本发明公开一种基于容错学习的身份基矩阵同态加密方法，包括以下步骤：发送方使用身份陷门和公共参数生成私钥，之后根据身份矩阵、公共参数和辅助矩阵生成对应用户的过渡密钥和辅助密钥，再利用身份矩阵、过渡密钥和辅助密钥生成公钥；使用公钥和扰乱矩阵生成容错学习问题实例，并将容错学习问题实例作为密文辅助矩阵，然后使用公钥和密文辅助矩阵对明文矩阵进行加密；接收方根据计算函数对密文进行同态计算，并将得到的密文矩阵返回发送方；发送方使用私钥对密文矩阵进行解密。本发明的有益效果是：通过增设矩阵形式的过渡密钥和辅助密钥生成私钥和公钥，扩展了方案的加密空间，实现了针对单用户密钥的便捷管理和高效的多数据加解密及同态计算。
1.一种基于容错学习的身份基矩阵同态加密方法，其特征在于，包括以下步骤：
发送方根据预设的安全参数对用户身份ID进行初始化，得到对应用户的主密钥和公共参数；所述主密钥和所述公共参数的计算方法包括：以所述安全参数为输入，使用GenTrap算法生成陷门，以及带有所述陷门的信息的陷门随机矩阵；针对所述用户身份ID的ID长度生成等长度且独立同分布的随机矩阵序列；使用伪随机数生成器生成服从均匀分布的随机向量序列；将所述陷门作为所述主密钥进行输出，并将所述陷门随机矩阵、所述随机矩阵序列、所述随机向量序列和所述ID长度作为所述公共参数进行输出；
发送方根据所述用户身份ID、所述公共参数和所述主密钥生成对应用户的身份矩阵和身份陷门，使用所述身份陷门和所述公共参数生成私钥，之后根据所述身份矩阵、所述公共参数和辅助矩阵生成对应用户的过渡密钥和辅助密钥，再利用所述身份矩阵、所述过渡密钥和所述辅助密钥生成公钥；所述私钥和所述公钥的计算方法包括：以所述ID长度为基准，将所述陷门随机矩阵以及全部的所述随机矩阵序列共同构造所述身份矩阵，并以所述身份矩阵和所述主密钥作为ExtBasis算法的输入，获取所述身份矩阵对应的身份陷门；采用Sample取样法从所述随机向量序列、所述身份矩阵及对应的所述身份陷门中得到新的随机向量组，将单位矩阵和所述随机向量组进行组合，获得所述私钥；将所述随机向量序列和所述身份矩阵共同构造过渡密钥，采用预设的辅助矩阵构造辅助密钥，将所述过渡密钥和所述辅助密钥共同构造所述公钥；所述过渡密钥的构造公式如下：式中， 表示由随机向量序列 依次排列构成的矩阵的转置，即 ,
式中， 表示只有第i，j位为1，其他位置为0的矩阵， 表示私钥， 表示工具矩阵，表示过渡密钥， 表示二元随机矩阵；
发送方获取明文矩阵，使用所述公钥和扰乱矩阵生成容错学习问题实例，并将所述容错学习问题实例作为密文辅助矩阵，然后使用所述公钥和所述密文辅助矩阵对所述明文矩阵进行加密，将加密得到的密文矩阵和计算函数发送至接收方；
接收方根据所述计算函数对所述密文进行同态计算，并将得到的密文矩阵返回发送方；
发送方使用所述私钥对所述密文矩阵进行解密，还原所述明文矩阵对应的明文消息。
2.如权利要求1所述的基于容错学习的身份基矩阵同态加密方法，其特征在于，所述明文矩阵的加密过程包括：根据预设的填充要求对所述明文矩阵进行填充；
以二元随机矩阵，以及服从亚高斯分布的噪声矩阵生成扰乱矩阵；
使用所述过渡密钥和所述扰乱矩阵生成容错学习问题实例，并将所述容错学习问题实例作为密文辅助矩阵；
3.如权利要求1所述的基于容错学习的身份基矩阵同态加密方法，其特征在于，所述同态计算包括：两个所述密文矩阵直接相加，或者，采用亚高斯随机采样法分解其中一个所述密文矩阵，再将分解后的所述密文矩与另一个所述密文矩阵相乘。
4.如权利要求1所述的基于容错学习的身份基矩阵同态加密方法，其特征在于，所述密文矩阵的解密过程包括：将密钥矩阵和所述密文矩阵分别按行按列做内积计算后，再进行舍入和取整操作，还原所述明文消息。
5.一种基于容错学习的身份基矩阵同态加密系统，其特征在于，包括：
初始化模块，用于根据预设的安全参数对用户身份ID进行初始化，得到对应用户的主密钥和公共参数；所述主密钥和所述公共参数的计算方法包括：以所述安全参数为输入，使用GenTrap算法生成陷门，以及带有所述陷门的信息的陷门随机矩阵；针对所述用户身份ID的ID长度生成等长度且独立同分布的随机矩阵序列；使用伪随机数生成器生成服从均匀分布的随机向量序列；将所述陷门作为所述主密钥进行输出，并将所述陷门随机矩阵、所述随机矩阵序列、所述随机向量序列和所述ID长度作为所述公共参数进行输出；
密钥生成模块，用于根据所述用户身份ID、所述公共参数和所述主密钥生成对应用户的身份矩阵和身份陷门，使用所述身份陷门和所述公共参数生成私钥，之后根据所述身份矩阵、所述公共参数和辅助矩阵生成对应用户的过渡密钥和辅助密钥，再利用所述身份矩阵、所述过渡密钥和所述辅助密钥生成公钥；所述私钥和所述公钥的计算方法包括：以所述ID长度为基准，将所述陷门随机矩阵以及全部的所述随机矩阵序列共同构造所述身份矩阵，并以所述身份矩阵和所述主密钥作为ExtBasis算法的输入，获取所述身份矩阵对应的身份陷门；采用Sample取样法从所述随机向量序列、所述身份矩阵及对应的所述身份陷门中得到新的随机向量组，将单位矩阵和所述随机向量组进行组合，获得所述私钥；将所述随机向量序列和所述身份矩阵共同构造过渡密钥，采用预设的辅助矩阵构造辅助密钥，将所述过渡密钥和所述辅助密钥共同构造所述公钥；所述过渡密钥的构造公式如下：式中， 表示由随机向量序列 依次排列构成的矩阵的转置，即 ,
式中， 表示只有第i，j位为1，其他位置为0的矩阵， 表示私钥， 表示工具矩阵，表示过渡密钥， 表示二元随机矩阵；
加密模块，用于获取明文矩阵，使用所述公钥和扰乱矩阵生成容错学习问题实例，并将所述容错学习问题实例作为密文辅助矩阵，然后使用所述公钥和所述密文辅助矩阵对所述明文矩阵进行加密，将加密得到的密文矩阵和计算函数发送至接收方；
同态计算模块，用于根据所述计算函数对所述密文进行同态计算，并将得到的密文矩阵返回发送方；
解密模块，用于使用所述私钥对所述密文矩阵进行解密，还原所述明文矩阵对应的明文消息。
6.一种基于容错学习的身份基矩阵同态加密装置，其特征在于，所述装置包括存储器、处理器和通信模块，其中，所述存储器用于存储可执行程序代码；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1‑4任一项所述的基于容错学习的身份基矩阵同态加密方法。
7.一种计算机可存储介质，其特征在于，所述计算机可存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1‑4任一项所述的基于容错学习的身份基矩阵同态加密方法。
基于容错学习的身份基矩阵同态加密方法
技术领域
[0001] 本发明涉及公钥加密技术领域，尤其涉及一种基于容错学习的身份基矩阵同态加密方法。
背景技术
[0002] 身份基加密是一种演化自传统公钥加密的密码学方案，它允许直接使用用户的身份（唯一标识符）作为公钥，避免了发送方获取接收方公钥证书的步骤，从而简化了密钥管理过程并确保信息的保密性。
[0003] 同态加密技术允许在仅了解公共参数而不知道密钥的情况下，对密文进行任意代数运算，该技术使得密文的解密结果与在明文上执行相同运算的结果一致，其运算流程如图1所示。将同态加密的概念引入身份基加密，以实现身份基同态加密方案，是近年来该领域的研究重点。自2013年Gentry首次提出身份基同态加密以来，该领域得到了广泛的研究。然而，近年来的身份基同态加密方案主要关注单个数据的计算任务，对于大规模数据的计算而言，其时间和空间开销较大，导致效率较低且通信量过大。
[0004] 容错学习（Learning with Errors，LWE）问题是基于格理论的一个衍生困难问题。LWE问题包括决策LWE和搜索LWE两个变体。鉴于目前尚未发现有效的量子算法来解决LWE问题，基于容错学习假设的加密方案被认为具有抗量子计算的特性。因此，容错学习问题被广泛应用于确保同态加密方案的安全性。然而，基于容错学习假设的加密方案仍然无法解决身份基同态加密方案所具有的缺陷，即，计算量仍然过大，计算效率较低。
发明内容
[0005] 针对上述问题，本发明提出一种基于容错学习的身份基矩阵同态加密方法，主要解决基于容错学习假设的加密方案的计算量过大以及计算效率低的问题。
[0006] 本发明第一方面提出一种基于容错学习的身份基矩阵同态加密方法，包括以下步骤：
[0007] 发送方根据预设的安全参数对用户身份ID进行初始化，得到对应用户的主密钥和公共参数；
[0008] 发送方根据所述用户身份ID、所述公共参数和所述主密钥生成对应用户的身份矩阵和身份陷门，使用所述身份陷门和所述公共参数生成私钥，之后根据所述身份矩阵、所述公共参数和辅助矩阵生成对应用户的过渡密钥和辅助密钥，再利用所述身份矩阵、所述过渡密钥和所述辅助密钥生成公钥；
[0009] 发送方获取明文矩阵，使用所述公钥和扰乱矩阵生成容错学习问题实例，并将所述容错学习问题实例作为密文辅助矩阵，然后使用所述公钥和所述密文辅助矩阵对所述明文矩阵进行加密，将加密得到的密文矩阵和计算函数发送至接收方；
[0010] 接收方根据所述计算函数对所述密文进行同态计算，并将得到的密文矩阵返回发送方；
[0011] 发送方使用所述私钥对所述密文矩阵进行解密，还原所述明文矩阵对应的明文消息。
[0012] 本发明第二方面提出一种基于容错学习的身份基矩阵同态加密系统，包括：
[0013] 初始化模块，用于根据预设的安全参数对用户身份ID进行初始化，得到对应用户的主密钥和公共参数；
[0014] 密钥生成模块，用于根据所述用户身份ID、所述公共参数和所述主密钥生成对应用户的身份矩阵和身份陷门，使用所述身份陷门和所述公共参数生成私钥，之后根据所述身份矩阵、所述公共参数和辅助矩阵生成对应用户的过渡密钥和辅助密钥，再利用所述身份矩阵、所述过渡密钥和所述辅助密钥生成公钥；
[0015] 加密模块，用于获取明文矩阵，使用所述公钥和扰乱矩阵生成容错学习问题实例，并将所述容错学习问题实例作为密文辅助矩阵，然后使用所述公钥和所述密文辅助矩阵对所述明文矩阵进行加密，将加密得到的密文矩阵和计算函数发送至接收方；
[0016] 同态计算模块，用于根据所述计算函数对所述密文进行同态计算，并将得到的密文矩阵返回发送方；
[0017] 解密模块，用于使用所述私钥对所述密文矩阵进行解密，还原所述明文矩阵对应的明文消息。
[0018] 本发明第三方面提出一种基于容错学习的身份基矩阵同态加密装置，所述装置包括存储器、处理器和通信模块，其中，所述存储器用于存储可执行程序代码；所述处理器与所述存储器耦合；所述处理器调用所述存储器中存储的所述可执行程序代码，执行上述的基于容错学习的身份基矩阵同态加密方法。
[0019] 本发明第四方面提出一种计算机可存储介质，所述计算机可存储介质存储有计算机指令，所述计算机指令被调用时，用于执行上述的基于容错学习的身份基矩阵同态加密方法。
[0020] 本发明的有益效果为：通过增设矩阵形式的过渡密钥和辅助密钥生成私钥和公钥，扩展了方案的加密空间，实现了针对单用户密钥的便捷管理和高效的多数据加解密及同态计算，从而解决一般基于容错学习的身份基同态加密方案计算量大、计算效率低，以及无法同时进行多数据加解密和同态计算的问题。
附图说明
[0021] 图1为同态加密的过程示意图；
[0022] 图2为本发明实施例一公开的基于容错学习的身份基矩阵同态加密方法的流程示意图；
[0023] 图3为本发明实施例二公开的基于容错学习的身份基矩阵同态加密系统的结构示意图；
[0024] 图4为本发明实施例三公开的基于容错学习的身份基矩阵同态加密装置的结构示意图。
具体实施方式
[0025] 为使本发明的目的、技术方案及优点更加清楚、明确，下面结合附图和具体实施方式对本发明的内容做进一步详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。
[0026] 本实施例提出了一种基于容错学习的身份基矩阵同态加密方法，如图2所示，包括以下步骤：
[0027] S1，发送方根据预设的安全参数对用户身份ID进行初始化，得到对应用户的主密钥和公共参数。
[0028] 在本实施例的S1中，发送方需要根据方案的安全性级别预先设置一个安全参数，方案中的矩阵维数、模数、亚高斯分布的参数都取决于安全参数。
[0029] 具体的，主密钥和公共参数的计算方法包括：
[0030] S101，以安全参数为输入，使用GenTrap算法生成陷门 ，以及带有陷门 的信息的陷门随机矩阵 。在本实施例中，陷门 是指一个秘密的参数或信息，可以在保持加密强度的前提下进行有效的解密操作，而陷门随机矩阵 是一种具有随机性质的矩阵，其中包含了陷门 的信息，使得只有知道陷门 的人才能有效地进行解密操作。
[0031] 上述的GenTrap算法是一个构造陷门和陷门随机矩阵的算法，其输入为安全参数，矩阵的维数和参数都取决于安全参数的大小。在S101中，陷门随机矩阵 ，使用一个服从均匀分布的随机矩阵 、一个服从高斯分布的随机矩阵 和一个固定的工具矩阵 ，构造陷门随机矩阵 ，对应的陷门为 。再有，上述的工具矩阵是由一组工具向量构成的常数矩阵，这些工具向量是按照2的幂进行依次排列的，即，工具矩阵的构成与工具向量类似，只是在维度上进行了扩展，即，
。
[0032] S102，针对用户身份ID的ID长度生成等长度且独立同分布的随机矩阵序列，其中，用户身份 ，下标 表示ID长度。
[0033] S103，使用伪随机数生成器生成服从均匀分布的随机向量序列 。
[0034] 上述的伪随机数生成器是一种随机输出算法，用于生成表面上具有随机性的数列。具体的，该生成器使用一个初始种子来初始化算法的状态。一旦初始化完成，伪随机数生成器通过对初始种子进行变换、混合和运算，生成新的状态，并最终基于更新后的状态计算出一个或多个随机数值。
[0035] S104，将陷门 作为主密钥进行输出，即主密钥 ，并将陷门随机矩阵 、随机矩阵序列 、随机向量序列 和ID长度 作为公共参数 进行输出。
[0036] S2，发送方根据用户身份ID、公共参数和主密钥生成对应用户的身份矩阵和身份陷门，使用身份陷门和公共参数生成私钥，之后根据身份矩阵、公共参数和辅助矩阵生成对应用户的过渡密钥和辅助密钥，再利用身份矩阵、过渡密钥和辅助密钥生成公钥。
[0037] 私钥和公钥的计算方法包括：
[0038] S201，以ID长度 为基准，将陷门随机矩阵 以及全部的随机矩阵序列 共同构造身份矩阵 。
[0039] 具体的，身份矩阵 的构造如下：
[0040]
[0041] 其中， 表示所述陷门随机矩阵， 表示所述随机矩阵序列中的第i个。
[0042] 然后，并以身份矩阵 和主密钥 作为ExtBasis算法的输入，获取身份矩阵 对应的身份陷门 。
[0043] 上述的ExtBasis算法是一个扩展版的陷门和陷门随机矩阵生成算法，其根据一对给定的陷门和陷门随机矩阵 ，对陷门随机矩阵进行扩展，拼接任一随机矩阵，生成扩展的陷门随机矩阵对应的陷门 。
[0044] S202，采用Sample取样法从随机向量序列 、身份矩阵 及对应的身份陷门 中得到新的随机向量组 ，将单位矩阵和随机向量组进行组合，获得私钥。
[0045] S202的主要目标为计算私钥，具体的，将随机向量序列 、身份矩阵 及其身份陷门 ，根据Sample取样法得到多个向量 ，令 ，将各个向量 依次排列构成矩阵，矩阵 结合单位矩阵 构成私钥 。
[0046] 上述的Sample取样法一个针对陷门随机矩阵进行取样的算法，其根据一对给定的身份陷门 和身份矩阵 再选择任意一个随机向量 ，可以生成一个样本向量 ，使得。
[0047] S203，将随机向量序列 和身份矩阵 共同构造过渡密钥 ，采用预设的辅助矩阵构造辅助密钥 ，将过渡密钥 和辅助密钥 共同构造公钥 。
[0048] S203的主要目标为计算公钥，在本实施例中，过渡密钥的构造公式如下：
[0049]
[0050] 式中， 表示由随机向量序列 依次排列构成的矩阵的转置，即， 表示身份矩阵 的转置；
[0051] 辅助密钥的构造公式如下：
[0052]
[0053] 式中， 表示只有第i，j位为1，其他位置为0的矩阵， 表示私钥， 表示工具矩阵， 表示过渡密钥， 表示二元随机矩阵。
[0054] S3，发送方获取明文矩阵，使用公钥和扰乱矩阵生成容错学习问题实例，并将容错学习问题实例作为密文辅助矩阵，然后使用公钥和密文辅助矩阵对明文矩阵进行加密，将加密得到的密文矩阵和计算函数发送至接收方。
[0055] 明文矩阵的加密过程包括：
[0056] S301，根据预设的填充要求对明文矩阵 进行填充；S301的主要目标是令到明文矩阵满足矩阵乘法要求，具体的，明文矩阵为r×r的矩阵，使用零矩阵对原明文矩阵 进行填充。
[0057] S302，以二元随机矩阵 ，以及服从亚高斯分布的噪声矩阵 生成扰乱矩阵。
[0058] 本实施例中所述的二元随机矩阵是指，矩阵中每个元素只能取0或1两个值。另外，亚高斯分布的噪声矩阵是一类具有尾部较快衰减性质的概率分布，相对于一般的概率分布，它的尾部概率更加集中。具体而言，对于一个随机变量 ，如果存在常数 ，使得对于任意的 ，有以下不等式成立： 。其中， 是 的绝对值大于 的概率。
[0059] 通过使用亚高斯分布的噪声矩阵，利用其具有尾部较快衰减的特性，使得噪声项集中在较小的范围内，有助于构建更强的安全性。
[0060] S303，使用过渡密钥 和扰乱矩阵生成容错学习问题实例，并将容错学习问题实例作为密文辅助矩阵。
[0061] S303的主要目的是计算得到密文辅助矩阵，在一示例中，密文辅助矩阵。
[0062] 具体而言，给定一个公开的矩阵 ，以及一个包含噪声的噪声矩阵 ，矩阵容错学习问题的目标是通过已知的密文矩阵 ，公开矩阵 和二元随机矩阵 来恢复出噪声矩阵 ，即从加密数据中去除噪声。由于噪声的随机性，使得从线性方程中恢复出噪声矩阵变得相对困难。本发明采用亚高斯分布做噪声的概率分布，由此构建一个矩阵容错学习问题实例，以保证方案的安全性。
[0063] S304，使用公钥和密文辅助矩阵生成密文矩阵。
[0064] 密文矩阵 表示密文辅助矩阵， 是辅助密钥， 是明文矩阵 的第i，j个元素。
[0065] S4，接收方根据计算函数对密文进行同态计算，并将得到的密文矩阵返回发送方。
[0066] 在S4中，上述的同态计算包括：
[0067] S401，两个密文矩阵直接相加， 。
[0068] S402，或者，采用亚高斯随机采样法分解其中一个密文矩阵，再将分解后的密文矩与另一个密文矩阵相乘， 。
[0069] 上述的亚高斯随机采样法是一个随机、有效的计算函数 ，其根据一个矩阵，函数 输出一个矩阵使得 成立。
[0070] S5，发送方使用私钥对密文矩阵进行解密，还原明文矩阵对应的明文消息。
[0071] 密文矩阵的解密过程包括：将密钥矩阵和密文矩阵分别按行按列做内积计算后，再进行舍入和取整操作，还原明文消息 。
[0072] 实施例二
[0073] 本实施例提出一种一种基于容错学习的身份基矩阵同态加密系统，包括：
[0074] 初始化模块201，用于根据预设的安全参数对用户身份ID进行初始化，得到对应用户的主密钥和公共参数；
[0075] 密钥生成模块202，用于根据用户身份ID、公共参数和主密钥生成对应用户的身份矩阵和身份陷门，使用身份陷门和公共参数生成私钥，之后根据身份矩阵、公共参数和辅助矩阵生成对应用户的过渡密钥和辅助密钥，再利用身份矩阵、过渡密钥和辅助密钥生成公钥；
[0076] 加密模块203，用于获取明文矩阵，使用公钥和扰乱矩阵生成容错学习问题实例，并将容错学习问题实例作为密文辅助矩阵，然后使用公钥和密文辅助矩阵对明文矩阵进行加密，将加密得到的密文矩阵和计算函数发送至接收方；
[0077] 同态计算模块204，用于根据计算函数对密文进行同态计算，并将得到的密文矩阵返回发送方；
[0078] 解密模块205，用于使用私钥对密文矩阵进行解密，还原明文矩阵对应的明文消息。
[0079] 本实施例中的模块201‑205的具体功能可参考实施例一中的S1‑S5，在此不再赘述。
[0080] 实施例三
[0081] 请参阅图4，图4是本发明实施例公开的又一种基于容错学习的身份基矩阵同态加密装置的结构示意图。如图4所示，该控制平台可以包括：
[0082] 存储有可执行程序代码的存储器301；
[0083] 与存储器301耦合的处理器302；
[0084] 处理器302调用存储器301中存储的可执行程序代码，用于执行实施例一所描述的基于容错学习的身份基矩阵同态加密方法中的步骤。
[0085] 实施例四
[0086] 本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一所描述的基于容错学习的身份基矩阵同态加密方法中的步骤。
[0087] 以上所描述的装置实施例仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0088] 通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器（Read‑Only Memory，ROM）、随机存储器（Random Access Memory，RAM）、可编程只读存储器（Programmable Read‑only Memory，PROM）、可擦除可编程只读存储器（Erasable Programmable Read Only Memory，EPROM）、一次可编程只读存储器（One‑time Programmable Read‑Only Memory，OTPROM）、电子抹除式可复写只读存储器（Electrically‑Erasable Programmable Read‑Only Memory，EEPROM）、只读光盘（Compact Disc Read‑Only Memory，CD‑ROM）或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
[0089] 最后应说明的是：本发明实施例公开的一种基于容错学习的身份基矩阵同态加密方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项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；而这些修改或替换，并不使相应的技术方案的本质脱离奔放各项实施例技术方案的精神和范围。
