(12)发明专利申请
(10)申请公布号 CN 112688852 A(43)申请公布日 2021.04.20
(21)申请号 201910994410.5(22)申请日 2019.10.18
(71)申请人 上海越力信息科技有限公司
地址 201715 上海市青浦区练塘镇章练塘
路588弄15号1幢2层C区270室(72)发明人 汤国庆 朱颍
(74)专利代理机构 上海宏京知识产权代理事务
所(普通合伙) 31297
代理人 冯华(51)Int.Cl.
H04L 12/58(2006.01)H04L 29/06(2006.01)G06F 16/35(2019.01)G06K 9/62(2006.01)
权利要求书2页 说明书6页 附图1页
CN 112688852 A(54)发明名称
一种基于深度学习的电子邮件管理系统及方法
(57)摘要
本发明公开了一种基于深度学习的电子邮件管理系统及方法，涉及计算机技术领域。所述系统包括：非即时连接远程服务的深度学习过滤网关及即时连接远程服务的过滤客户终端，用于
所根据预设的电子邮件过滤策略执行报文过滤，
述深度学习过滤网关还用于接收电子邮件并向所述过滤客户终端下发该电子邮件；还包括电子邮件策略设置单元，用于对不同用户分别设置电子邮件过滤策略，并下发给所述深度学习过滤网关和过滤客户终端；其中，所述电子邮件过滤策略包括：对于信任类用户，设置深度学习过滤网关执行电子邮件过滤；对于非信任类用户中准确阈值为低的用户，设置深度学习过滤网关或过滤客户终端执行电子邮件过滤。满足不同层次用户的需要；提高了电子邮件过滤的可靠性。
CN 112688852 A
权 利 要 求 书
1/2页
1.一种基于深度学习的电子邮件管理系统，其特征在于，所述系统包括：非即时连接远程服务的深度学习过滤网关及即时连接远程服务的过滤客户终端，用于根据预设的电子邮件过滤策略执行报文过滤，所述深度学习过滤网关还用于接收电子邮件并向所述过滤客户终端下发该电子邮件；还包括电子邮件策略设置单元，用于对不同用户分别设置电子邮件过滤策略，并下发给所述深度学习过滤网关和过滤客户终端；其中，所述电子邮件过滤策略包括：对于信任类用户，设置深度学习过滤网关执行电子邮件过滤；对于非信任类用户中准确阈值为低的用户，设置深度学习过滤网关或过滤客户终端执行电子邮件过滤；对于非信任类用户中准确阈值为高的用户，设置过滤客户终端执行电子邮件过滤；所述执行电子邮件过滤包括：所述深度学习过滤网关接收到电子邮件后，查找所述电子邮件接收用户的电子邮件过滤策略是否为深度学习过滤网关执行电子邮件过滤，是则所述深度学习过滤网关执行电子邮件过滤操作，之后发送给过滤客户终端；否则直接发送给过滤客户终端；所述过滤客户终端接收到电子邮件后，查找所述电子邮件接收用户的电子邮件过滤策略是否为过滤客户终端执行电子邮件过滤，是则所述过滤客户终端执行电子邮件过滤操作；否则不进行处理。
2.如权利要求1所述的基于深度学习的电子邮件管理系统，其特征在于，所述深度学习过滤网关设于内网出口，所述过滤客户终端设于内网非信任类用户终端中，所述深度学习过滤网关与所述过滤客户终端通过内网连接。
3.如权利要求1所述的基于深度学习的电子邮件管理系统，其特征在于，所述深度学习过滤网关设于内网出口，所述过滤客户终端设于内网全部终端中，所述深度学习过滤网关与所述过滤客户终端通过内网连接；所述过滤客户终端包括激活单元，用于根据电子邮件过滤策略激活或者眠当前过滤客户终端。
4.如权利要求1所述的基于深度学习的电子邮件管理系统，其特征在于，所述深度学习过滤网关包括：训练模块，用于对电子邮件样本进行处理生成第一向量空间模型，构建深度置信网络；测试模块，用于对测试电子邮件进行处理生成第二向量空间模型；检测模块，用于利用所构建的深度置信网络检测第二向量空间模型；输出模块，用于输出检测结果。
5.如权利要求4所述的基于深度学习的电子邮件管理系统，其特征在于，所述训练模块具体包括：训练子模块，用于训练电子邮件样本；预处理子模块，用于对训练后的电子邮件样本进行预处理，确定垃圾电子邮件的特征并构造特征集；模型构造子模块，用于根据所构造的特征集生成第一向量空间模型；DBN构建子模块，用于根据所生成第一向量空间模型构建深度置信网络。
6.一种基于深度学习的电子邮件管理方法，其特征在于，所述方法包括以下步骤：当接收到电子邮件时，根据预先对不同用户分别设置的电子邮件过滤策略，深度学习过滤网关或者过滤客户终端执行电子邮件过滤；
其中，对不同用户分别设置电子邮件过滤策略，包括：对于信任类用户，设置深度学习过滤网关执行电子邮件过滤；对于非信任类用户中准确度阈值为低的用户，设置深度学习过滤网关或过滤客户终端执行电子邮件过滤；对于非信任类用户中准确度阈值为高的用户，设置过滤客户终端执行电子邮件过滤；
所述深度学习过滤网关或者过滤客户终端执行电子邮件过滤包括：
2
CN 112688852 A
权 利 要 求 书
2/2页
所述深度学习过滤网关接收到电子邮件后，查找所述电子邮件接收用户的电子邮件过滤策略是否为深度学习过滤网关执行电子邮件过滤，是则所述深度学习过滤网关执行电子邮件过滤操作，之后发送给过滤客户终端；否则直接发送给过滤客户终端；所述过滤客户终端接收到电子邮件后，查找所述电子邮件接收用户的电子邮件过滤策略是否为过滤客户终端执行电子邮件过滤，是则所述过滤客户终端执行电子邮件过滤操作；否则不进行处理。
7.如权利要求6所述的基于深度学习的电子邮件管理方法，其特征在于，所述方法还包括：将第一链表中所述用户的电子邮件过滤标识置位为启动，将第二链表中所述用户的电子邮件过滤标志置位为禁止；设置过滤客户终端执行电子邮件过滤具体为：将第一链表中所述用户的电子邮件过滤标识置位为禁止，将第二链表中所述用户的电子邮件过滤标志置位为启动；设置完成之后还包括：将所述第一链表下发给所述深度学习过滤网关，将所述第二链表下发给所述过滤客户终端；所述第一链表和第二链表用于存储电子邮件过滤策略，包括用户信息和电子邮件过滤标识。
3
CN 112688852 A
说 明 书
一种基于深度学习的电子邮件管理系统及方法
1/6页
技术领域
[0001]本发明涉及涉及计算机技术领域，特别是涉及一种基于深度学习的电子邮件管理系统及方法。
背景技术
[0002]随着intemet用户的迅速增加，收发电子邮件已成为用户进行交流联系的主要手段。由于无需事前征求用户同意就可以在短时间内发送大量电子邮件给一个或者多个用户，因此电子邮件为广告宣传提供了成本低廉、传播面广的传播平台；正是由于这种非法利益的驱使，近年来垃圾电子邮件快速增长，所以迫切需要一个有效的方式来阻挡垃圾电子邮件。
[0003]目前，对垃圾电子邮件进行过滤的技术手段主要有电子邮件过滤网关和电子邮件过滤客户终端。[0004]其中，电子邮件过滤网关可以通过不同的技术加以实现，有的使用静态黑名单和静态白名单技术，有的使用即时黑名单技术，有的使用分布协作的内容指纹分析；实现技术不同的反垃圾电子邮件网关，价格不同，反垃圾电子邮件的效果也不同。对于采用较为简单技术(例如静态黑白名单)的电子邮件过滤网关，价格便宜，但是由于无法根据实际情况调整设置，因此对垃圾电子邮件的判断率不高。对于采用即时黑名单和分布协作内容指纹分析的电子邮件过滤网关，价格昂贵；并且由于需要即时连接到远程服务器，因此存在保密性差的问题，无法适用于信息保密要求高的用户，尤其是大型企业一般会部署不需要即时连接远程服务器的电子邮件过滤网关；同时，如果远程服务器出现故障或者连接远程服务器的线路出现故障，则该电子邮件过滤网关也无法正常工作。可以看出，单纯的电子邮件过滤网关，不能区别处理不同电子邮件用户对于准确率、信任性、可靠性和价格等的不同要求。[0005]对于电子邮件过滤客户终端来说，由于广泛采用分布协作内容指纹分析方式，以达到准确过滤，因此导致反垃圾电子邮件的特征库较大，不适合下载到本地。所以电子邮件过滤客户终端必须与远程服务器连接，信任性存在问题；而且客户终端的使用需要付费，如果在一个企业大量部署，存在费用较高的问题；同时，如果远程服务器出现故障，或者连接远程服务器的线路出现故障，该客户终端同样不能正常工作，同样存在可靠性问题。因此，单纯的电子邮件过滤客户终端本身在信任性、可靠性和价格方面存在缺陷。发明内容
[0006]为了解决电子邮件监控过程中智能化不够和信任性不高的问题，本发明的目的是提供一种基于深度学习的电子邮件管理系统及方法。[0007]为了实现上述目的，本发明采用如下技术方案：[0008]一种基于深度学习的电子邮件管理系统，所述系统包括：非即时连接远程服务的深度学习过滤网关及即时连接远程服务的过滤客户终端，用于根据预设的电子邮件过滤策略执行报文过滤，所述深度学习过滤网关还用于接收电子邮件并向所述过滤客户终端下发
4
CN 112688852 A
说 明 书
2/6页
该电子邮件；还包括电子邮件策略设置单元，用于对不同用户分别设置电子邮件过滤策略，并下发给所述深度学习过滤网关和过滤客户终端；其中，所述电子邮件过滤策略包括：对于信任类用户，设置深度学习过滤网关执行电子邮件过滤；对于非信任类用户中准确阈值为低的用户，设置深度学习过滤网关或过滤客户终端执行电子邮件过滤；对于非信任类用户中准确阈值为高的用户，设置过滤客户终端执行电子邮件过滤；所述执行电子邮件过滤包括：所述深度学习过滤网关接收到电子邮件后，查找所述电子邮件接收用户的电子邮件过滤策略是否为深度学习过滤网关执行电子邮件过滤，是则所述深度学习过滤网关执行电子邮件过滤操作，之后发送给过滤客户终端；否则直接发送给过滤客户终端；所述过滤客户终端接收到电子邮件后，查找所述电子邮件接收用户的电子邮件过滤策略是否为过滤客户终端执行电子邮件过滤，是则所述过滤客户终端执行电子邮件过滤操作；否则不进行处理。[0009]进一步的，所述深度学习过滤网关设于内网出口，所述过滤客户终端设于内网非信任类用户终端中，所述深度学习过滤网关与所述过滤客户终端通过内网连接。[0010]进一步的，所述深度学习过滤网关设于内网出口，所述过滤客户终端设于内网全部终端中，所述深度学习过滤网关与所述过滤客户终端通过内网连接；所述过滤客户终端包括激活单元，用于根据电子邮件过滤策略激活或者眠当前过滤客户终端。[0011]进一步的，所述深度学习过滤网关包括：训练模块，用于对电子邮件样本进行处理生成第一向量空间模型，构建深度置信网络；测试模块，用于对测试电子邮件进行处理生成第二向量空间模型；检测模块，用于利用所构建的深度置信网络检测第二向量空间模型；输出模块，用于输出检测结果。[0012]进一步的，所述训练模块具体包括：训练子模块，用于训练电子邮件样本；预处理子模块，用于对训练后的电子邮件样本进行预处理，确定垃圾电子邮件的特征并构造特征集；模型构造子模块，用于根据所构造的特征集生成第一向量空间模型；DBN构建子模块，用于根据所生成第一向量空间模型构建深度置信网络。[0013]一种基于深度学习的电子邮件管理方法，所述方法包括以下步骤：[0014]当接收到电子邮件时，根据预先对不同用户分别设置的电子邮件过滤策略，深度学习过滤网关或者过滤客户终端执行电子邮件过滤；[0015]其中，对不同用户分别设置电子邮件过滤策略，包括：[0016]对于信任类用户，设置深度学习过滤网关执行电子邮件过滤；[0017]对于非信任类用户中准确度阈值为低的用户，设置深度学习过滤网关或过滤客户终端执行电子邮件过滤；对于非信任类用户中准确度阈值为高的用户，设置过滤客户终端执行电子邮件过滤；
[0018]所述深度学习过滤网关或者过滤客户终端执行电子邮件过滤包括：[0019]所述深度学习过滤网关接收到电子邮件后，查找所述电子邮件接收用户的电子邮件过滤策略是否为深度学习过滤网关执行电子邮件过滤，是则所述深度学习过滤网关执行电子邮件过滤操作，之后发送给过滤客户终端；否则直接发送给过滤客户终端；所述过滤客户终端接收到电子邮件后，查找所述电子邮件接收用户的电子邮件过滤策略是否为过滤客户终端执行电子邮件过滤，是则所述过滤客户终端执行电子邮件过滤操作；否则不进行处理。
[0020]进一步的，所述方法还包括：将第一链表中所述用户的电子邮件过滤标识置位为
5
CN 112688852 A
说 明 书
3/6页
启动，将第二链表中所述用户的电子邮件过滤标志置位为禁止；设置过滤客户终端执行电子邮件过滤具体为：将第一链表中所述用户的电子邮件过滤标识置位为禁止，将第二链表中所述用户的电子邮件过滤标志置位为启动；设置完成之后还包括：将所述第一链表下发给所述深度学习过滤网关，将所述第二链表下发给所述过滤客户终端；所述第一链表和第二链表用于存储电子邮件过滤策略，包括用户信息和电子邮件过滤标识。[0021]与现有技术相比，本发明实现的有益效果：满足不同层次用户的需要；提高了电子邮件过滤的可靠性。
附图说明
[0022]以下结合附图和具体实施方式来进一步详细说明本发明：
[0023]图1为本发明实施例1公开的基于深度学习的电子邮件管理系统的系统结构示意图。
具体实施方式
[0024]以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效。[0025]请参阅图1。须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。[0026]一种基于深度学习的电子邮件管理系统，所述系统包括：非即时连接远程服务的深度学习过滤网关及即时连接远程服务的过滤客户终端，用于根据预设的电子邮件过滤策略执行报文过滤，所述深度学习过滤网关还用于接收电子邮件并向所述过滤客户终端下发该电子邮件；还包括电子邮件策略设置单元，用于对不同用户分别设置电子邮件过滤策略，并下发给所述深度学习过滤网关和过滤客户终端；其中，所述电子邮件过滤策略包括：对于信任类用户，设置深度学习过滤网关执行电子邮件过滤；对于非信任类用户中准确阈值为低的用户，设置深度学习过滤网关或过滤客户终端执行电子邮件过滤；对于非信任类用户中准确阈值为高的用户，设置过滤客户终端执行电子邮件过滤；所述执行电子邮件过滤包括：所述深度学习过滤网关接收到电子邮件后，查找所述电子邮件接收用户的电子邮件过滤策略是否为深度学习过滤网关执行电子邮件过滤，是则所述深度学习过滤网关执行电子邮件过滤操作，之后发送给过滤客户终端；否则直接发送给过滤客户终端；所述过滤客户终端接收到电子邮件后，查找所述电子邮件接收用户的电子邮件过滤策略是否为过滤客户终端执行电子邮件过滤，是则所述过滤客户终端执行电子邮件过滤操作；否则不进行处理。[0027]SVM作为机器学习里面的经典算法在实际中一直被广泛采用，而且其准确性也是非常之高，特别是在引入了核函数之后对识别性能变得非常高。[0028]说明：本文不打算就SVM原理就深入分析，虽然对其原理略懂一二，但是对于SMO算
6
CN 112688852 A
说 明 书
4/6页
法的理解确实比较浅，所以也不打算班门弄斧，略微介绍，本文重点在于SVM的应用，也就是对垃圾邮件的文本分类。[0029]一，SVM原理象征性简述：[0030]SVM主要应用是分类操作，以二元线性分类为例，主要思想是根据特征向量的超空间创建一条超平面分隔线，当然在加入核函数后，可以把非线性分类映射到高维空间使之成为线性分类，而在求参数的过程中会使用SMO算法选取参数，会有不错的性能。[0031]二，SVM对垃圾邮件的分类：
[0032]这篇文章中的SVM的python实现代码参考自《MachineLearninginAction》一书，其训练数据来自该书的朴素贝叶斯分类一章，朴素贝叶斯也是一种比较简单而实用的分类方法，这里是使用了那一章的邮件数据[0033]在上一实施例的基础上，所述深度学习过滤网关设于内网出口，所述过滤客户终端设于内网非信任类用户终端中，所述深度学习过滤网关与所述过滤客户终端通过内网连接。
[0034]在上一实施例的基础上，所述深度学习过滤网关设于内网出口，所述过滤客户终端设于内网全部终端中，所述深度学习过滤网关与所述过滤客户终端通过内网连接；所述过滤客户终端包括激活单元，用于根据电子邮件过滤策略激活或者眠当前过滤客户终端。[0035]在上一实施例的基础上，所述深度学习过滤网关包括：训练模块，用于对电子邮件样本进行处理生成第一向量空间模型，构建深度置信网络；测试模块，用于对测试电子邮件进行处理生成第二向量空间模型；检测模块，用于利用所构建的深度置信网络检测第二向量空间模型；输出模块，用于输出检测结果。[0036]在上一实施例的基础上，所述训练模块具体包括：训练子模块，用于训练电子邮件样本；预处理子模块，用于对训练后的电子邮件样本进行预处理，确定垃圾电子邮件的特征并构造特征集；模型构造子模块，用于根据所构造的特征集生成第一向量空间模型；DBN构建子模块，用于根据所生成第一向量空间模型构建深度置信网络。[0037]一种基于深度学习的电子邮件管理方法，所述方法包括以下步骤：[0038]当接收到电子邮件时，根据预先对不同用户分别设置的电子邮件过滤策略，深度学习过滤网关或者过滤客户终端执行电子邮件过滤；[0039]其中，对不同用户分别设置电子邮件过滤策略，包括：[0040]对于信任类用户，设置深度学习过滤网关执行电子邮件过滤；[0041]对于非信任类用户中准确度阈值为低的用户，设置深度学习过滤网关或过滤客户终端执行电子邮件过滤；对于非信任类用户中准确度阈值为高的用户，设置过滤客户终端执行电子邮件过滤；
[0042]所述深度学习过滤网关或者过滤客户终端执行电子邮件过滤包括：[0043]所述深度学习过滤网关接收到电子邮件后，查找所述电子邮件接收用户的电子邮件过滤策略是否为深度学习过滤网关执行电子邮件过滤，是则所述深度学习过滤网关执行电子邮件过滤操作，之后发送给过滤客户终端；否则直接发送给过滤客户终端；所述过滤客户终端接收到电子邮件后，查找所述电子邮件接收用户的电子邮件过滤策略是否为过滤客户终端执行电子邮件过滤，是则所述过滤客户终端执行电子邮件过滤操作；否则不进行处理。
7
CN 112688852 A[0044]
说 明 书
5/6页
提取训练邮件数据的特征向量
[0045]由于邮件的内容很多，因此找出其主要的分类关键词尤为关键，在找出关键词后就可以用这些关键词对邮件进行特征标记，也就是如果关键词在这篇文章中标记为1不出现则标记为0
[0046]其中每一个邮件类别中的关键词的选取方法有很多，我决定采用TF-IDF方法选取关键词，在计算IDF的时候，考虑到我们是对整个类邮件进行分类，因此就没有采用IDF的传统计算方法，而是计算这词语在整个类邮件中的邮件占比，也就是出现该词语的文档数量除以文档总数量。
[0047]得到关键词后我们就可以对每个邮件进行特征向量标记了，每个邮件由100个特征值标记，也就是对每个上文提出的关键词，如果这个邮件存在这个词语就标记为1，如果不存在，那么这个词语就标记为0，
[0048]这样就可以得出了每个邮件的特征向量值了[0049]将得到的特征值使用SVM训练，本文的SVM代码实现基本是基于李航的《统计学习方法》一书，因为本文不是来叙述原理的，所以也略过不表，在这个例子中使用了rbf作为核函数
[0050]得到训练模型后就可以使用交叉验证方法验证数据的正确性了，具体的说，就是使用50个训练数据中的40个邮件的特征向量训练数据，使用剩下的10个邮件的特征向量作为测试向量
[0051]在上一实施例的基础上，所述方法还包括：将第一链表中所述用户的电子邮件过滤标识置位为启动，将第二链表中所述用户的电子邮件过滤标志置位为禁止；设置过滤客户终端执行电子邮件过滤具体为：将第一链表中所述用户的电子邮件过滤标识置位为禁止，将第二链表中所述用户的电子邮件过滤标志置位为启动；设置完成之后还包括：将所述第一链表下发给所述深度学习过滤网关，将所述第二链表下发给所述过滤客户终端；所述第一链表和第二链表用于存储电子邮件过滤策略，包括用户信息和电子邮件过滤标识。[0052]所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统的具体工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。[0053]需要说明的是，上述实施例提供的系统，仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块来完成，即将本发明实施例中的模块或者步骤再分解或者组合，例如，上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块，以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称，仅仅是为了区分各个模块或者步骤，不视为对本发明的不当限定。
[0054]所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的存储装置、处理装置的具体工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0055]本领域技术人员应该能够意识到，结合本文中所公开的实施例描述的各示例的模块、方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，软件模块、方法步骤对应的程序可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD～ROM、或技术领域内所公知的任意其它形式的存储介
8
CN 112688852 A
说 明 书
6/6页
质中。为了清楚地说明电子硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。[0056]术语“第一”、“第二”等是用于区别类似的对象，而不是用于描述或表示特定的顺序或先后次序。[0057]术语“包括”或者任何其它类似用语旨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、物品或者设备/装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、方法、物品或者设备/装置所固有的要素。[0058]至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。[0059]以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。[0060]上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
9
CN 112688852 A
说 明 书 附 图
1/1页
图1
10
因篇幅问题不能全部显示，请点此查看更多更全内容