一种用户隐私数据处理方法、装置、设备及系统
技术领域
本说明书实施例涉及计算机技术领域,尤其涉及一种用户隐私数据处理方法、装置、设备及系统。
背景技术
在互联网时代,用户隐私数据是一项重要的网络资源。通过对用户隐私数据进行分析和处理,可以为用户提供精准的服务,同时产生良好的商业利益回馈。在这种情况下,通过各种手段来挖掘和获取用户隐私数据,成为互联网的常态。
但是,用户隐私数据取自用户,属于用户个体资产,因此用户隐私数据的隐私保护也是一个挑战。
发明内容
有鉴于此,本说明书实施例提供了一种用于提升用户隐私数据安全性的用户隐私数据处理方法、装置、设备及系统。
本说明书实施例采用下述技术方案:
本说明书实施例提供一种用户隐私数据处理方法,所述方法应用于客户端,包括:
接收用于进行统计处理的用户隐私数据;
根据预设拆分规则对所述用户隐私数据进行拆分处理得到拆分数据;
将所述用户隐私数据的各个拆分数据分别发送给分布式服务器存储,使得服务端可从所述分布式服务器获取所述用户隐私数据的各个拆分数据,进行统计处理得到所述用户隐私数据的统计值。
本说明书实施例还提供一种用户隐私数据处理方法,所述方法应用于服务端,包括:
从分布式服务器分别接收目标类用户隐私数据的拆分数据,所述拆分数据是客户端根据预设拆分规则对用户隐私数据进行拆分处理得到;
对所述目标类用户隐私数据的拆分数据进行统计处理,得到所述目标类用户隐私数据的统计值。
本说明书实施例还提供一种用户隐私数据处理方法,所述方法应用于客户端,包括:
向服务端发送对目标类用户隐私数据的统计值的第一获取请求;
从所述服务端接收针对所述第一获取请求反馈的所述统计值,所述统计值是,所述服务端从分布式服务器中获取到按照预设拆分规则拆分得到的所述目标类用户隐私数据的拆分数据后,对所述目标类用户隐私数据的拆分数据进行统计处理得到的。
本说明书实施例还提供一种用户隐私数据处理系统,包括:
客户端,根据预设拆分规则对用户隐私数据进行拆分处理得到拆分数据;
分布式服务器,分别从所述客户端接收所述用户隐私数据的各个拆分数据进行存储;
服务端,从所述分布式服务器分别接收所述用户隐私数据的拆分数据,对目标类用户隐私数据的拆分数据进行统计处理,得到所述目标类用户隐私数据的统计值。
本说明书实施例还提供一种用户隐私数据处理装置,所述装置应用于客户端,包括:
接收模块,接收用于进行统计处理的用户隐私数据;
拆分模块,根据预设拆分规则对所述用户隐私数据进行拆分处理得到拆分数据;
发送模块,将所述用户隐私数据的各个拆分数据分别发送给分布式服务器存储,使得服务端可从所述分布式服务器获取所述用户隐私数据的各个拆分数据,进行统计处理得到所述目标类用户隐私数据的统计值。
本说明书实施例还提供一种用户隐私数据处理装置,所述装置应用于服务器,包括:
接收模块,从分布式服务器分别接收目标类用户隐私数据的拆分数据,所述拆分数据是客户端根据预设拆分规则对所述用户隐私数据进行拆分处理得到;
统计模块,对所述目标类用户隐私数据的拆分数据进行统计处理,得到所述目标类用户隐私数据的统计值。
本说明书实施例还提供一种用户隐私数据处理装置,所述装置应用于服务端,包括:
发送模块,向服务端发送对目标类用户隐私数据的统计值的第一获取请求;
接收模块,从所述服务端接收针对所述第一获取请求反馈的所述统计值,所述统计值是,所述服务端从分布式服务器中获取到按照预设拆分规则拆分得到的所述目标类用户隐私数据的拆分数据后,对所述目标类用户隐私数据的拆分数据进行统计处理得到的。
本说明书实施例还提供一种电子设备,包括至少一个处理器及存储器,存储器存储有程序,并且被配置成由至少一个处理器执行以下步骤:
接收用于进行统计处理的用户隐私数据;
根据预设拆分规则对所述用户隐私数据进行拆分处理得到拆分数据;
将所述用户隐私数据的各个拆分数据分别发送给分布式服务器存储,使得服务端可从所述分布式服务器获取所述用户隐私数据的各个拆分数据,进行统计处理得到所述目标类用户隐私数据的统计值。
本说明书实施例还提供一种电子设备,包括至少一个处理器及存储器,存储器存储有程序,并且被配置成由至少一个处理器执行以下步骤:
从分布式服务器分别接收目标类用户隐私数据的拆分数据,所述拆分数据是客户端根据预设拆分规则对用户隐私数据进行拆分处理得到;
对所述目标类用户隐私数据的拆分数据进行统计处理,得到所述目标类用户隐私数据的统计值。
本说明书实施例还提供一种电子设备,包括至少一个处理器及存储器,存储器存储有程序,并且被配置成由至少一个处理器执行以下步骤:
向服务端发送对目标类用户隐私数据的统计值的第一获取请求;
从所述服务端接收针对所述第一获取请求反馈的所述统计值,所述统计值是,所述服务端从分布式服务器中获取到按照预设拆分规则拆分得到的所述目标类用户隐私数据的拆分数据后,对所述目标类用户隐私数据的拆分数据进行统计处理得到的。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:
在接收用于进行统计处理的用户隐私数据时,根据预设拆分规则对所述用户隐私数据进行拆分处理得到拆分数据;将所述用户隐私数据的各个拆分数据分别发送给分布式服务器存储,使得服务端可从所述分布式服务器获取所述用户隐私数据的各个拆分数据,进行统计处理得到所述用户隐私数据的统计值。这样,当客户端接收到对用户隐私数据的统计需求时,对原始的用户隐私数据进行拆分,拆分数据相比于原始用户隐私数据具有不完整性,这可以降低原始用户隐私数据泄露的风险。另外,客户端将各拆分数据分别存储到分布式服务器,服务器存储用户隐私数据的拆分数据,并不存储用户隐私数据,降低用户隐私数据在服务器一侧泄露的风险。同时,各拆分数据被分散存储至分布式服务器,这可以降低用户隐私数据的各拆分数据被获取的难度。
附图说明
此处所说明的附图用来提供对本说明书实施例的进一步理解,构成本说明书实施例的一部分,本说明书的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本说明书实施例提供的一种用户隐私数据处理系统的结构示意图;
图2为本说明书实施例提出的一种基于图1所示用户隐私数据处理系统的一个应用示例的用户隐私数据处理方法的流程示意图;
图3为本说明书实施例提出的一种用户隐私数据处理方法的流程示意图;
图4为本说明书实施例提出的一种用户隐私数据处理方法的流程示意图;
图5为本说明书实施例提出的一种用户隐私数据处理方法的时序图;
图6为本说明书实施例提出的一种用户隐私数据处理方法的时序图;
图7为本说明书实施例提出的一种用户隐私数据处理方法的时序图;
图8为本说明书实施例提出的一种用户隐私数据处理装置的结构示意图;
图9为本说明书实施例提出的一种用户隐私数据处理装置的结构示意图;
图10为本说明书实施例提出的一种用户隐私数据处理装置的结构示意图。
具体实施方式
对现有技术进行具体分析发现,现有技术中的一种情形是将用户隐私数据集中存储在服务器,通过服务器的安全级别来保护用户隐私数据免泄露。
本说明书实施例提出了一种数据用户隐私数据处理方法、装置、设备及系统,在接收用于进行统计处理的用户隐私数据时,根据预设拆分规则对所述用户隐私数据进行拆分处理得到拆分数据;将所述用户隐私数据的各个拆分数据分别发送给分布式服务器存储,使得服务端可从所述分布式服务器获取所述用户隐私数据的各个拆分数据,进行统计处理得到所述用户隐私数据的统计值。这样,当客户端接收到对用户隐私数据的统计需求时,对原始的用户隐私数据进行拆分,拆分数据相比于原始用户隐私数据具有不完整性,这可以降低原始用户隐私数据泄露的风险。另外,客户端将各拆分数据分别存储到分布式服务器,服务器存储用户隐私数据的拆分数据,并不存储用户隐私数据,降低用户隐私数据在服务器一侧泄露的风险。同时,各拆分数据被分散存储至分布式服务器,这可以降低用户隐私数据的各拆分数据被获取的难度。
为使本说明书实施例的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,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,都属于本申请保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书实施例提供的一种用户隐私数据处理系统的结构示意图,结合图1所示,所述用户隐私数据处理系统可以包括:
客户端101,接收用于进行统计处理的用户隐私数据,根据预设拆分规则对接收到的用户隐私数据进行拆分处理得到拆分数据;
分布式服务器102,分别从客户端101接收所述用户隐私数据的各个拆分数据进行存储;
服务端103,从所述分布式服务器102分别接收所述用户隐私数据的拆分数据,对所述用户隐私数据所属目标类用户隐私数据的拆分数据进行统计处理,得到所述目标类用户隐私数据的统计值。
在本说明书实施例中,用户隐私数据为用户期望保密的数据,可以是用户具体标记为保密的数据。具体地,用户隐私数据可以包括用户身份数据、用户行为数据、和用户在至少一个应用的注册信息中的至少一种或多种可被拆分的数据,或其他可被拆分的数据,在此不做具体限定。
本说明书实施例记载的客户端或称用户端,是指与服务器相对应,为用户提供本地服务。这里的客户端101可以包括网页浏览器、运行应用程序APP(英文全称:APPlication)的客户端,在此不做具体限定。具体地,客户端101可以与用户进行交互,可以接收用户输入的用户隐私数据,实时地根据预设拆分规则对该用户输入的原始用户隐私数据进行拆分处理得到拆分数据。客户端101还可以在接收到用户隐私数据的预设时间段之后,根据预设拆分规则对用户隐私数据进行拆分处理得到多个拆分数据。
在本说明书实施例中,服务器102可以是云端服务器或固定服务器或其他类型服务器,在此不做具体限定。所述分布式服务器是指两个或两个以上的服务器彼此独立运行或存储,各个服务器102之间可以相互独立,各自独立运行或存储。客户端101可以根据服务器102的数量对原始的用户隐私数据进行拆分处理得到对应数量的拆分数据。
在本说明书实施例中,服务端103可以用于对用户隐私数据的拆分数据进行汇总、整理、统计等处理,服务端103的类型可以包括但不限于不同于分布式服务器102的服务器。在对目标类用户隐私数据进行统计处理时,所谓目标类可以是客户端101根据用户指定的类别确定的,或者根据用户输入的用户隐私数据的类别确定的。在本说明书实施例中,所述用户隐私数据的类别可以包括由若干元素组成的身份信息、收入、花销等可确定的类别,在此不做具体限定。在对目标类用户隐私数据进行统计处理时,还可以结合用户隐私数据的属性对相同类别用户隐私数据进行统计处理,用户隐私数据的属性可以包括用户所处区域、性别、年龄、职业等等可确定属性,例如某个区域、某个年龄层、某个职业的收入、花销等,在此不做具体限定。
服务端103可以主动地从分布式服务器102获取各用户隐私数据的拆分数据,例如每隔预设周期从分布式服务器102获取各用户隐私数据的拆分数据,对各用户隐私数据的拆分数据进行统计。
还可以是,客户端101向服务端103发送获取目标类用户隐私数据的统计值的第一获取请求,服务端103在从客户端101接收到第一获取请求时,从分布式服务器102获取各用户隐私数据的拆分数据,进行统计处理。
在实际应用中,第一获取请求可以是客户端101在接收到用户隐私数据时,根据该用户隐私数据所属类别所生成的。
具体地,若同一用户隐私数据的拆分数据之和等于原始的用户隐私数据,服务端103对目标类用户隐私数据的拆分数据进行统计处理,可以是:
直接对目标类用户隐私数据的拆分数据相加求和,得到统计值。
在本说明书所述中,服务端103对目标类用户隐私数据的拆分数据进行统计处理,还可以是:
根据与预设拆分规则匹配的预设合并规则对目标类用户隐私数据的拆分数据进行合并处理得到原始的所述目标类用户隐私数据;
对合并得到的原始的目标类用户隐私数据进行统计处理,得到统计值。
利用本说明书实施例记载的用户隐私数据处理系统,客户端101可以在接收到用于统计处理的用户隐私数据时,对原始的用户隐私数据进行拆分处理,用户隐私数据的拆分数据相比于原始的用户隐私数据具有不完整性。在这种情况下,分布式服务器102可以分别用于存储用户隐私数据的各个拆分数据,可以不用存储原始的用户隐私数据,降低原始的用户隐私数据在服务器102泄露的风险。同时,原始的用户隐私数据的各个拆分数据可以被分散存储在分布式服务器102中,增加了从分散的服务器102同时窃取各个拆分数据的难度,降低各个拆分数据泄露风险。
同时,服务端103对用户隐私数据的拆分数据进行统计处理,可以不用存储原始的用户隐私数据的拆分数据,更不用存储原始的用户隐私数据,这可以降低用户隐私数据在服务端103泄露的风险。同时,本说明书实施例记载的用户隐私数据处理系统可以允许对用户隐私数据进行统计分析,不妨碍用户隐私数据的利用。
图2为本说明书实施例提出的一种基于图1所示用户隐私数据处理系统的一个应用示例的用户隐私数据处理方法的流程示意图。
用户1、用户2……用户n对应相互独立的各个客户端(为客户端的一种形式)2A1、2A2……2An。
步骤202:客户端2A1接收对应的用户1输入的用于进行统计处理的用户隐私数据;
步骤204:客户端2A1根据预设拆分规则对用户隐私数据进行拆分处理得到拆分数据;
步骤206:客户端2A1可以在本地存储原始的用户隐私数据,具体地可以存储在用户的终端设备;
步骤208:客户端2A1将用户隐私数据的拆分数据分别发送给分布式服务器2B1、2B2、2B3,各服务器2B1、2B2、2B3分别存储各拆分数据;
步骤210:客户端2An向服务端2C发送对该用户隐私数据所属目标类用户隐私数据的统计值的第一获取请求;
步骤212:在接收到第一获取请求时,服务端2C从分布式服务器2B1、2B2、2B3获取目标类用户隐私数据的拆分数据,对目标类用户隐私数据的拆分数据进行统计处理,得到所述目标类用户隐私数据的统计值;
步骤214:服务端2C将统计值发送给客户端2An,客户端2An可以确定来自用户n的用户隐私数据在统计值中的分布位置,并可以展示给用户n查看。
图3为本说明书实施例提出的一种用户隐私数据处理方法的流程示意图,如下结合图1所示,阐述本说明书实施例的技术方案。本说明书实施例记载的用户隐私数据处理方法应用于客户端,其执行主体可以为客户端,对于客户端可以参考上文结合图1的文字内容,在此不再详细赘述。
步骤301:接收用于进行统计处理的用户隐私数据。
其中,对于用户隐私数据,可以参考上文结合图1对用户隐私数据的文字介绍,在此不做赘述。需要补充的是,用户隐私数据可以携带用户隐私数据的类别、属性等可区分不同用户隐私数据的分类信息,这可以用于对用户隐私数据进行统计、分析和应用,在此不作具体限定。
用户隐私数据属于用户个人资产,例如姓名、名称、昵称等身份信息,收入金额,恋爱次数、年终奖金、房产数量等可以被量化的信息,在此不做具体限定。
在这种情况下,客户端可以与用户交互,当接收到用户输入的用户隐私数据时,实时地确定用户隐私数据。
在本说明书实施例中,用户隐私数据处理方法还可以包括:
确定用户隐私数据的类别和属性中的至少一种,作为将来分类、统计的标准和依据。此时,可以为用户隐私数据添加类别标签和属性标签中的至少一种,便于分类存储、统计和分析。
另外,用户隐私数据处理方法还可以包括:
在客户端本地存储用户隐私数据。
在这一实施例中,存储用户隐私数据可以指用户隐私数据可以存储在本地,具体地可以存储在本地终端设备,如手机、电脑、平板电脑等,在此不做具体限定。这样,用户隐私数据可以不发送给服务器,降低用户隐私数据在服务器泄露的风险,提升用户隐私数据的安全性。
在本说明书实施例中,还可以从本地存储中获取用户隐私数据,实现确定用户隐私数据。
步骤303:根据预设拆分规则对所述用户隐私数据进行拆分处理得到拆分数据。
在本说明书实施例中,对用户隐私数据进行拆分处理,拆分数据相比于用户隐私数据具有不完整性,这样从拆分数据将无法读取用户隐私数据,实现对用户隐私数据进行隐藏保护。
当执行步骤301确定用户隐私数据时,这里根据预设拆分规则对所述用户隐私数据进行拆分处理得到拆分数据,可以包括:
根据预设拆分规则对所述用户隐私数据进行拆分处理得到拆分数据。
在本说明书实施例中,根据预设拆分规则对所述用户隐私数据进行拆分处理得到拆分数据,可以包括:
(直接)根据预设拆分规则拆分用户隐私数据得到拆分数据。
此时,该多个拆分数据之间相对独立,仅获取部分数量个拆分数据,将无法获知整个用户隐私数据。在本说明书实施例中,根据预设拆分规则拆分用户隐私数据得到拆分数据,可以包括:
根据预设拆分规则随机拆分用户隐私数据得到拆分数据。
随机拆分可以隐藏拆分数据之间的逻辑性。
具体地,若用户隐私数据为可量化的数字信息,则预设拆分规则可以是将用户隐私数据拆分为若干拆分数据之和、或拆分为若干拆分数据之乘积,预设拆分规则可以不限定于此,还可以设定为其他拆分规则,在此不作具体限定。
在本说明书实施例中,根据预设拆分规则对所述用户隐私数据进行拆分处理得到拆分数据,可以包括:
将所述用户隐私数据进行隐藏处理,生成隐藏用户隐私数据;
根据预设拆分规则拆分所述隐藏用户隐私数据得到拆分数据。
所述隐藏处理可以改变原始的用户隐私数据的值,实现对用户隐私数据进行加密,使得隐藏用户隐私数据与原始的用户隐私数据之间不同。具体地,所述隐藏处理可以包括对原始的用户隐私数据求平方、立方或其他多次方,或者在原始的用户隐私数据的预设位置插入其他数据,或者其他对原始的用户隐私数据的加密方法。
在本说明书实施例中,若还根据预设拆分规则拆分用户隐私数据得到拆分数据,则根据预设拆分规则对所述用户隐私数据进行拆分处理得到拆分数据,还可以包括:
将所述用户隐私数据的拆分数据和隐藏用户隐私数据的拆分数据组合为多组拆分数据。这样,该组合拆分数据可以作为最后的拆分数据。这种组合方式可以更增强拆分数据与用户隐私数据之间的差异,有效降低拆分数据被破解的风险。
具体地,若用户隐私数据100,可以先求平方得到隐藏用户隐私数据10000;
首先,在0-100之间随机取2个数,假设为:(3,30),100=3+(30-3)+(100-30)=3+27+70,所以将100拆分为三个拆分数据:[3、27、70];
同理,在0-10000之间随机取2个整数,假设为:(180,9000),10000=180+(9000-180)+(1002-9000)=180+8820+1000,将10000拆分为三个拆分数据:(180、8820、1000);
然后,将100的三个拆分数据和10000的三个拆分数据进行任意组合,分别发送给分布式服务器。
本说明书实施例记载的用户隐私数据处理方法还可以包括:
对同一所述用户隐私数据的各个拆分数据标记相同标识,所述标识用于识别同一用户隐私数据的各所述拆分数据,实现由同一用户隐私数据得到的各拆分数据可以携带相同的标识,所述标识可以用于识别同一用户隐私数据的各拆分数据,和区分不同用户隐私数据的各拆分数据。标识可以不包含用户隐私数据,实现对用户隐私数据可以不具有追溯性。
该标识可以是与用户相关的标识,比如在应用中注册的应用名,或其他不会牵涉到用户隐私数据的标识。在未获知拆分数据与原始的用户隐私数据之间关联性的情况下,单纯获取拆分数据的标识,将无法推知所对应的用户身份,因此标识不会降低用户隐私数据的安全性。
在本说明书实施例中,所述标识还可以是匿名标识,此时对同一所述用户隐私数据的各个拆分数据标记相同标识,可以包括:
对同一所述用户隐私数据的拆分数据标记相同的匿名标识。
匿名标识可以隐藏用户身份信息,提升用户隐私数据安全性。
在本说明书实施例中,对同一所述用户隐私数据的拆分数据标记相同的匿名标识,包括:
随机生成匿名标签;
利用所述匿名标签对同一所述用户隐私数据的拆分数据标记相同的匿名标识。
随机生成可以忽略匿名标签的逻辑性,防止反向推理用户身份,有利于保护用户隐私数据的隐私。
在本说明书实施例中,在执行步骤301时,确定用户隐私数据的类别和属性中的至少一种。这样,在执行步骤303时,用户隐私数据处理方法还可以包括:
利用用户隐私数据的类别和属性中的至少一种标记用户隐私数据的各个拆分数据。
所述用户隐私数据的类别和属性中的至少一种可以作为后续对目标类用户隐私数据进行统计处理的依据,增强统计处理的可行性和效率。因此,标记各个拆分数据可以便于后续对目标类用户隐私数据进行分类统计。
步骤305:将所述用户隐私数据的各个拆分数据分别发送给分布式服务器存储,使得服务端可从所述分布式服务器获取所述用户隐私数据的各个拆分数据,进行统计处理得到所述用户隐私数据的统计值。
在本说明书实施例中,用户隐私数据的各拆分数据可以存储在分布式服务器,降低从分散的服务器窃取同一用户隐私数据的所有拆分数据的风险。
参考上文步骤301所述内容,可以在客户端本地存储用户隐私数据,而不上传到服务器。但为了用户隐私数据可以被各应用合理调用,可以将用户隐私数据的各拆分数据上传到分布式服务器。
在本说明书实施例中,在将所述用户隐私数据的各个拆分数据分别发送给分布式服务器存储之前,可以利用所述用户隐私数据的类别和属性中的至少一种,标记用户隐私数据的拆分数据。这样,发送给分布式服务器的拆分数据携带类别标签或属性标签或同时包含该两个标签,便于在对拆分数据汇总时,具有良好的可辨识性。
参考上文步骤303的内容,将所述用户隐私数据的拆分数据和隐藏用户隐私数据的拆分数据进行组合,得到多组拆分数据;则,将所述用户隐私数据的各个拆分数据分别发送给分布式服务器存储,可以包括;
将所述多组拆分数据分别发送给分布式服务器存储。
参考上文步骤303的内容,若对同一用户隐私数据的各拆分数据标记相同标识,则将所述用户隐私数据的各个拆分数据分别发送给分布式服务器存储,包括:
将携带相同别标识的各个拆分数据分别发送给分布式服务器存储。
若对同一用户隐私数据的拆分数据标记相同的匿名标识,则,将携带相同识别标识的各拆分数据分别发送给分布式服务器存储,可以包括:
将携带相同匿名标识的各个拆分数据分别发送给分布式服务器存储。
若需要确定原始的用户隐私数据在同类别或同属性用户隐私数据中的分布位置,在本说明书实施例记载的用户隐私数据处理方法还可以包括:
在本说明书实施例中,用户隐私数据处理方法还可以包括:
向服务端发送获取目标类用户隐私数据的统计值的第一获取请求;
从所述服务端接收基于所述第一获取请求反馈的所述统计值,所述统计值是,所述服务端从分布式服务器中获取到按照所述预设拆分规则拆分得到的所述目标类用户隐私数据的拆分数据后,进行统计处理得到的;
确定所述用于进行统计处理的用户隐私数据在所述统计值中的分布位置。
在这种情况下,在实现用户隐私数据统计的同时,确保任何一台服务器,如服务器或服务端,被攻击时,都无法获取原始的用户隐私数据。
在本说明书实施例中,向服务端发送获取目标类用户隐私数据的统计值的第一获取请求,可以包括:
在接收用于进行统计处理的用户隐私数据之后,或在根据预设拆分规则对所述用户隐私数据进行拆分处理得到拆分数据之后或之前,向服务端发送获取目标类用户隐私数据的统计值的第一获取请求。
在具体应用中,客户端提供用户隐私数据的分布位置查询界面,在收到用户输入的用户隐私数据时,实时展现给用户分布位置的结果。
如果从服务端接收到的统计值包括目标类用户隐私数据的平均值,则可以大致确定本地的用户隐私数据与平均值之间的差距。如果统计值还包括目标类用户隐私数据的方差,则可以利用平均值和方差,使用正态分布函数计算当前用户所处的分布位置。可选地,客户端可以将统计值和用户所处分布位置显示在交互界面上。
其中,正态分布也叫常态分布,是连续随机变量概率分布的一种,自然界、人类社会、心理和教育中大量现象均按正态形式分布,例如能力的高低,学生成绩的好坏等都属于正态分布。它随随机变量的平均数、标准差的大小与单位不同而有不同的分布形态。
在本说明书实施例中,还可以使用其他分布函数确定用户隐私数据所处分布位置,在此不作具体限定。
利用本说明书实施例记载的用户隐私数据处理方法,在接收用于进行统计处理的用户隐私数据时,根据预设拆分规则对所述用户隐私数据进行拆分处理得到拆分数据;将所述用户隐私数据的各个拆分数据分别发送给分布式服务器存储,使得服务端可从所述分布式服务器获取所述用户隐私数据的各个拆分数据,进行统计处理得到所述用户隐私数据的统计值。这样,当客户端接收到对用户隐私数据的统计需求时,对原始的用户隐私数据进行拆分,拆分数据相比于原始用户隐私数据具有不完整性,这可以降低原始用户隐私数据泄露的风险。另外,客户端将各拆分数据分别存储到分布式服务器,服务器存储用户隐私数据的拆分数据,并不存储用户隐私数据,降低用户隐私数据在服务器一侧泄露的风险。同时,各拆分数据被分散存储至分布式服务器,这可以降低用户隐私数据的各拆分数据被获取的难度。
基于与图3所记载的用户隐私数据处理方法的同一发明构思,图4为本说明书实施例提出的一种用户隐私数据处理方法的流程示意图,本说明书实施例应用于服务端,其执行主体为服务端。
步骤401:从分布式服务器分别接收目标类用户隐私数据的拆分数据,所述拆分数据是客户端根据预设拆分规则对用户隐私数据进行拆分处理得到。
在分布式服务器上分别存储用户隐私数据的各拆分数据,可以供服务端调用或提取,用于汇总和统计。服务端不存储任一用户的所有拆分数据,而是从分布式服务器分别获取分散存储的各个拆分数据,这可以避免用户隐私数据的各个拆分数据集中存储,实现提升数据安全性。
这样,通过分布式服务器对用户隐私数据的各拆分数据进行分散存储,提升用户隐私数据安全性的同时,可以通过服务端对用户隐私数据的拆分数据进行汇总。
在本说明书实施例中,从分布式服务器分别接收目标类用户隐私数据的拆分数据,可以包括:
在接收到客户端对目标类用户隐私数据的所述统计值的第一获取请求时,从分布式服务器分别接收目标类用户隐私数据的拆分数据。
在具体应用中,客户端发送所述第一获取请求,服务端基于该第一获取请求,服务端从各服务器接收同类别的不同属性用户隐私数据的拆分数据。这样,服务端可以在有需要时,才从分布式服务器获取用户隐私数据的拆分数据。
在本说明书实施例中,服务端可以实时地从分布式服务器接收新的目标类用户隐私数据的拆分数据,实现对目标类用户隐私数据的实时汇总和更新。
在从分布式服务器分别接收目标类用户隐私数据的拆分数据之前,本说明书实施例记载的用户隐私数据处理方法还可以包括:
向所述分布式服务器发送对目标类用户隐私数据的拆分数据的第二获取请求。
这样,当分布式服务器响应第二获取请求时,服务端可以接收目标类用户隐私数据的拆分数据,可以实现主动调用所需要的用户隐私数据的各拆分数据。
在这种情况下,参考上文关于步骤303的文字内容,若对同一所述用户隐私数据的各拆分数据标记相同标识,则可以根据各拆分数据携带的标识识别同一用户隐私数据的各拆分数据。这个标识可以是匿名标识或非匿名标识。
在用户隐私数据类别较多时,则若各拆分数据携带类别和属性中的至少一种,则可以在第一获取请求中添加目标类,这样,可以从分布式服务器获取所需要目标类用户隐私数据的各拆分数据,进行汇总。
步骤403:对所述目标类用户隐私数据的拆分数据进行统计处理,得到所述目标类用户隐私数据的统计值。
具体地,对所述目标类用户隐私数据的拆分数据进行统计处理,得到所述目标类用户隐私数据的统计值,可以包括:
利用预设统计规则,对所述目标类用户隐私数据的拆分数据进行统计处理,得到所述目标类用户隐私数据的统计值。对于预设统计规则可以参考如下实施例。
在本说明书实施例中,对目标类用户隐私数据的拆分数据进行统计处理,得到统计值,可以包括:
若所述预设拆分规则为将用户隐私数据拆分为各拆分数据之和,则对所述目标类用户隐私数据的拆分数据相加求和,得到所述目标类用户隐私数据的统计值。
此时,统计值可以是所有用户隐私数据之和,同时在服务端也无需暴露原始的用户隐私数据,避免原始的用户隐私数据在服务端被窃取。在这种情况下,客户端可以确定本地的用户隐私数据占统计值的比例。
还可以是,根据用户隐私数据之和计算目标类用户隐私数据的平均值,将该平均值确定为统计值。具体地,分布式服务器可以统计其接收的目标类用户隐私数据对应的用户数量,连同拆分数据发送给服务端,由服务端进行计算平均值。这样,客户端可以根据平均值,确定本地的用户隐私数据的分布位置。
在本说明书实施例中,对所述目标类用户隐私数据的拆分数据进行统计处理,得到所述目标类用户隐私数据的统计值,还可以包括:
根据与所述预设拆分规则匹配的预设合并规则对所述目标类用户隐私数据的拆分数据进行合并处理得到所述用户隐私数据;
对合并得到的原始的所述目标类用户隐私数据进行统计处理,得到所述目标类用户隐私数据的统计值。这个统计值可以是所有目标类用户隐私数据之和,或可以是平均值,或可以是分布图表。
结合参考上文步骤303的文字内容,此处预设合并规则对应于前文预设拆分规则。在设置预设拆分规则的同时,形成预设合并规则。预设拆分规则下发到客户端,预设合并规则存储在服务端,该服务端可以是内部服务器或授权的外部服务器,在此不做具体限定。
结合前文步骤303的文字内容所举例的用户隐私数据为100,预设合并规则用于根据接收的拆分数据的结构识别100的各拆分数据,然后对同一用户隐私数据的拆分数据进行反向计算,具体不再赘述。
参考上文步骤401的文字内容,若各拆分数据携带表征与原始的用户隐私数据之间从属关系的标识,则根据预设合并规则对同一所述用户隐私数据的拆分数据进行合并处理得到所述用户隐私数据,可以包括:
基于各拆分数据携带的标识,识别拆分数据所属的用户隐私数据;
将同一用户隐私数据的各拆分数据合并为原始的用户隐私数据。
在本说明书实施例中,合并得到的目标类用户隐私数据可以用于统计、分析和统计等处理,因此本说明书实施例记载的用户隐私数据处理方法不妨碍用户隐私数据的合理利用。
具体地,若执行步骤401,在接收到客户端对目标类用户隐私数据的统计值的第一获取请求时,从分布式服务器分别接收目标类用户隐私数据的拆分数据;
则所述数据处理方法还可以包括:
根据所述第一获取请求向客户端发送所述目标类用户隐私数据的所述统计值,使得客户端可以确定本地的用户隐私数据在统计值中的分布位置。
在本说明书实施例中,在对合并得到的各原始的目标类用户隐私数据进行统计处理之后,还可以包括:
删除合并得到的各原始的所述用户隐私数据。
这可以避免在服务端上长期存储任何用户隐私数据,避免用户隐私数据在服务端一侧泄漏,提升用户隐私数据安全性。
在本说明书实施例中,在对合并得到的原始的目标类用户隐私数据进行统计处理之后,还可以包括:
存储所述目标类用户隐私数据的统计值。
在这种情况下,在可预见期间内,该统计值可以反映目标类用户隐私数据的分布。当服务端接收到对该统计值的第一获取请求时,可以直接将该统计值发送给客户端。
在本说明书实施例中,在执行步骤401时,在从分布式服务器分别接收目标类用户隐私数据的拆分数据时,还从所述分布式服务器分别接收隐藏用户隐私数据的拆分数据,所述隐藏用户隐私数据是对用户隐私数据进行隐藏处理得到的,所述隐藏用户隐私数据的拆分数据是根据所述预设拆分规则对所述隐藏用户隐私数据进行拆分处理得到的;
可以利用隐藏用户隐私数据的拆分数据验证所述目标类用户隐私数据的拆分数据;
若验证通过,则执行所述对目标类用户隐私数据的拆分数据进行统计处理,得到所述目标类用户隐私数据的统计值。
其中,验证的目的在于确定目标类用户隐私数据是否被篡改。
参考上文步骤303的内容,在根据预设拆分规则对用户隐私数据进行拆分的过程中,可以对原始的用户隐私数据进行隐藏处理得到隐藏用户隐私数据,同时对隐藏用户隐私数据进行拆分,隐藏用户隐私数据的拆分数据对原始的用户隐私数据的拆分数据起到混淆作用。在这种情况下,隐藏用户隐私数据与原始的用户隐私数据之间具有确定的规则关系,隐藏用户隐私数据的拆分数据与原始的用户隐私数据的拆分数据之间具有确定的规则关系。
例如,在原始的用户隐私数据为100时,隐藏用户隐私数据是对100求平方得到的10000,两者存在平方关系。
若所述预设拆分规则为将用户隐私数据拆分为各拆分数据之和,则利用隐藏用户隐私数据的拆分数据验证所述目标类用户隐私数据的拆分数据,可以包括:
对目标类用户隐私数据的拆分数据相加求和,得到第一和值;
对隐藏用户隐私数据的拆分数据求和,得到第二和值;
判断所述第二和值和第一和值之间是否满足预设规则;
若是,则说明原始的用户隐私数据未被篡改。
另外,若隐藏用户隐私数据是对原始的用户隐私数据进行求和得到,则利用隐藏用户隐私数据的拆分数据及原始的用户隐私数据的拆分数据,可以计算用户隐私数据的方差,这样在服务端一侧计算得到的统计值可以包括用户隐私数据的平均值和方差。客户端接收到平均值和方差,可以利用正态分布函数生成本地的用户隐私数据在统计值中的分布位置。
本说明书实施例记载的用户隐私数据处理方法,服务端可以从分布式服务器分别获取目标类用户隐私数据的拆分数据进行统计处理,可以不存储用户隐私数据的拆分数据,实现提升数据安全性的同时。同时,本说明书实施例记载的用户隐私数据处理方法提供用户隐私数据的拆分数据的汇总统计机制,在提升用户隐私数据安全性的同时,不妨碍用户隐私数据的合理应用。
基于与图3-图4所描述的用户隐私数据处理方法的同一发明构思,图5为本说明书实施例提出的一种用户隐私数据处理方法的时序图,本说明书实施例应用于客户端5A,其执行主体可以是客户端5A。
步骤501:客户端5A向服务端5B发送对目标类用户隐私数据的统计值的第一获取请求。
在本说明书上实施例中,向服务端5B发送对目标类用户隐私数据的统计值的第一获取请求,可以包括:
在从用户接收到对目标类用户隐私数据的统计值获取请求时,向服务端发送对所属目标类用户隐私数据的统计值的第一获取请求。
其中,目标类用户隐私数据的统计值获取请求可以包含本地的用户隐私数据,具体可结合步骤301的内容,在此不再赘述。另外,目标类用户隐私数据的统计值获取请求也可以不包含用户隐私数据。
步骤503:客户端5A从服务端5B接收针对第一获取请求反馈的统计值,所述统计值是,服务端5B从分布式服务器中获取到按照预设拆分规则拆分得到的目标类用户隐私数据的拆分数据后,对目标类用户隐私数据的拆分数据进行统计处理得到的。
客户端5A可以确定用户输入的用户隐私数据在所述统计值中的分布位置。
基于与图3-图5所描述的用户隐私数据处理方法的同一发明构思,图6为本说明书实施例提出的一种用户隐私数据处理方法的时序图,本说明书实施例的执行主体可以是服务器6A。
步骤602:服务器6A从客户端6B接收原始的用户隐私数据的部分数量个拆分数据,所述拆分数据是根据预设拆分规则对所述用户隐私数据进行拆分处理得到。
步骤604:存储所述用户隐私数据的部分数量个拆分数据。
服务器6A存储拆分数据,可以不用存储原始的用户隐私数据,可以避免用户隐私数据泄露。而且,每个服务器6A存储同一用户隐私数据的部分数量个拆分数据,避免同一用户隐私数据的各拆分数据集中存储在同一服务器中,增加获取同一用户隐私数据的各拆分数据的难度。另外,即使服务器被攻击,通过部分数量的拆分数据不能读取到完整的、有效的原始的用户隐私数据,提升用户隐私数据的安全性。
步骤606:服务器6A从服务端6C接收对目标类用户隐私数据的拆分数据的第二获取请求。
步骤608:根据所述第二获取请求,服务器6A将所述目标类用户隐私数据的拆分数据发送给服务端6C,所述目标类用户隐私数据的拆分数据用于统计处理得到所述目标类用户隐私数据的统计值。
基于与图3-图6所描述的用户隐私数据处理方法的同一发明构思,图7为本说明书实施例提出的一种用户隐私数据处理方法的时序图,本说明书实施例的执行主体是服务端7A。
步骤701:服务端7A从客户端7B接收对目标类用户隐私数据的统计值的第一获取请求。
步骤703:服务端7A向分布式服务器7C发送对所述目标类用户隐私数据的拆分数据的第二获取请求。
步骤705:服务端7A从分布式服务器7C获取根据所述第二获取请求反馈的目标类用户隐私数据部分数量个拆分数据。
在本说明书实施例中,分布式服务器7C响应第二获取请求,发送目标类用户隐私数据的拆分数据至服务端7A。
步骤707:服务端7A根对所述目标类用户隐私数据的拆分数据进行统计处理,得到所述目标类用户隐私数据的统计值。
步骤709:服务端7A根据第一获取请求向客户端7B发送对目标类用户隐私数据的所述统计值。可以是将统计值发送给客户端7B。
图8为本说明书实施例提出的一种用户隐私数据处理装置的结构示意图。
本说明书实施例记载的用户隐私数据处理装置应用于客户端,可以包括:
接收模块801,接收用于进行统计处理的用户隐私数据;
拆分模块802,根据预设拆分规则对所述用户隐私数据进行拆分处理得到拆分数据;
发送模块803,将所述用户隐私数据的各个拆分数据分别发送给分布式服务器存储,使得服务端可从所述分布式服务器获取所述用户隐私数据的各个拆分数据,进行统计处理得到所述用户隐私数据的统计值。
利用本说明书实施例记载的用户隐私数据处理装置,
在接收用于进行统计处理的用户隐私数据时,根据预设拆分规则对所述用户隐私数据进行拆分处理得到拆分数据;将所述用户隐私数据的各个拆分数据分别发送给分布式服务器存储,使得服务端可从所述分布式服务器获取所述用户隐私数据的各个拆分数据,进行统计处理得到所述用户隐私数据的统计值。这样,当客户端接收到对用户隐私数据的统计需求时,对原始的用户隐私数据进行拆分,拆分数据相比于原始用户隐私数据具有不完整性,这可以降低原始用户隐私数据泄露的风险。另外,客户端将各拆分数据分别存储到分布式服务器,服务器存储用户隐私数据的拆分数据,并不存储用户隐私数据,降低用户隐私数据在服务器一侧泄露的风险。同时,各拆分数据被分散存储至分布式服务器,这可以降低用户隐私数据的各拆分数据被获取的难度。
基于同一发明构思,本说明书实施例还提供一种电子设备,包括至少一个处理器及存储器,存储器存储有程序,并且被配置成由至少一个处理器执行以下步骤:
接收用于进行统计处理的用户隐私数据;
根据预设拆分规则对所述用户隐私数据进行拆分处理得到拆分数据;
将所述用户隐私数据的各个拆分数据分别发送给分布式服务器存储,使得服务端可从所述分布式服务器获取所述用户隐私数据的各个拆分数据,进行统计处理得到所述目标类用户隐私数据的统计值。
其中,处理器的其他功能还可以参见上述实施例中记载的内容,这里不再一一赘述。
基于同一发明构思,本说明书实施例还提供一种计算机可读存储介质,包括与电子设备结合使用的程序,程序可被处理器执行以完成以下步骤:
接收用于进行统计处理的用户隐私数据;
根据预设拆分规则对所述用户隐私数据进行拆分处理得到拆分数据;
将所述用户隐私数据的各个拆分数据分别发送给分布式服务器存储,使得服务端可从所述分布式服务器获取所述用户隐私数据的各个拆分数据,进行统计处理得到所述目标类用户隐私数据的统计值。
图9为本说明书实施例提出的一种用户隐私数据处理装置的结构示意图。
本说明书实施例记载的用户隐私数据处理装置可以包括:
接收模块901,从分布式服务器分别接收目标类用户隐私数据的拆分数据,所述拆分数据是客户端根据预设拆分规则对所述用户隐私数据进行拆分处理得到;
统计模块902,对所述目标类用户隐私数据的拆分数据进行统计处理,得到所述目标类用户隐私数据的统计值。
利用本说明书实施例记载的用户隐私数据处理装置,服务端可以从分布式服务器中获取目标类用户隐私数据的分散的各个拆分数据,可以不用存储任一用户隐私数据的所有拆分数据,实现提升数据安全性。同时,本说明书实施例记载的用户隐私数据处理方法提供用户隐私数据的拆分数据的统计机制,在提升用户隐私数据安全性的同时,不妨碍用户隐私数据的合理应用。
基于同一发明构思,本说明书实施例还提供一种电子设备,包括至少一个处理器及存储器,存储器存储有程序,并且被配置成由至少一个处理器执行以下步骤:
从分布式服务器分别接收目标类用户隐私数据的拆分数据,所述拆分数据是客户端根据预设拆分规则对用户隐私数据进行拆分处理得到;
对所述目标类用户隐私数据的拆分数据进行统计处理,得到所述目标类用户隐私数据的统计值。
其中,处理器的其他功能还可以参见上述实施例中记载的内容,这里不再一一赘述。
基于同一发明构思,本说明书实施例还提供一种计算机可读存储介质,包括与电子设备结合使用的程序,程序可被处理器执行以完成以下步骤:
从分布式服务器分别接收目标类用户隐私数据的拆分数据,所述拆分数据是客户端根据预设拆分规则对用户隐私数据进行拆分处理得到;
对所述目标类用户隐私数据的拆分数据进行统计处理,得到所述目标类用户隐私数据的统计值。
图10为本说明书实施例提出的一种用户隐私数据处理装置的结构示意图。
本说明书实施例记载的用户隐私数据处理装置可以应用于客户端,包括:
发送模块1001,向服务端发送对目标类用户隐私数据的统计值的第一获取请求;
接收模块1002,从所述服务端接收针对所述第一获取请求反馈的所述统计值,所述统计值是,所述服务端从分布式服务器中获取到按照预设拆分规则拆分得到的所述目标类用户隐私数据的拆分数据后,对所述目标类用户隐私数据的拆分数据进行统计处理得到的。
基于同一发明构思,本说明书实施例还提供一种电子设备,包括至少一个处理器及存储器,存储器存储有程序,并且被配置成由至少一个处理器执行以下步骤:
向服务端发送对目标类用户隐私数据的统计值的第一获取请求;
从所述服务端接收针对所述第一获取请求反馈的所述统计值,所述统计值是,所述服务端从分布式服务器中获取到按照预设拆分规则拆分得到的所述目标类用户隐私数据的拆分数据后,对所述目标类用户隐私数据的拆分数据进行统计处理得到的。
其中,处理器的其他功能还可以参见上述实施例中记载的内容,这里不再一一赘述。
基于同一发明构思,本说明书实施例还提供一种计算机可读存储介质,包括与电子设备结合使用的程序,程序可被处理器执行以完成以下步骤:
向服务端发送对目标类用户隐私数据的统计值的第一获取请求;
从所述服务端接收针对所述第一获取请求反馈的所述统计值,所述统计值是,所述服务端从分布式服务器中获取到按照预设拆分规则拆分得到的所述目标类用户隐私数据的拆分数据后,对所述目标类用户隐私数据的拆分数据进行统计处理得到的。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、设备(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。
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。
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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
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。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。