一种风控处理方法、装置、计算设备和存储介质

专利名称：一种风控处理方法、装置、计算设备和存储介质

专利类型：发明专利

专利申请号：CN202110315142.7

专利申请（专利权）人：数贸科技(北京)有限公司
权利人地址：北京市海淀区成府路28号优盛大厦A座8层

专利发明（设计）人：王燕来

专利摘要：本发明公开了一种风控处理方法、装置、计算设备和存储介质，通过收集历史风险事件的数据信息，将历史风险事件的数据信息导入数据库进行整合和分类处理，得到多个风险数据信息；提取多个风险数据信息中的风险元素，分析各个风险元素之间的关联关系；根据各个风险元素之间的关联关系，对数据库中存储的各个风险规则进行更新。本发明通过对历史风险数据进行整合和分析，得到风险数据信息，通过风险数据信息中的风险因素及时对数据库中的各个风险规则进行更新，从而实现智能更新风险规则，避免了现有技术中因风控处理方法单一而对大多数欺诈违法行为失去约束力的情况发生，解决了现有技术中风险规则的陈旧导致投机欺诈违法行为有机可乘的技术问题。

主权利要求：
1.一种风控处理方法，其特征在于，包括：
收集历史风险事件的数据信息，将所述历史风险事件的数据信息导入数据库进行整合和分类处理，得到多个风险数据信息；
提取所述多个风险数据信息中的风险元素，分析各个风险元素之间的关联关系；其中，通过风险元素与数据库中已有的风险元素进行碰撞处理，得到每个风险元素与已有的风险元素的关联关系；风险元素包括：促使或引起风险事件发生的条件，以及风险事件发生时，致使损失增加、扩大的条件，和/或，风险事件发生的潜在因素；
根据各个风险元素之间的关联关系，对所述数据库中存储的各个风险规则进行更新；
所述根据各个风险元素之间的关联关系，对所述数据库中存储的各个风险规则进行更新进一步包括：通过关联度匹配程序或风险因素碰撞函数，将各个风险元素与所述数据库中存储的风险规则中的规则风险元素进行匹配，为相匹配的风险元素以及与相匹配的风险元素具有关联关系的风险元素调整风险等级；其中，关联碰撞的程度越高，风险要素的风险等级越高；
根据各个风险元素之间的关联关系以及各个风险元素的风险等级，更新所述数据库中存储的各个风险规则中的规则风险元素以及各个风险规则的风险等级。
2.根据权利要求1所述的方法，其特征在于，所述收集历史风险事件的数据信息进一步包括：收集风险事件公示平台中存储的历史风险事件的数据信息；
和/或，对实体运营平台和/或电商运营平台中记录的风险订单描述信息进行分析，得到对应的历史风险事件的数据信息；
和/或，对清退订单清单和拒付订单清单进行分析，得到对应的历史风险事件的数据信息。
3.根据权利要求1所述的方法，其特征在于，所述将所述历史风险事件的数据信息导入数据库进行整合和分类处理，得到多个风险数据信息进一步包括：对所述历史风险事件的数据信息进行有效性判定，将判定通过的历史风险事件的数据信息导入数据库；
对导入数据库的历史风险事件的数据信息进行信息去重和信息增补处理。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：为各个风险元素配置风险等级。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：从各个风险元素中筛选风险等级高于预设等级的风险元素；
根据风险等级高于预设等级的风险元素，生成新的风险规则，并存储至所述数据库中。
6.根据权利要求1‑5任一项所述的方法，其特征在于，所述方法还包括：依据所述数据库中的风险规则，构建风控识别模型；
利用所述风控识别模型，对待处理事件进行风控识别处理。
7.一种风控处理装置，其特征在于，包括：
数据收集模块，用于收集历史风险事件的数据信息；
数据处理模块，用于将所述历史风险事件的数据信息导入数据库进行整合和分类处理，得到多个风险数据信息；
数据分析模块，用于提取所述多个风险数据信息中的风险元素，分析各个风险元素之间的关联关系；其中，通过风险元素与数据库中已有的风险元素进行碰撞处理，得到每个风险元素与已有的风险元素的关联关系；风险元素包括：促使或引起风险事件发生的条件，以及风险事件发生时，致使损失增加、扩大的条件，和/或，风险事件发生的潜在因素；
数据更新模块，用于根据各个风险元素之间的关联关系，对所述数据库中存储的各个风险规则进行更新；
所述数据更新模块进一步用于：通过关联度匹配程序或风险因素碰撞函数，将各个风险元素与所述数据库中存储的风险规则中的规则风险元素进行匹配，为相匹配的风险元素以及与相匹配的风险元素具有关联关系的风险元素调整风险等级；其中，关联碰撞的程度越高，风险要素的风险等级越高；根据各个风险元素之间的关联关系以及各个风险元素的风险等级，更新所述数据库中存储的各个风险规则中的规则风险元素以及各个风险规则的风险等级。
8.一种计算设备，其特征在于，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1‑6中任一项所述的一种风控处理方法对应的操作。
9.一种计算机存储介质，其特征在于，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1‑6中任一项所述的一种风控处理方法对应的操作。 说明书 : 一种风控处理方法、装置、计算设备和存储介质技术领域[0001] 本发明涉及信息安全技术领域，具体涉及一种风控处理方法、装置、计算设备和存储介质。背景技术[0002] 当下互联网领域各个公司针对风控管理主要采用既有规则对可能存在的风险事件进行预判定，进而阻止风险事件的发生，部分单一以风控业务作为自身经营主体业务的风控服务公司往往用自身风险规则或其服务客户信息资源的模式建立风控模型，风控时大多采用人工操作，缺乏智能水平，这对于风控公司自身或者其服务的客户公司均存在诸多弊端。。[0003] 风险规则的完善依赖于成熟度较高的风控模型的建立，而风控模型的准确性依赖于对大量风险事件的分析和学习，因此，如何从互联网进行风险规则探索就成了新形势下对风控行业的必然要求。发明内容[0004] 鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种风控处理方法、装置、计算设备和存储介质。[0005] 根据本发明的一个方面，提供了一种风控处理方法，包括：[0006] 收集历史风险事件的数据信息，将所述历史风险事件的数据信息导入数据库进行整合和分类处理，得到多个风险数据信息；[0007] 提取所述多个风险数据信息中的风险元素，分析各个风险元素之间的关联关系；[0008] 根据各个风险元素之间的关联关系，对所述数据库中存储的各个风险规则进行更新。[0009] 根据本发明的另一方面，提供了一种风控处理装置，包括：[0010] 数据收集模块，用于收集历史风险事件的数据信息；[0011] 数据处理模块，用于将所述历史风险事件的数据信息导入数据库进行整合和分类处理，得到多个风险数据信息；[0012] 数据分析模块，用于提取所述多个风险数据信息中的风险元素，分析各个风险元素之间的关联关系；[0013] 数据更新模块，用于根据各个风险元素之间的关联关系，对所述数据库中存储的各个风险规则进行更新。[0014] 根据本发明的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；[0015] 所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述风控处理方法对应的操作。[0016] 根据本发明的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述风控处理方法对应的操作。[0017] 根据本发明的一种风控处理方法、装置、计算设备和存储介质，通过收集历史风险事件的数据信息，将历史风险事件的数据信息导入数据库进行整合和分类处理，得到多个风险数据信息；提取多个风险数据信息中的风险元素，分析各个风险元素之间的关联关系；根据各个风险元素之间的关联关系，对数据库中存储的各个风险规则进行更新。本发明通过对历史风险数据进行整合和分析，得到风险数据信息，通过风险数据信息中的风险因素及时对数据库中的各个风险规则进行更新，从而实现智能更新风险规则，避免了现有技术中因风控处理方法单一而对大多数欺诈违法行为失去约束力的情况发生，解决了现有技术中风险规则的陈旧导致投机欺诈违法行为有机可乘的技术问题。[0018] 上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。附图说明[0019] 通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：[0020] 图1示出了本发明实施例提供的一种风控处理方法的流程图；[0021] 图2示出了本发明实施例提供的历史风险事件的数据信息入库示意图；[0022] 图3示出了本发明实施例提供的风险规则形成过程示意图；[0023] 图4示出了本发明实施例提供的一种风控处理装置的结构示意图；[0024] 图5示出了本发明实施例提供的计算设备的结构示意图。具体实施方式[0025] 下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。[0026] 由于现有的风控系统大多是依据人工排查发现风险事件或通过第三方的风控体系反馈结果进行常规规避和预防，这种风控处理方法针对很多具有创新性质的单次大笔金额投机欺诈行为的预防效果非常有限，本发明基于现有风控系统内的风控引擎和风险规则，进行风险规则的建立和更新，不断整合衍生出新形势下的新的全面的风险规则。[0027] 图1示出了本发明一种风控处理方法实施例的流程图，如图1所示，该方法包括以下步骤S110‑步骤S170：[0028] 步骤S110：收集历史风险事件的数据信息。[0029] 其中，可每隔预设时间间隔，例如每天凌晨，收集历史风险事件的数据信息。图2是本实施例提供的历史风险事件的数据信息入库示意图，如图2所示，在一种可选的方式中，步骤S110进一步包括：收集风险事件公示平台中存储的历史风险事件的数据信息；和/或，对实体运营平台和/或电商运营平台中记录的风险订单描述信息进行分析，得到对应的历史风险事件的数据信息；和/或，对清退订单清单和拒付订单清单进行分析，得到对应的历史风险事件的数据信息。[0030] 为了更新风险规则，需要全方位收集风险数据信息，因此，本步骤通过扩充收集渠道从而避免因单一风控信息来源引起的一系列问题。具体地，通过收集历史风险事件获取历史风险事件的数据信息，来源渠道可以包括风险事件公示平台、实体运营平台、电商运营平台收录的信息，例如，可以通过在风控处理端配置多个采集历史风险事件的数据信息的开关，每个开关对应不同的来源渠道，通过控制多个开关获取不同来源渠道的历史风险事件的数据信息；进一步地，可以通过http请求的方式获取上述多个平台收录或公示的风险事件的数据信息，具体地，通过预先配置与风险事件相关的关键词，通过http请求在上述平台发起关键词搜索，获取历史风险事件的数据信息；以及，服务客户公司或者银行网关推送的清退订单清单和拒付订单清单，其中，实体运营平台和电商运营平台中的运营人员可根据行业风险清单进行数据导入，受损失的客户客体也可在实体运营平台或电商运营平台中申报风险订单描述信息；历史风险事件的数据信息可以包括：风险事件相关联的手机号、风险事件相关联的IP地址、风险事件相关人的证件号码、风险事件发生地区、风险事件相关商品、风险事件形成过程等数据信息。[0031] 步骤S120：将历史风险事件的数据信息导入数据库进行整合和分类处理，得到多个风险数据信息。[0032] 在一种可选的方式中，步骤S120进一步包括：对历史风险事件的数据信息进行有效性判定，将判定通过的历史风险事件的数据信息导入数据库；对导入数据库的历史风险事件的数据信息进行信息去重和信息增补处理。[0033] 图3是本实施例的风险规则形成过程示意图，如图3所示，在本步骤中，首先建立可靠稳定的数据库(Database)，例如oracle数据库等，将历史风险事件的数据信息导入数据库中进行数据整合、数据归纳、数据计算和数据分析等处理，具体的数据分析结果可以通过做好数据库统计表格以及统计图表进行展示，例如展示风险事件数据类型的饼图等，从而可以直观展示对历史风险事件的数据信息的分析结果。[0034] 为了避免无效数据信息的干扰，通过有效性判定程序对历史风险事件的数据信息进行有效性判定，将判定通过的历史风险事件的数据信息导入数据库；为了避免重复或缺失数据导致数据分析结果不准确，通过数据去重程序对导入数据库的历史风险事件的数据信息进行信息去重处理，通过数据导入或检索对导入数据库的历史风险事件的数据信息进行信息增补处理。[0035] 步骤S130：提取多个风险数据信息中的风险元素，分析各个风险元素之间的关联关系。[0036] 依据上述步骤S120处理后的多个风险数据信息，通过风险元素碰撞从多个风险数据信息中提取出风险元素，具体地，风险元素可以是促使或引起风险事件发生的条件，以及风险事件发生时，致使损失增加、扩大的条件，和/或，风险元素也可以是风险事件发生的潜在因素，是造成损失的间接的和内在的原因；在本步骤中，通过风险元素与数据库中已有的风险元素进行碰撞处理，得到每个风险元素与已有的风险元素的关联关系。[0037] 步骤S140：根据各个风险元素之间的关联关系，对数据库中存储的各个风险规则进行更新。[0038] 如图3所示，本实施例中的数据库包括风险元素区域和风险规则区域，根据风险元素区域中各个风险元素之间的关联关系，对风险规则区域的各个风险规则进行更新；其中，可为各个风险元素配置风险等级。在一种可选的方式中，步骤S140进一步包括：将各个风险元素与数据库中存储的风险规则中的规则风险元素进行匹配，为相匹配的风险元素以及与相匹配的风险元素具有关联关系的风险元素调整风险等级；根据各个风险元素之间的关联关系以及各个风险元素的风险等级，更新数据库中存储的各个风险规则中的规则风险元素以及各个风险规则的风险等级。[0039] 在步骤S140中，通过关联度匹配程序或风险因素碰撞函数将各个风险元素与数据库中已存在的规则风险元素进行匹配，若某个风险因素与数据库中已存在的规则风险元素匹配成功，则为相匹配的风险元素以及与相匹配的风险元素具有关联关系的风险元素调整风险等级，具体地，风险等级可以分为低等级、中等级和高等级；也可以依据阿拉伯数字对风险等级进行编号区别，例如1为最低等级，10为最高等级等；本实施例对风险等级划分不做限制。随着关联碰撞的程度越高，风险要素的风险等级越高，例如，每匹配成功十次，风险等级加1等；若某个风险因素与数据库中已存在的规则风险元素匹配不成功，则表示数据库中不存在该风险因素，可依据该风险因素在数据库中新建规则风险元素，并将该规则风险因素的风险等级设置为最低等级。[0040] 需要特别说明的是，在本实施例中，除了对风险元素进行匹配，还包括对风险数据信息的数据挖掘，例如，针对风险事件相关人的证件号码通过大数据技术进行纠缠碰撞，挖掘出该风险事件相关人的证件号码关联的其他数据信息，例如手机号码、护照号码等；这些碰撞出的新的数据也可以作为风险数据信息存入数据库中，以便用于步骤S130进行风险元素提取。[0041] 在一种可选的方式中，该方法还可以包括步骤S150：从各个风险元素中筛选风险等级高于预设等级的风险元素；根据风险等级高于预设等级的风险元素，生成新的风险规则，并存储至数据库中。[0042] 在本步骤中，风险规则就是对于每个场景定义一些规则，来进行相应的风险控制，例如：注册，可以提出同一个手机号在多少分钟内获取验证码的条数；又如：提现，可以提取单笔提现上限或者单日提现上限这样的风险规则。针对风险等级较低的风险元素，由于不确定其准确性，容易引起过激风控的情况发生，且由于数据太少可能引起的风险规则不准确等问题，因此，可以从各个风险元素中筛选风险等级高于预设等级的风险元素，例如筛选出风险等级为中等级或以上的风险因素或风险等级大于等级5的风险因素，根据风险等级高于预设等级的风险元素，生成新的风险规则，并存储至数据库中。[0043] 特别地说，在本实施例中，需要定期对数据库中的风险规则进行排查，自动删除长期无效或无法应用的风险规则，补充依据上述步骤S150生成的新的风险规则，以供后续风控识别处理。[0044] 在一种可选的方式中，该方法还可以包括步骤S160：依据数据库中的风险规则，构建风控识别模型；利用风控识别模型，对待处理事件进行风控识别处理。[0045] 在本步骤中，基于数据库中的风险规则，构建风控识别模型；利用风控识别模型，对待处理事件进行风控识别，从而规避风险事件，基于更新后的风险规则，重新输入风控识别模型进行训练学习，构建新的风控识别模型。[0046] 采用本实施例的方法，通过对历史风险数据进行整合和分析，得到风险数据信息，通过风险数据信息中的风险因素及时对数据库中的各个风险规则进行更新，从而实现智能更新风险规则，避免了现有技术中因风控处理方法单一而对大多数欺诈违法行为失去约束力的情况发生，解决了现有技术中风险规则的陈旧导致投机欺诈违法行为有机可乘的技术问题；本实施例通过多种渠道收集历史风险事件的数据信息，并通过大数据缓存和分析等技术分析数据信息，从而对风险规则及时更新，从而依据新的风险规则制定风控识别模型，实现对风控识别模型的自动训练学习，从而推陈出新，更准确地进行风控，让风控验证环节更加高效，速度，本实施例提供的这种方法与传统风控处理方法相比，更基于客观信息和大数据分析技术，降低了风控运营方因人行为导致的风控滞后性和不准确性，增强了风控识别处理的公正性，提高了信息资源的利用率，降低了人工成本的同时降低了个体对风控流程的影响，减少风控识别处理漏网比例，提升了客户信任感。[0047] 图4示出了本发明一种风控处理装置实施例的结构示意图。如图4所示，该装置包括：数据收集模块410、数据处理模块420、数据分析模块430、数据更新模块440、风控模型构建模块450和风控模块460。[0048] 数据收集模块410，用于收集历史风险事件的数据信息。[0049] 在一种可选的方式中，数据收集模块410进一步用于：收集风险事件公示平台中存储的历史风险事件的数据信息；和/或，对实体运营平台和/或电商运营平台中记录的风险订单描述信息进行分析，得到对应的历史风险事件的数据信息；和/或，对清退订单清单和拒付订单清单进行分析，得到对应的历史风险事件的数据信息。[0050] 数据处理模块420，用于将历史风险事件的数据信息导入数据库进行整合和分类处理，得到多个风险数据信息。[0051] 在一种可选的方式中，数据处理模块420进一步用于：对历史风险事件的数据信息进行有效性判定，将判定通过的历史风险事件的数据信息导入数据库；对导入数据库的历史风险事件的数据信息进行信息去重和信息增补处理。[0052] 数据分析模块430，用于提取多个风险数据信息中的风险元素，分析各个风险元素之间的关联关系。[0053] 数据更新模块440，用于根据各个风险元素之间的关联关系，对数据库中存储的各个风险规则进行更新。[0054] 在一种可选的方式中，数据分析模块430进一步用于：为各个风险元素配置风险等级。[0055] 在一种可选的方式中，数据更新模块440进一步用于：将各个风险元素与数据库中存储的风险规则中的规则风险元素进行匹配，为相匹配的风险元素以及与相匹配的风险元素具有关联关系的风险元素调整风险等级；根据各个风险元素之间的关联关系以及各个风险元素的风险等级，更新数据库中存储的各个风险规则中的规则风险元素以及各个风险规则的风险等级。[0056] 在一种可选的方式中，数据更新模块440进一步用于：从各个风险元素中筛选风险等级高于预设等级的风险元素；根据风险等级高于预设等级的风险元素，生成新的风险规则，并存储至数据库中。[0057] 在一种可选的方式中，该装置还包括：风控模型构建模块450，依据数据库中的风险规则，构建风控识别模型；以及，风控模块460，用于利用风控识别模型，对待处理事件进行风控识别处理。[0058] 采用本实施例的装置，通过对历史风险数据进行整合和分析，得到风险数据信息，通过风险数据信息中的风险因素及时对数据库中的各个风险规则进行更新，从而实现智能更新风险规则，避免了现有技术中因风控处理方法单一而对大多数欺诈违法行为失去约束力的情况发生，解决了现有技术中风险规则的陈旧导致投机欺诈违法行为有机可乘的技术问题；本实施例通过多种渠道收集历史风险事件的数据信息，从而对风险规则及时更新，从而依据新的风险规则制定风控识别模型，实现对风控识别模型的自动训练学习，从而推陈出新，更准确地进行风控。[0059] 本发明实施例提供了一种非易失性计算机存储介质，计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的一种风控处理方法。[0060] 可执行指令具体可以用于使得处理器执行以下操作：[0061] 收集历史风险事件的数据信息，将历史风险事件的数据信息导入数据库进行整合和分类处理，得到多个风险数据信息；[0062] 提取多个风险数据信息中的风险元素，分析各个风险元素之间的关联关系；[0063] 根据各个风险元素之间的关联关系，对数据库中存储的各个风险规则进行更新。[0064] 图5示出了本发明计算设备实施例的结构示意图，本发明具体实施例并不对计算设备的具体实现做限定。[0065] 如图5所示，该计算设备可以包括：[0066] 处理器(processor)、通信接口(CommunicationsInterface)、存储器(memory)、以及通信总线。[0067] 其中：处理器、通信接口、以及存储器通过通信总线完成相互间的通信。通信接口，用于与其它设备比如客户端或其它服务器等的网元通信。处理器，用于执行程序，具体可以执行上述一种风控处理方法实施例中的相关步骤。[0068] 具体地，程序可以包括程序代码，该程序代码包括计算机操作指令。[0069] 处理器可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecificIntegratedCircuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。服务器包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。[0070] 存储器，用于存放程序。存储器可能包含高速RAM存储器，也可能还包括非易失性存储器(non‑volatilememory)，例如至少一个磁盘存储器。[0071] 程序具体可以用于使得处理器执行以下操作：[0072] 收集历史风险事件的数据信息，将历史风险事件的数据信息导入数据库进行整合和分类处理，得到多个风险数据信息；[0073] 提取多个风险数据信息中的风险元素，分析各个风险元素之间的关联关系；[0074] 根据各个风险元素之间的关联关系，对数据库中存储的各个风险规则进行更新。[0075] 在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。[0076] 在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。[0077] 类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。[0078] 本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。[0079] 此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。[0080] 本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。[0081] 应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。

专利地区：北京

专利申请日期：2021-03-24

专利公开日期：2024-07-26

专利公告号：CN113034000B