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例提供一種對(duì)用戶登錄進(jìn)行風(fēng)險(xiǎn)評(píng)估的方法及裝置，以加速用戶登錄風(fēng)險(xiǎn)評(píng)估的速度，同時(shí)提高用戶登錄風(fēng)險(xiǎn)評(píng)估的自動(dòng)化程度。

一方面，本發(fā)明實(shí)施例提供了一種對(duì)用戶登錄進(jìn)行風(fēng)險(xiǎn)評(píng)估的方法，所述方法包括：

獲取用戶當(dāng)前登錄的日志數(shù)據(jù)；

根據(jù)所述用戶當(dāng)前登錄的日志數(shù)據(jù)，獲取用戶唯一身份標(biāo)志uid和用戶當(dāng)前登錄的屬性字段信息；

根據(jù)獲取的所述uid，從數(shù)據(jù)庫中獲取所述uid對(duì)應(yīng)的預(yù)設(shè)用戶模型，所述預(yù)設(shè)用戶模型中存儲(chǔ)有所述uid對(duì)應(yīng)的若干屬性字段；

利用所述用戶當(dāng)前登錄的屬性字段信息和所述預(yù)設(shè)用戶模型中的相應(yīng)屬性字段，獲取所述用戶當(dāng)前登錄的風(fēng)險(xiǎn)系數(shù)；

根據(jù)所述用戶當(dāng)前登錄的風(fēng)險(xiǎn)系數(shù)對(duì)所述用戶當(dāng)前登錄進(jìn)行風(fēng)險(xiǎn)評(píng)估。

另一方面，本發(fā)明實(shí)施例提供了一種對(duì)用戶登錄進(jìn)行風(fēng)險(xiǎn)評(píng)估的裝置，所述裝置包括：

日志數(shù)據(jù)獲取單元，用于獲取用戶當(dāng)前登錄的日志數(shù)據(jù)；

屬性字段獲取單元，用于根據(jù)所述用戶當(dāng)前登錄的日志數(shù)據(jù)，獲取用戶唯一身份標(biāo)志uid和用戶當(dāng)前登錄的屬性字段信息；

用戶模型獲取單元，用于根據(jù)獲取的所述uid，從數(shù)據(jù)庫中獲取所述uid對(duì)應(yīng)的預(yù)設(shè)用戶模型，所述預(yù)設(shè)用戶模型中存儲(chǔ)有所述uid對(duì)應(yīng)的若干屬性字段；

風(fēng)險(xiǎn)系數(shù)獲取單元，用于利用所述用戶當(dāng)前登錄的屬性字段信息和所述預(yù)設(shè)用戶模型中的相應(yīng)屬性字段，獲取所述用戶當(dāng)前登錄的風(fēng)險(xiǎn)系數(shù)；

風(fēng)險(xiǎn)評(píng)估單元，用于根據(jù)所述用戶當(dāng)前登錄的風(fēng)險(xiǎn)系數(shù)對(duì)所述用戶當(dāng)前登錄進(jìn)行風(fēng)險(xiǎn)評(píng)估。

上述技術(shù)方案具有如下有益效果：數(shù)據(jù)庫需要存儲(chǔ)的僅僅是每個(gè)用戶的用戶模型，所需要的存儲(chǔ)空間大大減小，并且風(fēng)險(xiǎn)評(píng)估的過程大大提速了，還實(shí)現(xiàn)了自動(dòng)化的風(fēng)險(xiǎn)評(píng)估和判斷。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實(shí)施例一種對(duì)用戶登錄進(jìn)行風(fēng)險(xiǎn)評(píng)估的方法流程圖；

圖2為本發(fā)明實(shí)施例一種對(duì)用戶登錄進(jìn)行風(fēng)險(xiǎn)評(píng)估的裝置結(jié)構(gòu)示意圖；

圖3為本發(fā)明實(shí)施例另一種對(duì)用戶登錄進(jìn)行風(fēng)險(xiǎn)評(píng)估的裝置結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

如圖1所示，為本發(fā)明實(shí)施例一種對(duì)用戶登錄進(jìn)行風(fēng)險(xiǎn)評(píng)估的方法流程圖，所述方法包括：

101、獲取用戶當(dāng)前登錄的日志數(shù)據(jù)；

102、根據(jù)所述用戶當(dāng)前登錄的日志數(shù)據(jù)，獲取用戶唯一身份標(biāo)志uid和用戶當(dāng)前登錄的屬性字段信息；

103、根據(jù)獲取的所述uid，從數(shù)據(jù)庫中獲取所述uid對(duì)應(yīng)的預(yù)設(shè)用戶模型，所述預(yù)設(shè)用戶模型中存儲(chǔ)有所述uid對(duì)應(yīng)的若干屬性字段；

104、利用所述用戶當(dāng)前登錄的屬性字段信息和所述預(yù)設(shè)用戶模型中的相應(yīng)屬性字段，獲取所述用戶當(dāng)前登錄的風(fēng)險(xiǎn)系數(shù)；

105、根據(jù)所述用戶當(dāng)前登錄的風(fēng)險(xiǎn)系數(shù)對(duì)所述用戶當(dāng)前登錄進(jìn)行風(fēng)險(xiǎn)評(píng)估。

優(yōu)選地，所述屬性字段包括如下之一或者任意組合：登錄入口、登錄設(shè)備、登錄時(shí)間、登錄方式、登錄地址、登錄瀏覽器、登錄請(qǐng)求時(shí)長、登錄結(jié)果、登錄賬號(hào)。

優(yōu)選地，所述uid對(duì)應(yīng)的預(yù)設(shè)用戶模型中還存儲(chǔ)有每一個(gè)屬性字段包括的各屬性字段分類項(xiàng)及其比重值。

優(yōu)選地，所述利用所述用戶當(dāng)前登錄的屬性字段信息和所述預(yù)設(shè)用戶模型中的相應(yīng)屬性字段，獲取所述用戶當(dāng)前登錄的風(fēng)險(xiǎn)系數(shù)，包括：

針對(duì)所述用戶當(dāng)前登錄的每一個(gè)屬性字段信息，在所述預(yù)設(shè)用戶模型的相應(yīng)屬性字段中查找對(duì)應(yīng)的屬性字段分類項(xiàng)及其比重值，使用查找到的比重值除以所述預(yù)設(shè)用戶模型中的相應(yīng)屬性字段包括的所有屬性字段分類項(xiàng)的比重值之和，得到所述屬性字段分類項(xiàng)的分?jǐn)?shù)；

計(jì)算所述用戶當(dāng)前登錄的所有屬性字段信息分別對(duì)應(yīng)的各屬性字段分類項(xiàng)的分?jǐn)?shù)平均值，將該分?jǐn)?shù)平均值作為所述用戶當(dāng)前登錄的風(fēng)險(xiǎn)系數(shù)。

優(yōu)選地，所述方法還包括：根據(jù)所述用戶當(dāng)前登錄的日志數(shù)據(jù)對(duì)數(shù)據(jù)庫中對(duì)應(yīng)的預(yù)設(shè)用戶模型進(jìn)行更新，包括：根據(jù)所述用戶當(dāng)前登錄的屬性字段信息在所述預(yù)設(shè)用戶模型的相應(yīng)屬性字段中查找對(duì)應(yīng)的屬性字段分類項(xiàng)及其比重值，將查找到的比重值加1，并將該相應(yīng)屬性字段包括的所有屬性字段分類項(xiàng)的比重值乘以預(yù)設(shè)的權(quán)重系數(shù)。

對(duì)應(yīng)于上述方法實(shí)施例，如圖2所示，為本發(fā)明實(shí)施例一種對(duì)用戶登錄進(jìn)行風(fēng)險(xiǎn)評(píng)估的裝置結(jié)構(gòu)示意圖，所述裝置包括：

日志數(shù)據(jù)獲取單元21，用于獲取用戶當(dāng)前登錄的日志數(shù)據(jù)；

屬性字段獲取單元22，用于根據(jù)所述用戶當(dāng)前登錄的日志數(shù)據(jù)，獲取用戶唯一身份標(biāo)志uid和用戶當(dāng)前登錄的屬性字段信息；

用戶模型獲取單元23，用于根據(jù)獲取的所述uid，從數(shù)據(jù)庫中獲取所述uid對(duì)應(yīng)的預(yù)設(shè)用戶模型，所述預(yù)設(shè)用戶模型中存儲(chǔ)有所述uid對(duì)應(yīng)的若干屬性字段；

風(fēng)險(xiǎn)系數(shù)獲取單元24，用于利用所述用戶當(dāng)前登錄的屬性字段信息和所述預(yù)設(shè)用戶模型中的相應(yīng)屬性字段，獲取所述用戶當(dāng)前登錄的風(fēng)險(xiǎn)系數(shù)；

風(fēng)險(xiǎn)評(píng)估單元25，用于根據(jù)所述用戶當(dāng)前登錄的風(fēng)險(xiǎn)系數(shù)對(duì)所述用戶當(dāng)前登錄進(jìn)行風(fēng)險(xiǎn)評(píng)估。

優(yōu)選地，所述屬性字段包括如下之一或者任意組合：登錄入口、登錄設(shè)備、登錄時(shí)間、登錄方式、登錄地址、登錄瀏覽器、登錄請(qǐng)求時(shí)長、登錄結(jié)果、登錄賬號(hào)。

優(yōu)選地，所述uid對(duì)應(yīng)的預(yù)設(shè)用戶模型中還存儲(chǔ)有每一個(gè)屬性字段包括的各屬性字段分類項(xiàng)及其比重值。

優(yōu)選地，所述風(fēng)險(xiǎn)系數(shù)獲取單元24，具體用于針對(duì)所述用戶當(dāng)前登錄的每一個(gè)屬性字段信息，在所述預(yù)設(shè)用戶模型的相應(yīng)屬性字段中查找對(duì)應(yīng)的屬性字段分類項(xiàng)及其比重值，使用查找到的比重值除以所述預(yù)設(shè)用戶模型中的相應(yīng)屬性字段包括的所有屬性字段分類項(xiàng)的比重值之和，得到所述屬性字段分類項(xiàng)的分?jǐn)?shù)；計(jì)算所述用戶當(dāng)前登錄的所有屬性字段信息分別對(duì)應(yīng)的各屬性字段分類項(xiàng)的分?jǐn)?shù)平均值，將該分?jǐn)?shù)平均值作為所述用戶當(dāng)前登錄的風(fēng)險(xiǎn)系數(shù)。

優(yōu)選地，如圖3所示，為本發(fā)明實(shí)施例另一種對(duì)用戶登錄進(jìn)行風(fēng)險(xiǎn)評(píng)估的裝置結(jié)構(gòu)示意圖，所述裝置還包括：用戶模型更新單元26，用于根據(jù)所述用戶當(dāng)前登錄的日志數(shù)據(jù)對(duì)數(shù)據(jù)庫中對(duì)應(yīng)的預(yù)設(shè)用戶模型進(jìn)行更新，具體用于根據(jù)所述用戶當(dāng)前登錄的屬性字段信息在所述預(yù)設(shè)用戶模型的相應(yīng)屬性字段中查找對(duì)應(yīng)的屬性字段分類項(xiàng)及其比重值，將查找到的比重值加1，并將該相應(yīng)屬性字段包括的所有屬性字段分類項(xiàng)的比重值乘以預(yù)設(shè)的權(quán)重系數(shù)。

上述技術(shù)方案具有如下有益效果：數(shù)據(jù)庫需要存儲(chǔ)的僅僅是每個(gè)用戶的用戶模型，所需要的存儲(chǔ)空間大大減小，并且風(fēng)險(xiǎn)評(píng)估的過程大大提速了，還實(shí)現(xiàn)了自動(dòng)化的風(fēng)險(xiǎn)評(píng)估和判斷。

以下通過應(yīng)用實(shí)例對(duì)本發(fā)明實(shí)施例進(jìn)行詳細(xì)說明：

在大型網(wǎng)站的賬號(hào)系統(tǒng)中我們不能全部取用日志，要想辦法提高做出判斷的速度和準(zhǔn)確度，并且還要提升自動(dòng)化的程度。因此精煉數(shù)據(jù)所得的用戶模型便是一個(gè)很好的選擇。

本發(fā)明應(yīng)用實(shí)例對(duì)于每個(gè)用戶，構(gòu)建用戶唯一身份標(biāo)志(uid)為主鍵的用戶模型并存儲(chǔ)于數(shù)據(jù)庫中。用戶模型是不斷在變化的。每時(shí)每刻都在產(chǎn)生的流式的登錄日志，經(jīng)篩選產(chǎn)生登錄日志，并依據(jù)一定的算法，可以利用用戶模型和當(dāng)次登錄數(shù)據(jù)來更新模型。當(dāng)有需要判斷是否為惡意登錄的登錄數(shù)據(jù)的時(shí)候，從數(shù)據(jù)庫里讀取用戶模型并根據(jù)用戶模型和數(shù)據(jù)按照一定數(shù)學(xué)規(guī)則運(yùn)算來得到判斷結(jié)果。

若登錄日志里有uid，及本次登錄的登錄入口，登錄設(shè)備兩個(gè)用戶當(dāng)前登錄的屬性字段信息。則用戶模型的結(jié)構(gòu)可以是這樣的結(jié)構(gòu)：

這是用戶模型的一個(gè)可能的結(jié)構(gòu)。首先存儲(chǔ)了uid，所述uid對(duì)應(yīng)的預(yù)設(shè)用戶模型中還存儲(chǔ)有每一個(gè)屬性字段包括的各屬性字段分類項(xiàng)及其比重值。在entry(入口)項(xiàng)里存儲(chǔ)使用過的各個(gè)登錄入口及其比重值(如郵箱登錄的比重值為32.2，而使用app登錄的比重值只有0.6)。接下來存儲(chǔ)最近登錄的設(shè)備信息及其比重值。

如何構(gòu)建這樣的用戶模型呢？首先對(duì)流式登錄日志篩選，符合條件的登錄數(shù)據(jù)被寫成{uid:23142,entry:mail,device:pc}的形式。然后根據(jù)uid讀取數(shù)據(jù)庫中的預(yù)設(shè)用戶模型，若沒有預(yù)設(shè)用戶模型則新建。如此次登錄的entry是mail，則在預(yù)設(shè)用戶模型里entry中的mail的值加1(沒有則新建mail：1)，然后再對(duì)entry中的所有值乘以0.995(權(quán)重系數(shù))；這一步是為了讓用戶最近的登錄的重要性大于很早以前的登錄，并且也有控制數(shù)據(jù)規(guī)模的作用。以此方法處理device，再存儲(chǔ)預(yù)設(shè)用戶模型至數(shù)據(jù)庫，完成更新操作。

風(fēng)險(xiǎn)評(píng)估的辦法：根據(jù)用戶當(dāng)前登錄的日志數(shù)據(jù)，獲取用戶唯一身份標(biāo)志uid和用戶當(dāng)前登錄的屬性字段信息，把要評(píng)估的數(shù)據(jù)寫成{uid:23142,entry:app,device:galaxys7}的形式。從數(shù)據(jù)庫里讀取uid對(duì)應(yīng)的預(yù)設(shè)用戶模型(如上述的預(yù)設(shè)用戶模型，所述預(yù)設(shè)用戶模型中存儲(chǔ)有所述uid對(duì)應(yīng)的若干屬性字段)；利用所述用戶當(dāng)前登錄的屬性字段信息和所述預(yù)設(shè)用戶模型中的相應(yīng)屬性字段，獲取所述用戶當(dāng)前登錄的風(fēng)險(xiǎn)系數(shù)：對(duì)entry字段比對(duì)：這次登錄的entry是app，則在預(yù)設(shè)用戶模型entry項(xiàng)里找到app對(duì)應(yīng)的比重值0.6，再用0.6除以entry下所有比重值的和：0.6/(32.2+2.1+0.6)＝0.0017(分)。計(jì)算所述用戶當(dāng)前登錄的所有屬性字段信息對(duì)應(yīng)的屬性字段分類項(xiàng)的分?jǐn)?shù)平均值，將該分?jǐn)?shù)平均值作為所述用戶當(dāng)前登錄的風(fēng)險(xiǎn)系數(shù)：對(duì)device項(xiàng)做同樣的操作得到entry分?jǐn)?shù)：40.4/(75.9+40+40.4)＝0.2584(分)，然后將所有分?jǐn)?shù)的平均值作為所述用戶當(dāng)前登錄的風(fēng)險(xiǎn)系數(shù)(0.1301)。最后，根據(jù)所述用戶當(dāng)前登錄的風(fēng)險(xiǎn)系數(shù)對(duì)所述用戶當(dāng)前登錄進(jìn)行風(fēng)險(xiǎn)評(píng)估：風(fēng)險(xiǎn)系數(shù)越接近0則風(fēng)險(xiǎn)越大，反之，風(fēng)險(xiǎn)系數(shù)越大則風(fēng)險(xiǎn)越小。

由于流式日志的速度很快，量很大，每個(gè)用戶的模型將是一個(gè)逐漸完善的過程，模型建立的時(shí)間越長，則風(fēng)險(xiǎn)評(píng)估的越準(zhǔn)確。

本發(fā)明應(yīng)用實(shí)例技術(shù)方案帶來的有益效果：在本方法中，數(shù)據(jù)庫需要存儲(chǔ)的僅僅是每個(gè)用戶的用戶模型，所需要的存儲(chǔ)空間大大減小，并且風(fēng)險(xiǎn)評(píng)估的過程大大提速了，還實(shí)現(xiàn)了自動(dòng)化的風(fēng)險(xiǎn)評(píng)估和判斷。

應(yīng)該明白，公開的過程中的步驟的特定順序或?qū)哟问鞘纠苑椒ǖ膶?shí)例?；谠O(shè)計(jì)偏好，應(yīng)該理解，過程中的步驟的特定順序或?qū)哟慰梢栽诓幻撾x本公開的保護(hù)范圍的情況下得到重新安排。所附的方法權(quán)利要求以示例性的順序給出了各種步驟的要素，并且不是要限于所述的特定順序或?qū)哟巍?/p>

在上述的詳細(xì)描述中，各種特征一起組合在單個(gè)的實(shí)施方案中，以簡化本公開。不應(yīng)該將這種公開方法解釋為反映了這樣的意圖，即，所要求保護(hù)的主題的實(shí)施方案需要比清楚地在每個(gè)權(quán)利要求中所陳述的特征更多的特征。相反，如所附的權(quán)利要求書所反映的那樣，本發(fā)明處于比所公開的單個(gè)實(shí)施方案的全部特征少的狀態(tài)。因此，所附的權(quán)利要求書特此清楚地被并入詳細(xì)描述中，其中每項(xiàng)權(quán)利要求獨(dú)自作為本發(fā)明單獨(dú)的優(yōu)選實(shí)施方案。

為使本領(lǐng)域內(nèi)的任何技術(shù)人員能夠?qū)崿F(xiàn)或者使用本發(fā)明，上面對(duì)所公開實(shí)施例進(jìn)行了描述。對(duì)于本領(lǐng)域技術(shù)人員來說；這些實(shí)施例的各種修改方式都是顯而易見的，并且本文定義的一般原理也可以在不脫離本公開的精神和保護(hù)范圍的基礎(chǔ)上適用于其它實(shí)施例。因此，本公開并不限于本文給出的實(shí)施例，而是與本申請(qǐng)公開的原理和新穎性特征的最廣范圍相一致。

上文的描述包括一個(gè)或多個(gè)實(shí)施例的舉例。當(dāng)然，為了描述上述實(shí)施例而描述部件或方法的所有可能的結(jié)合是不可能的，但是本領(lǐng)域普通技術(shù)人員應(yīng)該認(rèn)識(shí)到，各個(gè)實(shí)施例可以做進(jìn)一步的組合和排列。因此，本文中描述的實(shí)施例旨在涵蓋落入所附權(quán)利要求書的保護(hù)范圍內(nèi)的所有這樣的改變、修改和變型。此外，就說明書或權(quán)利要求書中使用的術(shù)語“包含”，該詞的涵蓋方式類似于術(shù)語“包括”，就如同“包括，”在權(quán)利要求中用作銜接詞所解釋的那樣。此外，使用在權(quán)利要求書的說明書中的任何一個(gè)術(shù)語“或者”是要表示“非排它性的或者”。

本領(lǐng)域技術(shù)人員還可以了解到本發(fā)明實(shí)施例列出的各種說明性邏輯塊(illustrativelogicalblock)，單元，和步驟可以通過電子硬件、電腦軟件，或兩者的結(jié)合進(jìn)行實(shí)現(xiàn)。為清楚展示硬件和軟件的可替換性(interchangeability)，上述的各種說明性部件(illustrativecomponents)，單元和步驟已經(jīng)通用地描述了它們的功能。這樣的功能是通過硬件還是軟件來實(shí)現(xiàn)取決于特定的應(yīng)用和整個(gè)系統(tǒng)的設(shè)計(jì)要求。本領(lǐng)域技術(shù)人員可以對(duì)于每種特定的應(yīng)用，可以使用各種方法實(shí)現(xiàn)所述的功能，但這種實(shí)現(xiàn)不應(yīng)被理解為超出本發(fā)明實(shí)施例保護(hù)的范圍。

本發(fā)明實(shí)施例中所描述的各種說明性的邏輯塊，或單元都可以通過通用處理器，數(shù)字信號(hào)處理器，專用集成電路(asic)，現(xiàn)場(chǎng)可編程門陣列或其它可編程邏輯裝置，離散門或晶體管邏輯，離散硬件部件，或上述任何組合的設(shè)計(jì)來實(shí)現(xiàn)或操作所描述的功能。通用處理器可以為微處理器，可選地，該通用處理器也可以為任何傳統(tǒng)的處理器、控制器、微控制器或狀態(tài)機(jī)。處理器也可以通過計(jì)算裝置的組合來實(shí)現(xiàn)，例如數(shù)字信號(hào)處理器和微處理器，多個(gè)微處理器，一個(gè)或多個(gè)微處理器聯(lián)合一個(gè)數(shù)字信號(hào)處理器核，或任何其它類似的配置來實(shí)現(xiàn)。

本發(fā)明實(shí)施例中所描述的方法或算法的步驟可以直接嵌入硬件、處理器執(zhí)行的軟件模塊、或者這兩者的結(jié)合。軟件模塊可以存儲(chǔ)于ram存儲(chǔ)器、閃存、rom存儲(chǔ)器、eprom存儲(chǔ)器、eeprom存儲(chǔ)器、寄存器、硬盤、可移動(dòng)磁盤、cd-rom或本領(lǐng)域中其它任意形式的存儲(chǔ)媒介中。示例性地，存儲(chǔ)媒介可以與處理器連接，以使得處理器可以從存儲(chǔ)媒介中讀取信息，并可以向存儲(chǔ)媒介存寫信息?？蛇x地，存儲(chǔ)媒介還可以集成到處理器中。處理器和存儲(chǔ)媒介可以設(shè)置于asic中，asic可以設(shè)置于用戶終端中。可選地，處理器和存儲(chǔ)媒介也可以設(shè)置于用戶終端中的不同的部件中。

在一個(gè)或多個(gè)示例性的設(shè)計(jì)中，本發(fā)明實(shí)施例所描述的上述功能可以在硬件、軟件、固件或這三者的任意組合來實(shí)現(xiàn)。如果在軟件中實(shí)現(xiàn)，這些功能可以存儲(chǔ)與電腦可讀的媒介上，或以一個(gè)或多個(gè)指令或代碼形式傳輸于電腦可讀的媒介上。電腦可讀媒介包括電腦存儲(chǔ)媒介和便于使得讓電腦程序從一個(gè)地方轉(zhuǎn)移到其它地方的通信媒介。存儲(chǔ)媒介可以是任何通用或特殊電腦可以接入訪問的可用媒體。例如，這樣的電腦可讀媒體可以包括但不限于ram、rom、eeprom、cd-rom或其它光盤存儲(chǔ)、磁盤存儲(chǔ)或其它磁性存儲(chǔ)裝置，或其它任何可以用于承載或存儲(chǔ)以指令或數(shù)據(jù)結(jié)構(gòu)和其它可被通用或特殊電腦、或通用或特殊處理器讀取形式的程序代碼的媒介。此外，任何連接都可以被適當(dāng)?shù)囟x為電腦可讀媒介，例如，如果軟件是從一個(gè)網(wǎng)站站點(diǎn)、服務(wù)器或其它遠(yuǎn)程資源通過一個(gè)同軸電纜、光纖電纜、雙絞線、數(shù)字用戶線(dsl)或以例如紅外、無線和微波等無線方式傳輸?shù)囊脖话谒x的電腦可讀媒介中。所述的碟片(disk)和磁盤(disc)包括壓縮磁盤、鐳射盤、光盤、dvd、軟盤和藍(lán)光光盤，磁盤通常以磁性復(fù)制數(shù)據(jù)，而碟片通常以激光進(jìn)行光學(xué)復(fù)制數(shù)據(jù)。上述的組合也可以包含在電腦可讀媒介中。

以上所述的具體實(shí)施方式，對(duì)本發(fā)明的目的、技術(shù)方案和有益效果進(jìn)行了進(jìn)一步詳細(xì)說明，所應(yīng)理解的是，以上所述僅為本發(fā)明的具體實(shí)施方式而已，并不用于限定本發(fā)明的保護(hù)范圍，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。