基于图片分析态势感知页面热点分布准确性的方法和装置与流程

本申请涉及态势感知技术领域，特别是涉及一种基于图片分析态势感知页面热点分布准确性的方法、装置、计算机设备和存储介质。

背景技术：

态势感知是一种基于环境的、动态、整体地洞悉安全风险的能力，是以安全大数据为基础，从全局视角提升对安全威胁的发现识别、理解分析、响应处置能力的一种方式。许多态势感知平台通过数据的经纬度来控制数据在地图上的打点位置，从而通过态势感知屏对威胁数据和资产数据在地图上做可视化的呈现。

在数据较少的情况下，测试人员可以通过肉眼能判断数据在地图上打点的位置是否正确，然而在大数据的情况下，通过人工方式显然很难判别，测试人员测试时效率低且准确性差。

针对相关技术中，态势感知可视化地图打点准确性测试时效率低且准确性差的问题，目前尚未提出有效的解决方案。

技术实现要素：

基于此，有必要针对上述技术问题，提供一种基于图片分析态势感知页面热点分布准确性的方法、装置、计算机设备和存储介质。

根据本发明的一个方面，提供了一种基于图片分析态势感知页面热点分布准确性的方法，所述方法包括：

抓取可视化图片，根据目标特征从所述可视化图片得到分离图片，获取所述分离图片中目标特征点的第一统计值；

获取所述分离图片的经纬度范围，获取元数据中所述经纬度范围中所述目标特征点的第二统计值；

根据所述第一统计值与所述第二统计值的差值，确定所述态势感知页面热点分布准确度。

在其中一个实施例中，所述根据目标特征从所述可视化图片得到分离图片包括：

根据资产打点信息以及地图区域边界从所述可视化图片得到分离图片。

在其中一个实施例中，所述根据目标特征从所述可视化图片得到分离图片包括：

根据威胁打点信息以及地图区域边界从所述可视化图片得到分离图片。

在其中一个实施例中，所述根据目标特征从所述可视化图片得到分离图片，获取所述分离图片中所述目标特征点的第一统计值包括：

获取所述可视化图片中所述目标特征的颜色特征；

根据所述颜色特征提取目标特征点，获取所述目标特征点的第一统计值。

在其中一个实施例中，获取所述可视化图片中所述目标特征的颜色特征，根据所述颜色特征提取目标特征点包括：

获取所述可视化图片的三维矩阵以及所述目标特征的颜色特征；

根据所述三维矩阵的颜色特征提取目标特征点。

在其中一个实施例中，所述抓取可视化图片包括：

获取态势感知系统页面的全区域，将所述全区域分割为子区域；

抓取所述子区域的可视化图片。

在其中一个实施例中，所述获取元数据中所述经纬度范围中所述目标特征点的第二统计值之后，所述方法包括：

在所述第一统计值与所述第二统计值的差值大于预设阈值的情况下，检查元数据中所述目标特征点的经纬度，获取错误条目。

根据本发明的另一个方面，还提供一种基于图片分析态势感知页面热点分布准确性的装置，所述装置包括图片模块、元数据模块和比对模块：

所述图片模块用于抓取可视化图片，根据目标特征从所述可视化图片得到分离图片，获取所述分离图片中目标特征点的第一统计值；

所述元数据模块用于获取所述分离图片的经纬度范围，获取元数据中所述经纬度范围中所述目标特征点的第二统计值；

所述比对模块用于根据所述第一统计值与所述第二统计值的差值，判断所述态势感知页面热点分布准确度。

根据本发明的另一个方面，还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于图片分析态势感知页面热点分布准确性的方法。

根据本发明的另一个方面，还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于图片分析态势感知页面热点分布准确性的方法。

上述基于图片分析态势感知页面热点分布准确性的方法、装置、计算机设备和存储介质，通过抓取可视化图片，根据目标特征从可视化图片得到分离图片，获取分离图片中目标特征点的第一统计值；获取分离图片的经纬度范围，获取元数据中经纬度范围中目标特征点的第二统计值；根据第一统计值与第二统计值的差值确定态势感知页面热点分布准确度，实现了高效、准确地获取态势感知页面的热点分布准确性的方法。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请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是根据本发明一个实施例中基于图片分析态势感知页面热点分布准确性的方法流程图；

图2是根据本发明一个实施例中根据颜色特征分析态势感知页面热点分布准确性的方法的流程图；

图3是根据本发明一个实施例中态势感知页面热点分布偏差统计的方法的流程图；

图4是根据本发明一个优选实施例中的基于图片分析态势感知页面热点分布准确性的方法的流程图；

图5是根据本发明一个优选实施例中基于图片分析态势感知页面热点分布准确性中图片分析的流程图；

图6是根据本发明一个实施例中一种基于图片分析态势感知页面热点分布准确性的装置的示意图；

图7是根据本发明一个实施例中基于图片分析态势感知页面热点分布准确性的计算机设备的示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的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。

显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。

在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。

除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。

本申请提供的基于图片分析态势感知页面热点分布准确性的方法，可以应用于态势感知系统的应用环境中。态势感知系统主要包括检测、分析和响应、预测和预防以及防御功能，最终是为了决策与行动，是安全能力的落地。其中，检测是指提供网络安全持续监控能力，及时发现各种攻击威胁与异常，特别是针对性攻击；分析和响应是建立威胁可视化及分析能力，对威胁的影响范围、攻击路径、目的、手段进行快速研判，目的是有效的安全决策和响应。预测和预防是指建立风险通报和威胁预警机制，全面掌握攻击者目的、技战术、攻击工具等信息。防御是指利用掌握的攻击者相关目的、技战术、攻击工具等情报，完善防御体系。态势感知的基础是对报警和元数据的收集，需要在流量、内容、终端三个方面，利用实时数据和历史数据进行检测。但单纯报警的可视化展示并不是真正的“态”。要呈现当前的“态”，需要针对报警或者异常，进行误报甄别、定性分析、了解攻击的影响范围和危害、确定缓解或清除的方法及难度等等。在这个前提下，再对安全事件全面呈现才能够称为“态”。而“势”则是未来可能的安全事件或状态，这种预测可以基于对已知攻击者的意图、技战术特点等分析得出。

为了获取可视化结果，则需要对采集到的资产信息、威胁信息或者设备探针信息等，根据其发生的位置在地图上进行打点。其中，资产信息管理是掌握内网安全态势的基础，可以通过多种手段，例如外部导入、漏扫结果导入或者流量发现等对资产进行识别，发现未知资产、媒体存取控制(mediaaccesscontrol，mac)地址、服务等，因为未知资产可能存在很大的安全风险，同时监测资产的变化、也可手动的增删改；最后是资产的分类、权重的赋值，基于以上对资产自动发现、动态监测可以为后续的风险分析做准备。

在一个实施例中，图1是根据本发明一个实施例中基于图片分析态势感知页面热点分布准确性的方法流程图，如图1所示，提供了一种基于图片分析态势感知页面热点分布准确性的方法，以该方法应用于部署有态势感知系统的计算机设备为例进行说明，包括以下步骤：

步骤s110，抓取可视化图片，根据目标特征从可视化图片得到分离图片，获取分离图片中目标特征点的第一统计值。从态势感知系统可视化界面抓取可视化图片，上述抓取可以是对可视化界面中的完整区域的抓取，也可以选择感兴趣区域进行抓取。可选地，抓取方法可采用selenium自动化控件进行屏幕定位以及抓屏截图操作。抓取到可视化图片之后，可以根据目标特征从可视化图片中得到分离图片。在一些实施例中，由于可视化图片中不同的特征分类将采用不同的打点方式，例如点的颜色不同或者点的形状不同，利用点的形态特点，将目标特征对应的点从可视化图片中分离出来，得到分离图片。再对分离图片进行图片处理，获取到该分离图片中，目标形态的点的数量，即为目标特征点的第一统计值。

在一个实施例中，根据资产打点信息以及地图区域边界从可视化图片得到分离图片。在本实施例中，选取资产打点信息和地图区域边界为目标特征，可选地，资产打点信息还可以细化为未知mac地址、异常ip地址或者服务等，地图边界信息可以是态势感知系统的全区域的边界，也可以是感兴趣区域的地图区域边界。可选地，上述资产打点信息和地图区域边界在图片中均以预设的形态呈现，即打点的颜色或者形状以及地图区域边界线条的颜色或者形态是已知的。通过这些特征，从可视化图片中通过图像处理算法提取出上述资产打点以及地区区域边界，从而能够更加准确地计算出在区域边界内的资产打点数目。

在一个实施例中，根据威胁打点信息以及地图区域边界从所述可视化图片得到分离图片。在本实施例中，选取威胁打点信息和地图区域边界为目标特征，可选地，威胁打点信息还可以细化为攻击类型、攻击源、攻击方式、危害以及处置建议等信息，地图边界信息可以是态势感知系统的全区域的边界，也可以是感兴趣区域的地图区域边界。可选地，上述威胁打点信息和地图区域边界在图片中均以预设的形态呈现，即打点的颜色或者形状以及地图区域边界线条的颜色或者形态是已知的。通过这些特征，从可视化图片中通过图像处理算法提取出上述威胁打点以及地区区域边界，从而能够更加准确地计算出在区域边界内的威胁打点数目。

步骤s120，获取分离图片的经纬度范围，获取元数据中经纬度范围中目标特征点的第二统计值。获取到该分离图片的经纬度范围，可选地，上述经纬度范围可以与抓取到的可视化图片的经纬度范围一致，也可以在进行目标特征的图片分离过程中，将可视化图片分割为若干较小的区域，从而提高准确度分析的精度，例如，在该分离图片对应于态势感知系统页面的全区域的情况下，上述分离图片的经纬度范围可以为全区域范围，也可以将全区域范围等分为六个子区域，此时各个子区域的经纬度范围即为分离图片的经纬度范围。获取元数据中在上述分离图片的经纬度范围内的目标特征点的个数，在元数据中，各个用于打点的资产信息或者威胁信息条目包含了特征内容以及该特征的地理位置，即经度值和纬度值。因此，根据经纬度范围以及目标特征，可以筛选出符合上述分离图片的位置以及特征的条目数量，即目标特征点的第二统计值；

步骤s130，根据第一统计值与第二统计值的差值，确定态势感知页面热点分布准确度。上述第一统计值指示为态势感知页面上的打点数量，第二统计值则指示为应该被打点的数量，计算第一统计值与第二统计值的差值，该差值越小，态势感知页面热点分布的准确度越高。可选地，在对准确度要求较高的情况下，仅当第一统计值与第二统计值的差值为零的情况下，该态势感知页面的热点分布的准确度满足需求。

步骤s110至步骤s130中，通过抓取可视化图片，根据目标特征从可视化图片得到分离图片，获取分离图片中目标特征点的第一统计值；获取分离图片的经纬度范围，获取元数据中经纬度范围中目标特征点的第二统计值；根据第一统计值与第二统计值的差值确定态势感知页面热点分布准确度，实现了高效、准确地获取态势感知页面的热点分布准确性的方法。

在一个实施例中，图2是根据本发明一个实施例中根据颜色特征分析态势感知页面热点分布准确性的方法的流程图，如图2所示，根据目标特征从可视化图片得到分离图片，获取分离图片中目标特征点的第一统计值包括以下步骤：

步骤s210，获取可视化图片中目标特征的颜色特征；

步骤s220，根据颜色特征提取目标特征点，获取目标特征点的第一统计值。

在步骤s210至步骤s220中，通过目标特征的颜色特征进行图片分离。通常，在事态感知系统中，采用不同的颜色来区分不同类别的打点，即同一类型的打点颜色相同。利用这一特点，可以根据颜色特征对可视化图片进行图片分离，例如，根据打点颜色的设置，可以得知资产打点的点均为绿色，并且能够获取到该绿色的详细色号或者rgb值，在对可视化图像进行图像处理的情况下，提取可视化图像中各个点的颜色参数，根据该参数即可判断该点是否为资产打点，若是则计入第一统计值。本实施例通过目标特征的颜色特征进行数量统计，可以进一步提高图片中的目标特征统计的准确性。

在一个实施例中，获取可视化图片中目标特征的颜色特征，根据颜色特征提取目标特征点包括以下步骤：获取可视化图片的三维矩阵以及目标特征的颜色特征；根据三维矩阵的颜色特征提取目标特征点。优选地，通过opencv打开可视化图片，得到图片的三维矩阵，该三维矩阵即可反映图片中的点的颜色特征，再通过对矩阵列表中反映颜色特征的值进行提取和统计，即可实现分类统计可视化图片中的各类目标特征的打点数目。本实施例中提供了通过图片的三维矩阵信息以及三维矩阵中反映打点颜色的值进行打点分类和数目统计，进一步提高了目标特征点的统计效率和准确性。

在一个实施例中，通过以下步骤抓取可视化图片：获取态势感知系统页面的全区域，将全区域分割为子区域；抓取子区域的可视化图片。在本实施例中，在抓取可视化图片的过程中，将态势感知系统页面的全区域分割为子区域并且抓取各个子区域的可视化图片。本实施例通过减小态势感知系统可视化图片的抓取粒度，可以进一步提高页面热点分布统计的精确度。

在一个实施例中，图3是根据本发明一个实施例中态势感知页面热点分布偏差统计的方法的流程图，如图3所示，获取元数据中经纬度范围中目标特征点的第二统计值之后，有以下步骤：

步骤s310，在第一统计值与第二统计值的差值大于预设阈值的情况下，检查元数据中目标特征点的经纬度，获取错误条目。在第一统计值与第二统计值的差值大于预设阈值的情况下，指示态势感知页面热点分布准确性较差，因此，采用循环元数据池中的需打点条目的经纬度，查看该条目是否属于当前图像区域的经纬度范围，从而获取错误的元数据条目。可选地，对错误条目执行再次打点，以提高最终的态势感知页面热点分布准确性。

图4是根据本发明一个优选实施例中的基于图片分析态势感知页面热点分布准确性的方法的流程图，如图4所示，优选地，基于图片分析态势感知页面热点分布准确性的方法包括以下步骤：

步骤s410，图片抓取。从态势感知系统可视化屏幕抓取图片源，可选地，包括步骤s412，根据区域位置进行抓取，大屏可选择区域，这边直接分区域屏幕抓取，后面验证时可循环验证。抓取方法可采用selenium自动化控件进行屏幕定位，抓屏截图操作；

步骤s420，图片分析。图片分析步骤包括：步骤s422，目标分类。在本实施例中选取三类信息：资产打点信息、威胁打点信息和地图区域边界；步骤s424，特征点提取。可通过三类信息图像颜色不一至，设置成不同特征值用于图像分离；步骤s426，特征点统计。根据分离下来的地图区域位置得到经纬度范围，统计图像区域内的打点信息的特征点值；

步骤s430，统计值校验。步骤s432，元数据池分类。数据池中资产类数据和威胁类数据根据他们自身带的经纬度信息很容易得到不同区域的打点数据池；步骤s434，对比图片中的特征点值与元数据池中的数据值。将图片分析得到得统计值与数据池中资产数据池按经纬度区域分类得到得统计值做比对；步骤s436，在比对结果相同的情况下，结束流程；步骤s438，在比对结果不同的情况下，进行偏差定位。循环元数据池中的需打点的经纬度是否属于图像区域，以判断出错的位置。

图5是根据本发明一个优选实施例中基于图片分析态势感知页面热点分布准确性中图片分析的流程图。如图5所示，图片分析包括以下步骤：

步骤s510，图片抓取。对态势感知系统可视化屏幕图像抓取后统一保存为jpg格式的图像，存放在固定的图片路径下，用于后续图片分析；

步骤s520，获取图片三维矩阵。用python+opencv打开图像，得到三维矩阵，三维矩阵中如果打点采用同一色调，颜色参数是相同的，这样我们就可以根据颜色参数进行分类，同一类屏幕打点信息都是由同类相同颜色的点，便于提取特征点；

步骤s530，根据颜色参数进行矩阵分类。可选地，用nump对三维矩阵中的图像特征值做数据处理，根据颜色参数进行矩阵分类，得到分离后的图片；

步骤s540，统计矩阵列表中的特征点数量。

上述基于图片分析态势感知页面热点分布准确性的方法和图像分析方法，运用图像识别分析技术在测试地图类位置准确性的应用，将图像转为矩阵数据后，通过分类颜色作为特征值统计，得到测试数集测试地图上打点位置更为准确，图像转换三维矩阵后提取特征值，来统计测试数集的方法能提高测试效率。

应该理解的是，虽然图2至图5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2至图5中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，图6是根据本发明一个实施例中一种基于图片分析态势感知页面热点分布准确性的装置的示意图，如图6所示，提供了一种基于图片分析态势感知页面热点分布准确性的装置，包括图片模块62、元数据模块64和比对模块66：

图片模块62用于抓取可视化图片，根据目标特征从可视化图片得到分离图片，获取分离图片中目标特征点的第一统计值；

元数据模块64用于获取分离图片的经纬度范围，获取元数据中经纬度范围中目标特征点的第二统计值；

比对模块66用于根据第一统计值与所述第二统计值的差值，判断态势感知页面热点分布准确度。

关于基于图片分析态势感知页面热点分布准确性的装置置的具体限定可以参见上文中对于基于图片分析态势感知页面热点分布准确性的方法的限定，在此不再赘述。上述基于图片分析态势感知页面热点分布准确性的装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，图7是根据本发明一个实施例中基于图片分析态势感知页面热点分布准确性的计算机设备的示意图，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储基于图片分析态势感知页面热点分布准确性的图片以及统计数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于图片分析态势感知页面热点分布准确性的方法。

本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述基于图片分析态势感知页面热点分布准确性的方法。

上述基于图片分析态势感知页面热点分布准确性的计算机设备，通过抓取可视化图片，根据目标特征从可视化图片得到分离图片，获取分离图片中目标特征点的第一统计值；获取分离图片的经纬度范围，获取元数据中经纬度范围中目标特征点的第二统计值；根据第一统计值与第二统计值的差值确定态势感知页面热点分布准确度，实现了高效、准确地获取态势感知页面的热点分布准确性的方法。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述基于图片分析态势感知页面热点分布准确性的方法。

上述基于图片分析态势感知页面热点分布准确性的计算机可读存储介质，通过抓取可视化图片，根据目标特征从可视化图片得到分离图片，获取分离图片中目标特征点的第一统计值；获取分离图片的经纬度范围，获取元数据中经纬度范围中目标特征点的第二统计值；根据第一统计值与第二统计值的差值确定态势感知页面热点分布准确度，实现了高效、准确地获取态势感知页面的热点分布准确性的方法。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。