应用于大数据的风险识别方法及存储介质与流程

应用于大数据的风险识别方法及存储介质
1.本技术是申请号为“2021115627858”、申请日为“20211220”、申请名称为“一种针对智慧医疗服务的大数据风险识别方法及存储介质”的分案申请。
技术领域
2.本技术实施例涉及大数据技术领域，具体涉及一种应用于大数据的风险识别方法及存储介质。

背景技术：

3.智慧化医疗（智慧医疗）是由医用智能化楼宇、数字化医疗设备、医院信息系统等所组成的现代医院运行体系。在当前新一轮的医院变革历程中，数字化升级已被明确定位为变革的重要环节。智慧医疗能够显著改进就医环境、优化流程、提高效率、降低成本以及整合资源，从而提升患者满意度，并促使医疗服务向现代化服务型医院转变。
4.现目前，虽然智慧医疗+大数据的模式能够进一步提高医疗服务的智能化程度和便捷程度，但由此引发的医疗大数据的安全风险问题却不容忽视。某些地区出现的医疗大数据风险所导致的患者信息泄露和医疗设备病毒入侵已造成了相当严重的后果。因此，针对智慧医疗开展风险防护处理是非常有必要的。

技术实现要素：

5.有鉴于此，本技术实施例提供了一种应用于大数据的风险识别方法及存储介质。
6.本技术实施例提供了一种应用于大数据的风险识别方法，应用于大数据风险识别系统，所述方法至少包括：确定匹配于待进行风险操作行为识别的智慧医疗服务会话的多个显著性评价的第一异常互动行为描述，其中，各第一异常互动行为描述的显著性评价存在数值层面的差异；结合第一预设行为描述处理模型对各所述第一异常互动行为描述进行第一描述优化操作得到与各所述第一异常互动行为描述唯一匹配的第二异常互动行为描述，其中，所述第二异常互动行为描述与其唯一匹配的所述第一异常互动行为描述的显著性评价一致；以及结合第二预设行为描述处理模型对各所述第二异常互动行为描述进行第二描述优化操作得到与各所述第二异常互动行为描述唯一匹配的第三异常互动行为描述，其中，所述第三异常互动行为描述与其唯一匹配的所述第二异常互动行为描述的显著性评价一致；对各所述第三异常互动行为描述进行行为描述全局整理，并结合行为描述全局整理后的异常互动行为描述确定所述待进行风险操作行为识别的智慧医疗服务会话中的各风险操作行为事件的分布情况；其中，所述方法还包括结合样本服务会话簇调试所述第二预设行为描述处理模型；其中，所述结合样本服务会话簇调试所述第二预设行为描述处理模型，包括：结合第二预设行为描述处理模型对所述第一预设行为描述处理模型生成的针对样本服务会话簇中各样本服务会话对应的第二异常互动行为描述进行所述第二描述优化操作，得到所述样本服务会话簇中各样本服务会话对应的第三异常互动行为描述；结合各第三异常互动行为描
述确定定位的风险操作行为事件；通过第二模型量化评估指标得到定位的各风险操作行为事件的第二定位偏差；结合所述第二定位偏差迭代改进所述第二预设行为描述处理模型中行为描述挖掘单元，直到调试累计值大于等于预设的第二累计值判定值；或者，结合所述第二定位偏差迭代改进所述第一预设行为描述处理模型中的行为描述挖掘单元以及第二预设行为描述处理模型中的行为描述挖掘单元，直到调试累计值大于等于预设的第二累计值判定值。
7.在一些可独立实施的设计思路下，所述确定匹配于待进行风险操作行为识别的智慧医疗服务会话的多个显著性评价的第一异常互动行为描述包括：将所述待进行风险操作行为识别的智慧医疗服务会话转换为设定模式的第一智慧医疗服务会话；将所述第一智慧医疗服务会话加载到预设梯度关注模型，对第一智慧医疗服务会话实施不同压缩条件的描述压缩操作得到多个不同显著性评价的第一异常互动行为描述。
8.在一些可独立实施的设计思路下，所述第一描述优化操作包括第一显著描述挖掘操作和第一描述扩展操作，所述第二描述优化操作包括第二显著描述挖掘操作和第二描述扩展操作。
9.在一些可独立实施的设计思路下，所述结合第一预设行为描述处理模型对各所述第一异常互动行为描述进行第一描述优化操作得到与各所述第一异常互动行为描述唯一匹配的第二异常互动行为描述，包括：结合第一行为描述挖掘单元对第一异常互动行为描述vi中的第一异常互动行为描述vx进行显著描述挖掘操作，确定与第一异常互动行为描述vx对应的第二异常互动行为描述ux，其中，x用于表征第一异常互动行为描述的数目，以及x为大于1的整数；对所述第二异常互动行为描述ux启用描述扩展操作确定与第二异常互动行为描述ux对应的第一过渡异常互动行为描述tx，其中第一过渡异常互动行为描述tx的显著性评价与第一异常互动行为描述vx-1的显著性评价一致；结合第二行为描述挖掘单元对第一异常互动行为描述vx之外的各第一异常互动行为描述vp进行显著描述挖掘操作，得到分别与剩余的各所述第一异常互动行为描述唯一匹配的第二过渡异常互动行为描述wp；其中：所述第二过渡异常互动行为描述的显著性评价与和其唯一匹配的第一异常互动行为描述的显著性评价一致；依据所述第二异常互动行为描述ux以及各所述第二过渡异常互动行为描述wp，得到第二异常互动行为描述up以及第一过渡异常互动行为描述tp；其中：所述第二异常互动行为描述ui由所述第二过渡异常互动行为描述ti与所述第一过渡异常互动行为描述tq进行拼接操作所得，第一过渡异常互动行为描述ti由对应的第二异常互动行为描述ui通过上采样所得，并且，所述第二过渡异常互动行为描述ti与第一过渡异常互动行为描述tq的显著性评价一致，其中，i为不小于1且小于x的整数，且p=i-1，q=i+1。
10.在一些可独立实施的设计思路下，结合第二预设行为描述处理模型对各所述第二异常互动行为描述进行第二描述优化操作得到与各所述第二异常互动行为描述唯一匹配的第三异常互动行为描述，包括：结合第三行为描述挖掘单元对第二异常互动行为描述uj中的第二异常互动行为描述u1进行显著描述挖掘操作，确定与第二异常互动行为描述u1对应的第三异常互动行为描述g1，其中y表示第二异常互动行为描述的数目，以及y为大于1的整数；结合第四行为描述挖掘单元对第二异常互动行为描述us进行显著描述挖掘操作，分别得到对应的第三过渡异常互动行为描述lj，其中，第三过渡异常互动行为描述的显著性评价与对应的第二异常互动行为描述的显著性评价一致；结合第五行为描述挖掘单元对第
三异常互动行为描述g1进行显著描述挖掘操作得到与第三异常互动行为描述g1对应的第四过渡异常互动行为描述b1；结合各第三过渡异常互动行为描述lj以及第四过渡异常互动行为描述b1，得到第三异常互动行为描述gs以及第四过渡异常互动行为描述hs，其中，第三异常互动行为描述gj由第三过渡异常互动行为描述lj与第四过渡异常互动行为描述hz的拼接操作所得，第四过渡异常互动行为描述hz由对应的第三异常互动行为描述gz通过第五行为描述挖掘单元显著描述挖掘操作确定，其中j为大于1且小于或者等于y，s大于等于2且小于y，z=j-1。
11.在一些可独立实施的设计思路下，所述对各所述第三异常互动行为描述进行行为描述全局整理，并结合行为描述全局整理后的异常互动行为描述确定所述待进行风险操作行为识别的智慧医疗服务会话中的各风险操作行为事件的分布情况，包括：对各第三异常互动行为描述进行行为描述全局整理，得到第四异常互动行为描述：依据所述第四异常互动行为描述确定所述待进行风险操作行为识别的智慧医疗服务会话中各风险操作行为事件的分布情况。
12.在一些可独立实施的设计思路下，所述对各第三异常互动行为描述进行行为描述全局整理，得到第四异常互动行为描述，包括：结合压缩操作，将各第三异常互动行为描述转换为显著性评价一致的异常互动行为描述；对所述显著性评价一致的异常互动行为描述进行组合得到所述第四异常互动行为描述。
13.在一些可独立实施的设计思路下，在所述对各第三异常互动行为描述进行行为描述全局整理，得到第四异常互动行为描述之前，还包括：将第一组第三异常互动行为描述分别加载到不同的描述处理子模型中进行显著描述挖掘操作，分别得到处理后的第三异常互动行为描述，各所述描述处理子模型中包括不同数目的行为描述挖掘节点，其中，所述第三异常互动行为描述包含第一组第三异常互动行为描述和第二组第三异常互动行为描述，所述第一组第三异常互动行为描述和所述第二组第三异常互动行为描述中皆涵盖至少一个第三异常互动行为描述。
14.在一些可独立实施的设计思路下，所述对各第三异常互动行为描述进行行为描述全局整理，得到第四异常互动行为描述，包括：结合压缩操作，将各所述处理后的第三异常互动行为描述以及所述第二组第三异常互动行为描述，转换为显著性评价一致的异常互动行为描述；对所述显著性评价一致的异常互动行为描述进行组合得到所述第四异常互动行为描述。
15.在一些可独立实施的设计思路下，所述依据所述第四异常互动行为描述确定所述待进行风险操作行为识别的智慧医疗服务会话中各风险操作行为事件的分布情况，包括：结合第五行为描述挖掘单元对所述第四异常互动行为描述进行下采样操作；结合下采样操作后的第四异常互动行为描述确定待进行风险操作行为识别的智慧医疗服务会话的风险操作行为事件的分布情况。
16.在一些可独立实施的设计思路下，所述依据所述第四异常互动行为描述确定所述待进行风险操作行为识别的智慧医疗服务会话中各风险操作行为事件的分布情况，包括：结合第五行为描述挖掘单元对所述第四异常互动行为描述进行下采样操作；结合局部聚焦挖掘节点对下采样操作后的第四异常互动行为描述中的行为描述内容进行精简处理，得到精简后的异常互动行为描述；结合精简后的异常互动行为描述确定所述待进行风险操作行
为识别的智慧医疗服务会话的风险操作行为事件的分布情况。
17.在一些可独立实施的设计思路下，所述方法还包括结合样本服务会话簇调试所述第一预设行为描述处理模型；其中，结合样本服务会话簇调试所述第一预设行为描述处理模型包括：结合第一预设行为描述处理模型对所述样本服务会话簇中各样本服务会话对应的第一异常互动行为描述进行所述第一描述优化操作，得到所述样本服务会话簇中各样本服务会话对应的第二异常互动行为描述；结合各第二异常互动行为描述确定定位的风险操作行为事件；通过第一模型量化评估指标得到所述风险操作行为事件的第一定位偏差；结合所述第一定位偏差迭代改进所述第一预设行为描述处理模型中的各行为描述挖掘单元，直到调试累计值大于等于预设的第一累计值判定值。
18.在一些可独立实施的设计思路下，借助视觉描述处理模型启用所述对各所述第三异常互动行为描述进行行为描述全局整理，并且，在借助视觉描述处理模型启用所述对各所述第三异常互动行为描述进行行为描述全局整理之前，所述方法还包括：结合样本服务会话簇调试所述视觉描述处理模型；其中，结合样本服务会话簇调试所述视觉描述处理模型，包括：结合视觉描述处理模型对所述第二预设行为描述处理模型生成的针对样本服务会话簇中各样本服务会话对应的第三异常互动行为描述进行所述行为描述全局整理，并结合行为描述全局整理后的异常互动行为描述识别所述样本服务会话簇中各样本服务会话的风险操作行为事件；通过第三模型量化评估指标得到各风险操作行为事件的第三定位偏差；结合所述第三定位偏差迭代改进所述视觉描述处理模型的变量，直到调试累计值大于等于预设的第三累计值判定值；或者，结合所述第三模型量化评估指标迭代改进所述第一预设行为描述处理模型中的行为描述挖掘单元变量、第二预设行为描述处理模型中的行为描述挖掘单元变量，以及所述视觉描述处理模型的变量，直到调试累计值大于等于预设的第三累计值判定值。
19.本技术实施例还提供了一种大数据风险识别系统，包括处理器、网络模块和存储器；所述处理器和所述存储器通过所述网络模块通信，所述处理器从所述存储器中读取计算机程序并运行，以执行上述的方法。
20.本技术实施例还提供了一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序在运行时实现上述的方法。
21.本技术实施例提出了一种结合两个不同的预设行为描述处理模型来启用风险操作行为事件的异常互动行为描述挖掘，其中不仅结合第一描述优化操作的思路得到多维显著性评价的异常互动行为描述，同时还结合第二描述优化操作进行行为描述全局整理以得到尽可能多的异常互动行为描述，这样可以在一定程度上提高风险操作行为事件的定位准确性，从而实现从智慧医疗服务会话中快速精准定位不同的风险操作行为事件，如此一来，能够及时地为后续的医疗大数据风险防护提供准确可靠的数据基础。
22.在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前申请中的特征可以被实现和获得。
附图说明
23.为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
24.图1为本技术实施例所提供的一种应用于大数据的风险识别方法的流程图。
具体实施方式
25.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本技术的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。
26.因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
27.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
28.本技术实施例中的大数据风险识别系统10可以为具有数据存储、传输、处理功能的服务端，大数据风险识别系统10包括：存储器r11、处理器c12、网络模块w13和应用于大数据的风险识别装置20。
29.存储器r11、处理器c12和网络模块w13之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件互相之间可以通过一条或多条通讯总线或信号线实现电性连接。存储器r11中存储有应用于大数据的风险识别装置20，所述应用于大数据的风险识别装置20包括至少一个可以软件或固件（firmware）的形式储存于所述存储器r11中的软件功能模块，所述处理器c12通过运行存储在存储器r11内的软件程序以及模块，例如本技术实施例中的应用于大数据的风险识别装置20，从而执行各种功能应用以及数据处理，即实现本技术实施例中的应用于大数据的风险识别方法。
30.其中，所述存储器r11可以是，但不限于，随机存取存储器（random access memory，ram），只读存储器（read only memory，rom），可编程只读存储器（programmable read-only memory，prom），可擦除只读存储器（erasable programmable read-only memory，eprom），电可擦除只读存储器（electric erasable programmable read-only memory，eeprom）等。其中，存储器r11用于存储程序，所述处理器c12在接收到执行指令后，执行所述程序。
31.所述处理器c12可能是一种集成电路芯片，具有数据的处理能力。上述的处理器c12可以是通用处理器，包括中央处理器 (central processing unit，cpu)、网络处理器 (network processor，np)等。可以实现或者执行本技术实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
32.网络模块w13用于通过网络建立大数据风险识别系统10与其他通信终端设备之间
的通信连接，实现网络信号及数据的收发操作。上述网络信号可包括无线信号或者有线信号。
33.本技术实施例还提供了一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序在运行时实现上述的方法。
34.图1示出了本技术实施例所提供的一种应用于大数据的风险识别方法的流程图。所述方法有关的流程所定义的方法步骤应用于大数据风险识别系统10，可以由所述处理器c12实现，所述方法包括以下内容所描述的技术方案。
35.step100：确定匹配于待进行风险操作行为识别的智慧医疗服务会话的多个显著性评价的第一异常互动行为描述，各第一异常互动行为描述的显著性评价存在数值层面的差异。
36.本技术实施例采用待进行风险操作行为识别的智慧医疗服务会话的多维显著性评价的异常互动行为描述的行为描述全局整理的思路启用上述风险操作行为事件的异常互动行为描述挖掘。首先可以获取待进行风险操作行为识别的智慧医疗服务会话的多个显著性评价（不同显著性评价对应不同的描述识别度或者描述显著性程度）的第一异常互动行为描述，各第一异常互动行为描述的显著性评价不同，且各显著性评价之间存在数值层面的差异（比如不同显著性评价之间存在比例关系）。本技术实施例可以结合多维显著性评价处理策略（相关机器学习算法）得到待进行风险操作行为识别的智慧医疗服务会话的多个显著性评价的第一异常互动行为描述（比如可以用特征向量的形式进行表达），或者也可以通过能够启用多维显著性评价处理的xeural xetworks（xx）确定待进行风险操作行为识别的智慧医疗服务会话的多个显著性评价的第一异常互动行为描述，本技术不作进一步限制。
37.step200：结合第一预设行为描述处理模型对各所述第一异常互动行为描述进行第一描述优化操作得到与各所述第一异常互动行为描述唯一匹配的第二异常互动行为描述。
38.对于本技术实施例而言，所述第二异常互动行为描述与其唯一匹配的所述第一异常互动行为描述的显著性评价一致。
39.对于本技术实施例而言，第一描述优化操作可以包括第一显著描述挖掘操作（比如卷积操作）以及第一描述扩展操作（比如描述插值操作或者描述上采样操作），通过第一预设行为描述处理模型的第一描述优化操作过程，可以得到与相应的第一异常互动行为描述显著性评价一致的第二异常互动行为描述，各第二异常互动行为描述的进一步包含了待进行风险操作行为识别的智慧医疗服务会话的各异常互动行为描述，并且得到的第二异常互动行为描述与第一异常互动行为描述的数目相同，且第二异常互动行为描述与对应的第一异常互动行为描述的显著性评价一致。
40.例如，本技术实施例得到的第一异常互动行为描述可以为v1、v2、v3和v4，对应的第一描述优化操作后得到的第二异常互动行为描述可以为u1、u2、u3和u4。其中，在第一异常互动行为描述v1至v4的显著性评价关系为v1的显著性评价为v2的显著性评价的2倍，v2的显著性评价为v3的显著性评价的2倍，以及v3的显著性评价为v4的2倍时，得到的第二异常互动行为描述u1至u4中，u1与v1的显著性评价一致，u2与v2的显著性评价一致，u3与v3的显著性评价一致，以及u4与v4的显著性评价一致，并且第二异常互动行为描述u1的显著性
评价为u2的显著性评价的2倍，u2的显著性评价为u3的显著性评价的2倍，以及u3的显著性评价为u4的2倍。上述内容仅仅为第一异常互动行为描述经过第一描述优化操作得到第二异常互动行为描述的其中一个例子，并不是对本技术的技术方案的限制。
41.step300：结合第二预设行为描述处理模型对各第二异常互动行为描述进行第二描述优化操作得到与各所述第二异常互动行为描述唯一匹配的第三异常互动行为描述，所述第二描述优化操作包括第二显著描述挖掘操作。
42.对于本技术实施例而言，所述第三异常互动行为描述与其唯一匹配的所述第二异常互动行为描述的显著性评价一致。
43.对于本技术实施例而言，第二描述优化操作包括第二显著描述挖掘操作以及第二描述扩展操作，通过第二预设行为描述处理模型的第二描述优化操作过程，可以得到与相应的第二异常互动行为描述显著性评价一致的第三异常互动行为描述，且各第三异常互动行为描述相对于第二异常互动行为描述进一步包含了待进行风险操作行为识别的智慧医疗服务会话的异常互动行为描述，并且得到的第三异常互动行为描述与第二异常互动行为描述的数目相同，且第三异常互动行为描述与对应的第二异常互动行为描述的显著性评价一致。例如，本技术实施例得到的第二异常互动行为描述可以为u1、u2、u3和u4，对应的第二描述优化操作后得到的第三异常互动行为描述可以为g1、g2、g3和g4。其中，在第二异常互动行为描述u1、u2、u3和u4的显著性评价关系为u1的显著性评价为u2的显著性评价的2倍，u2的显著性评价为u3的显著性评价的2倍，以及u3的显著性评价为u4的2倍时，得到的第三异常互动行为描述g1至g4中，g1与u1的显著性评价一致，g2与u2的显著性评价一致，g3与u3的显著性评价一致，以及g4与u4的显著性评价一致，并且第三异常互动行为描述g1的显著性评价为g2的显著性评价的2倍，g2的显著性评价为g3的显著性评价的2倍，以及g3的显著性评价为g4的2倍。上述内容仅仅为第二异常互动行为描述经第二描述优化操作得到第三异常互动行为描述的其中一个例子，并不是对本技术的技术方案的限制。
44.step400：对各所述第三异常互动行为描述进行行为描述全局整理，并结合行为描述全局整理后的异常互动行为描述确定所述待进行风险操作行为识别的智慧医疗服务会话中的各风险操作行为事件的分布情况。
45.对于本技术实施例而言，在对各第一异常互动行为描述经第一描述优化操作得到第二异常互动行为描述，以及通过第二异常互动行为描述的第二描述优化操作得到第三异常互动行为描述后，即可以启用各第三异常互动行为描述的行为描述全局整理。例如本技术实施例可以结合对应的显著描述挖掘操作的方式实现各第三异常互动行为描述的行为描述全局整理（比如可以理解为特征融合），以及在第三异常互动行为描述的显著性评价存在差异时还可以启用显著性评价的调整，然后启用异常互动行为描述的组合，以及风险操作行为事件的定位。
46.本技术实施例可以启用对待进行风险操作行为识别的智慧医疗服务会话的不同风险操作行为事件的异常互动行为描述挖掘，例如在待进行风险操作行为识别的智慧医疗服务会话为线上医药费缴纳时，风险操作行为事件可以为未进行身份验证、非常用地登录、频繁输入错误密码等，或者在其他实施例中，待进行风险操作行为识别的智慧医疗服务会话也可以其他种类的在线业务会话，在启用风险操作行为事件定位时，可以识别其他的风险操作行为事件。因此，本技术实施例可以通过第三异常互动行为描述的行为描述全局整
理结果，进一步启用风险操作行为事件的异常互动行为描述挖掘识别。
47.结合以上相关内容，本技术实施例可以通过两个不同的预设行为描述处理模型（第一预设行为描述处理模型和第二预设行为描述处理模型）分别基于第一异常互动行为描述启用第一描述优化操作以及进一步的第二描述优化操作，能够有效的提高待进行风险操作行为识别的智慧医疗服务会话的异常互动行为描述的整合质量，进一步提高风险操作行为事件的异常互动行为描述挖掘精度。
48.通过以上相关技术方案，本技术实施例可以首先获取待进行风险操作行为识别的智慧医疗服务会话，该待进行风险操作行为识别的智慧医疗服务会话可以为任意的会话种类。对于不同会话种类的智慧医疗服务会话，可以识别不同的风险操作行为事件。比如，首先可以通过step100获取待进行风险操作行为识别的智慧医疗服务会话在多个不同显著性评价下的第一异常互动行为描述。
49.对于一些可独立实施的设计思路而言，本技术实施例还提供了一种应用于大数据的风险识别方法中step100的进一步实施方式。其中，确定匹配于待进行风险操作行为识别的智慧医疗服务会话的不同显著性评价的第一异常互动行为描述（step100）可以包括以下相关步骤所描述的内容。
50.step101：将所述待进行风险操作行为识别的智慧医疗服务会话转换为设定模式的第一智慧医疗服务会话。
51.本技术实施例可以首先简化待进行风险操作行为识别的智慧医疗服务会话的维度（比如可以对智慧医疗服务会话的会话内容、会话结构进行归一化处理），即可以首先将待进行风险操作行为识别的智慧医疗服务会话转换为设定模式（比如预先设置的形式）的第一智慧医疗服务会话。对于另外的一些实施例，可以将待进行风险操作行为识别的智慧医疗服务会话一并调整为其他模式的智慧医疗服务会话，本技术实施例在此不作进一步限制。
52.step102：将所述第一智慧医疗服务会话加载到预设梯度关注模型，对第一智慧医疗服务会话实施不同压缩条件的描述压缩操作得到不同显著性评价的第一异常互动行为描述。
53.在得到设定模式的第一智慧医疗服务会话之后，可以对该第一智慧医疗服务会话启用多个压缩条件的压缩操作（比如可以理解未采样处理）。例如，本技术实施例可以通过将第一智慧医疗服务会话加载到预设梯度关注模型（比如残差神经网络resxet），通过预设梯度关注模型处理得到针对第一智慧医疗服务会话的不同显著性评价的第一异常互动行为描述。其中，可以结合不同的压缩条件对第一智慧医疗服务会话进行将压缩操作从而得到不同显著性评价的第一异常互动行为描述。本技术实施例的压缩条件可以为0.125、0.0625、0.03125等，但本技术实施例不作进一步限制。
54.通过step100处理后得到的待进行风险操作行为识别的智慧医疗服务会话的多个不同显著性评价的第一异常互动行为描述。
55.可以理解的是，在确定待进行风险操作行为识别的智慧医疗服务会话的不同显著性评价的第一异常互动行为描述之后，可以对通过step200启用第一异常互动行为描述的第一描述优化操作过程，得到蕴含了各第一异常互动行为描述的关键描述内容的多个不同显著性评价的第二异常互动行为描述。
56.对于一些可独立实施的设计思路而言，本技术实施例还提供了一种应用于大数据的风险识别方法中的step200的实施方式。其中，所述结合第一预设行为描述处理模型对各所述第一异常互动行为描述进行第一描述优化操作得到与各所述第一异常互动行为描述唯一匹配的第二异常互动行为描述（step200），可以通过以下相关技术方案实现。
57.step201：结合第一行为描述挖掘单元对第一异常互动行为描述vi中的第一异常互动行为描述vx进行显著描述挖掘操作，确定与第一异常互动行为描述vx对应的第二异常互动行为描述ux，其中，其中x用于表征第一异常互动行为描述的数目，以及x为大于1的整数，并且第一异常互动行为描述vx的第一特征量化约束和第二特征量化约束分别与第二异常互动行为描述ux的第一特征量化约束（比如二维特征矩阵中的长度）和第二特征量化约束（比如二维特征矩阵中的宽度）对应相同。
58.对于本技术实施例而言的第一预设行为描述处理模型启用的第一描述优化操作可以包括第一显著描述挖掘操作以及第一描述扩展操作，也可以包括其他的处理过程，本技术对此不进行限定。
59.对于一些可能的实施方式而言，本技术实施例确定的第一异常互动行为描述可以为v1...vx，即x个第一异常互动行为描述，且vx可以为第一特征量化约束和第二特征量化约束最小的异常互动行为描述，即显著性评价最小的第一异常互动行为描述。其中，首先可以结合第一预设行为描述处理模型对第一异常互动行为描述vx进行显著描述挖掘操作，即结合第一行为描述挖掘单元对第一异常互动行为描述vx进行显著描述挖掘操作，得到第二异常互动行为描述ux。该第二异常互动行为描述ux的第一特征量化约束和第二特征量化约束均与第一异常互动行为描述vx的第一特征量化约束和第二特征量化约束分别相同。其中，第一行为描述挖掘单元可以为6*6的行为描述挖掘单元，或者也可以是其他种类的行为描述挖掘单元。
60.step202：对所述第二异常互动行为描述ux启用描述扩展操作确定与第二异常互动行为描述ux对应的第一过渡异常互动行为描述tx，其中第一过渡异常互动行为描述tx的显著性评价与第一异常互动行为描述vx-1的显著性评价一致。
61.在得到第二异常互动行为描述ux之后，可以结合该第二异常互动行为描述ux确定与其对应的第一过渡异常互动行为描述tx，本技术实施例可以通过对第二异常互动行为描述ux启用描述扩展操作确定与第二异常互动行为描述ux对应的第一过渡异常互动行为描述tx，其中，第一过渡异常互动行为描述tx的显著性评价与第一异常互动行为描述vx-1的显著性评价一致，例如，在vx-1的显著性评价为vx的显著性评价的2倍时，第一过渡异常互动行为描述ux”的第一特征量化约束为第二异常互动行为描述ux的第一特征量化约束的2倍，以及第一过渡异常互动行为描述tx的第二特征量化约束为第二异常互动行为描述ux的第二特征量化约束的2倍。
62.step203：结合第二行为描述挖掘单元对第一异常互动行为描述vx之外的各第一异常互动行为描述vp进行显著描述挖掘操作，到分别与剩余的各所述第一异常互动行为描述唯一匹配的第二过渡异常互动行为描述wp，其中所述第二过渡异常互动行为描述的显著性评价与和其唯一匹配的第一异常互动行为描述的显著性评价一致；进一步地，本技术实施例还可以确定第一异常互动行为描述vx之外的各第一异常互动行为描述vp对应的第二过渡异常互动行为描述wp，其中，可以结合第二行为描述挖掘
单元分别对剩余的各所述第一异常互动行为描述进行第二显著描述挖掘操作，分别得到与各第一异常互动行为描述vp唯一匹配的第二过渡异常互动行为描述wp，其中第二行为描述挖掘单元可以为1*1的行为描述挖掘单元，但本技术对此不作具体限定。
63.可以理解的是，通过第二显著描述挖掘操作得到的各第二过渡异常互动行为描述的显著性评价与对应的第一异常互动行为描述的显著性评价分别相同。其中，本技术实施例可以按照剩余的各所述第一异常互动行为描述的反向顺序，确定各第一异常互动行为描述vp的第二过渡异常互动行为描述wp。
64.step204：依据所述第二异常互动行为描述ux以及各所述第二过渡异常互动行为描述wp，得到第二异常互动行为描述up以及第一过渡异常互动行为描述tp，其中与剩余的各所述第一异常互动行为描述中的第一异常互动行为描述vi对应的第二异常互动行为描述ui由第二过渡异常互动行为描述ti与第一过渡异常互动行为描述tq进行拼接操作（求和）所得，并且第一过渡异常互动行为描述ti由对应的第二异常互动行为描述ui通过上采样所得，并且，所述第二过渡异常互动行为描述ti与第一过渡异常互动行为描述tq的显著性评价一致，其中，i为不小于1且小于x的整数，且p=i-1，q=i+1。
65.在上述内容的基础上，在确定各第二过渡异常互动行为描述的同时，或者确定各第二过渡异常互动行为描述之后还可以对应的确定第一过渡异常互动行为描述tx之外的其他第一过渡异常互动行为描述tp，对于本技术实施例而言，与剩余的各所述第一异常互动行为描述中的第一异常互动行为描述vi对应的第二异常互动行为描述ui＝ti+wp，其中，第二过渡异常互动行为描述ti的显著性评价（第一特征量化约束和第二特征量化约束）分别与第一过渡异常互动行为描述tq的显著性评价（第一特征量化约束和第二特征量化约束）相等，并且第二过渡异常互动行为描述ti的第一特征量化约束和第二特征量化约束与第一异常互动行为描述vi的第一特征量化约束和第二特征量化约束相同，因此得到的第二异常互动行为描述ui的第一特征量化约束和第二特征量化约束分别为第一异常互动行为描述vi的第一特征量化约束和第二特征量化约束。其中，i为不小于1且小于x的整数，且p=i-1，q=i+1。
66.进一步地，本技术实施例依然可以采用反向顺序的处理方式确定第二异常互动行为描述ux之外的各第二异常互动行为描述ui。即，本技术实施例可以首先确定第一过渡异常互动行为描述ux-1，其中，可以结合第一异常互动行为描述vx-1对应的第二异常互动行为描述tx-1与第一过渡异常互动行为描述tx进行拼接操作得到第二异常互动行为描述ux-1，其中，第二过渡异常互动行为描述tx-1的第一特征量化约束和第二特征量化约束分别与第一过渡异常互动行为描述tx的第一特征量化约束和第二特征量化约束相同，以及第二异常互动行为描述ux-1的第一特征量化约束和第二特征量化约束为第二过渡异常互动行为描述tx-1和tx的第一特征量化约束和第二特征量化约束。此时第二异常互动行为描述ux-1的第一特征量化约束和第二特征量化约束分别为第二异常互动行为描述ux的第一特征量化约束和第二特征量化约束的2倍（vx-1的显著性评价为vx的显著性评价的2倍）。
67.在上述内容的基础上，可以对第二异常互动行为描述ux-1进行描述扩展操作，得到第一过渡异常互动行为描述tx-1，使得tx-1的显著性评价与vx-1的显著性评价一致，进而可以结合第一异常互动行为描述vx-2对应的第二过渡异常互动行为描述tx-2与第一过渡异常互动行为描述tx-1进行拼接操作得到第二异常互动行为描述ux-2，其中，第二过渡
异常互动行为描述tx-2的第一特征量化约束和第二特征量化约束分别与第一过渡异常互动行为描述tx-1的第一特征量化约束和第二特征量化约束相同，以及第二异常互动行为描述ux-2的第一特征量化约束和第二特征量化约束为第二过渡异常互动行为描述tx-2和tx-1的第一特征量化约束和第二特征量化约束。例如第二异常互动行为描述ux-2的第一特征量化约束和第二特征量化约束分别为第二异常互动行为描述ux-1的第一特征量化约束和第二特征量化约束的2倍。
68.以此类推，可以最终确定第一过渡异常互动行为描述t2，以及通过该第一过渡异常互动行为描述t2与第一异常互动行为描述v”1的拼接操作得到第二异常互动行为描述u1，u1的第一特征量化约束和第二特征量化约束分别为与v1的第一特征量化约束和第二特征量化约束的相同。
69.可以理解的是，通过上述相关模型的第一描述优化操作之后，可以使得各第二异常互动行为描述中进行行为描述全局整理以得到尽可能多的异常互动行为描述，为了进一步提高异常互动行为描述的挖掘精度，本技术实施例在step200之后，还结合第二预设行为描述处理模型对各第二异常互动行为描述启用第二描述优化操作。其中，第二描述优化操作可以包括第二显著描述挖掘操作以及第二描述扩展操作，同样，也可以包括其他处理，本技术实施例在此不作更多限制。
70.对于一些可独立实施的设计思路而言，本技术实施例还提供了的应用于大数据的风险识别方法中step300的技术方案。其中，所述结合第二预设行为描述处理模型对各第二异常互动行为描述进行第二描述优化操作得到不同显著性评价的第三异常互动行为描述gi（step300），可以通过以下技术方案实现。
71.step301：结合第三行为描述挖掘单元对第二异常互动行为描述uj中的第二异常互动行为描述u1进行显著描述挖掘操作，确定与第二异常互动行为描述u1对应的第三异常互动行为描述g1。
72.在本技术实施例中，第三异常互动行为描述g1的第一特征量化约束和第二特征量化约束分别与第一异常互动行为描述v1的第一特征量化约束和第二特征量化约束对应相同，其中y表示第二异常互动行为描述的数目，以及y为大于1的整数，此时y与第一异常互动行为描述的数目x相同。
73.在第二描述优化操作的过程中，可以首先从第一特征量化约束和第二特征量化约束最大的第二异常互动行为描述u1进行第二描述优化操作，例如，可以通过第三行为描述挖掘单元对该第二异常互动行为描述u1进行显著描述挖掘操作，得到第一特征量化约束和第二特征量化约束都与u1相同的第三过渡异常互动行为描述g1。其中，第三行为描述挖掘单元可以为6*6的行为描述挖掘单元，也可以是其他种类的行为描述挖掘单元，本技术实施例可以通过不同的需求选择所需的行为描述挖掘单元。
74.step302：结合第四行为描述挖掘单元对第二异常互动行为描述us进行显著描述挖掘操作，分别得到对应的第三过渡异常互动行为描述lj，其中，第三过渡异常互动行为描述的显著性评价与对应的第二异常互动行为描述的显著性评价一致。
75.可以理解的是，在得到第三异常互动行为描述g1之后，可以结合第四行为描述挖掘单元对第二异常互动行为描述u1之外的各第二异常互动行为描述us分别启用显著描述挖掘操作，得到对应的第三过渡异常互动行为描述lz。
76.step302中，可以将第二异常互动行为描述u1之外的第二异常互动行为描述us通过第四行为描述挖掘单元做显著描述挖掘操作，其中可以首先对u2进行显著描述挖掘操作得到对应的第三过渡异常互动行为描述t2，进而可以对u3进行显著描述挖掘操作得到对应的第三过渡异常互动行为描述g3，以此类推，得到第二异常互动行为描述uy对应的第三过渡异常互动行为描述tx。其中，对于本技术实施例而言，各第三过渡异常互动行为描述gj的第一特征量化约束和第二特征量化约束可以为对应的第二异常互动行为描述uj的第一特征量化约束和第二特征量化约束。
77.step303：结合第五行为描述挖掘单元对第三异常互动行为描述g1进行显著描述挖掘操作得到与第三异常互动行为描述g1对应的第四过渡异常互动行为描述h1。
78.可以理解的是，在得到第三异常互动行为描述g1之后，可以结合第四行为描述挖掘单元对第二异常互动行为描述u1之外的各第二异常互动行为描述us分别启用显著描述挖掘操作，得到对应的第三过渡异常互动行为描述lz。
79.进一步地，step302中，可以将第二异常互动行为描述u1之外的第二异常互动行为描述us通过第四行为描述挖掘单元做显著描述挖掘操作，其中可以首先对u2进行显著描述挖掘操作得到对应的第三过渡异常互动行为描述t2，进而可以对u3进行显著描述挖掘操作得到对应的第三过渡异常互动行为描述g3，以此类推，得到第二异常互动行为描述uy对应的第三过渡异常互动行为描述tx。其中，对于本技术实施例而言，各第三过渡异常互动行为描述gj的第一特征量化约束和第二特征量化约束可以为对应的第二异常互动行为描述uj的第一特征量化约束和第二特征量化约束的一半。
80.step304：结合各第三过渡异常互动行为描述lj以及第四过渡异常互动行为描述h1，得到第三异常互动行为描述gs，其中，第三异常互动行为描述gj由第三过渡异常互动行为描述gj与第四过渡异常互动行为描述hz的拼接操作所得，以及第四过渡异常互动行为描述hz由对应的第三异常互动行为描述gz通过第五行为描述挖掘单元显著描述挖掘操作确定，其中j为大于1且小于或者等于y，s大于等于2且小于y，z=j-1。
81.在启用step301之后，或者启用step302之后，还可以结合第五行为描述挖掘单元对第三异常互动行为描述g1进行显著描述挖掘操作得到第三异常互动行为描述g1对应的第四过渡异常互动行为描述h1。其中，第四过渡异常互动行为描述h1的第一特征量化约束和第二特征量化约束为第二异常互动行为描述u2的第一特征量化约束和第二特征量化约束。
82.在上述内容的基础上，还可以结合step302得到的第三过渡异常互动行为描述gi以及step303得到的第四过渡异常互动行为描述h1，得到第三异常互动行为描述g1之外的第三异常互动行为描述gs。其中，第三异常互动行为描述g1之外的各第三异常互动行为描述gs由第三过渡异常互动行为描述gj与第四过渡异常互动行为描述hz的拼接操作得到。
83.可以理解的是，step304中，可以分别结合对应的第三过渡异常互动行为描述gi与第四过渡异常互动行为描述hi-1进行拼接操作得到第三异常互动行为描述g1之外的各第三异常互动行为描述gj。其中，可以首先结合第三过渡异常互动行为描述t2与第四过渡异常互动行为描述h1的加权结果确定第三异常互动行为描述g2。而后，结合第五行为描述挖掘单元对g2进行显著描述挖掘操作得到第四过渡异常互动行为描述h2，通过第三过渡异常互动行为描述g3与第四过渡异常互动行为描述h2之间的加权结果确定第三异常互动行为
描述g3。以此类推，可以进一步得到剩余第四过渡异常互动行为描述hs，以及第三异常互动行为描述gs。
84.此外，对于本技术实施例而言，确定的各第四过渡异常互动行为描述h1的第一特征量化约束和第二特征量化约束分别与第二异常互动行为描述u2的第一特征量化约束和第二特征量化约束相同。以及第四过渡异常互动行为描述hj的第一特征量化约束和第二特征量化约束分别与第四过渡异常互动行为描述hj+1的第一特征量化约束和第二特征量化约束相同。从而，得到的第三异常互动行为描述gj的第一特征量化约束和第二特征量化约束分别为第二异常互动行为描述ui的第一特征量化约束和第二特征量化约束，进一步的各第三异常互动行为描述g1，
…
，gx的第一特征量化约束和第二特征量化约束分别对应的与第一异常互动行为描述v1，
…
，vx的第一特征量化约束和第二特征量化约束相等。
85.结合以上相关内容，即可以得到经第二预设行为描述处理模型进行第二描述优化操作得到的第三异常互动行为描述g1
…
gx，经过第一描述优化操作和第二描述优化操作两个处理过程可以进一步提高智慧医疗服务会话的融合的异常互动行为描述，基于各第三异常互动行为描述可以精确的定位风险操作行为事件。
86.在step300之后，则可以通过各第三异常互动行为描述gi的行为描述全局整理结果，确定待进行风险操作行为识别的智慧医疗服务会话的各风险操作行为事件的分布情况。
87.对应一些可独立实施的设计思路而言，本技术实施例提供了应用于大数据的风险识别方法中step400的技术方案。其中，所述对各所述第三异常互动行为描述进行行为描述全局整理，并结合行为描述全局整理后的异常互动行为描述确定所述待进行风险操作行为识别的智慧医疗服务会话中的各风险操作行为事件的分布情况（step400），可以通过以下相关步骤实现。
88.step401：对各第三异常互动行为描述进行行为描述全局整理，得到第四异常互动行为描述。
89.对于本技术实施例而言，在确定各显著性评价的第三异常互动行为描述g1...gx之后，可以对各第三异常互动行为描述进行行为描述全局整理，由于对于本技术实施例而言各第三异常互动行为描述的第一特征量化约束和第二特征量化约束不同，因此可以将分别g2
…
gx进行描述扩展操作，最终使得各第三异常互动行为描述g2
…
gx的第一特征量化约束和第二特征量化约束与第三异常互动行为描述g1的第一特征量化约束和第二特征量化约束相同。进而可以将处理后的第三异常互动行为描述进行组合形成第四异常互动行为描述。
90.step402：依据所述第四异常互动行为描述确定所述待进行风险操作行为识别的智慧医疗服务会话中各风险操作行为事件的分布情况。
91.在确定第四异常互动行为描述之后，可以对第四异常互动行为描述进行下采样操作，例如可以通过显著描述挖掘操作对第四异常互动行为描述进行特征精简处理，并结合特征精简处理后的异常互动行为描述识别待进行风险操作行为识别的智慧医疗服务会话的异常互动行为描述点的分布情况。
92.对于一些可独立实施设计思路而言，本技术实施例还提供了应用于大数据的风险识别方法中step401的进一步实施方案。其中，所述对各第三异常互动行为描述进行行为描
述全局整理，得到第四异常互动行为描述（step401）可以通过以下内容实现。
93.step4012：结合压缩操作（上采样），将各第三异常互动行为描述转换为显著性评价一致的异常互动行为描述。
94.由于本技术实施例确定的各第三异常互动行为描述g1...gx的显著性评价不同，因此首先需要将各第三异常互动行为描述转换为显著性评价一致的异常互动行为描述，其中，本技术实施例可以对各第三异常互动行为描述实施不同的描述扩展操作使得各异常互动行为描述的显著性评价一致，其中上采样的数值条件可以与各第三异常互动行为描述之间的显著性评价的数值条件存在关联。
95.step4013：对描述扩展操作后的各异常互动行为描述进行组合得到所述第四异常互动行为描述。
96.在得到显著性评价一致的各异常互动行为描述后，可以将各异常互动行为描述进行融合得到第四异常互动行为描述，例如本技术实施例的各扩展处理后的异常互动行为描述的第一特征量化约束和第二特征量化约束皆一致，可以将各异常互动行为描述在设定维度层面进行组合得到第四异常互动行为描述。
97.可以理解的是，在step401之前，本技术实施例为了对低显著性评价的行为描述内容进行优化，可以将第一特征量化约束和第二特征量化约束较小的第三异常互动行为描述进一步的优化，可以对该部分行为描述内容进行进一步的显著描述挖掘操作。基于此，对于一些可独立实施的设计思路而言，在所述对各第三异常互动行为描述进行行为描述全局整理，得到第四异常互动行为描述之前，该方法还可以包括step4011所描述的技术方案。
98.step4011：将第一组第三异常互动行为描述分别加载到不同的描述处理子模型中进行显著描述挖掘操作，分别对应的得到处理后的第三异常互动行为描述，各所述描述处理子模型中包括不同数目的行为描述挖掘节点；其中，所述第三异常互动行为描述包含第一组第三异常互动行为描述和第二组第三异常互动行为描述，所述第一组第三异常互动行为描述和所述第二组第三异常互动行为描述中皆涵盖至少一个第三异常互动行为描述。
99.这样一来，为了优化低显著性评价异常互动行为描述内的行为描述内容，可以对低显著性评价的异常互动行为描述进一步显著描述挖掘操作，其中，可以将第三异常互动行为描述g1
…
gy分成两组，其中第一组第三异常互动行为描述的显著性评价小于第二组第三异常互动行为描述的显著性评价。对应的，可以将第一组第三异常互动行为描述内的各第三异常互动行为描述分别加载到不同的描述处理子模型内，得到处理后的第三异常互动行为描述，该描述处理子模型内可以包括至少一个行为描述挖掘节点，不同的描述处理子模型中的行为描述挖掘节点的数目可以不同，其中，经过描述处理子模型显著描述挖掘操作后得到的异常互动行为描述的维度与输入之前的第三异常互动行为描述的维度相同。
100.其中，可以按照第三异常互动行为描述的数目的设定指示值确定该第一组第三异常互动行为描述。例如，设定指示值可以为0.5，即可以将各第三异常互动行为描述中显著性评价较小的一半的第三异常互动行为描述作为第一组第三异常互动行为描述加载到不同的描述处理子模型中进行描述改善操作。该设定指示值可以也可以为其他的量化值，本技术对此不进行限定。
101.或者，对于另一些可能的实施例而言，也可以按照显著性评价判定值确定该加载到描述处理子模型中的第一组第三异常互动行为描述。小于该显著性评价判定值的异常互
动行为描述即确定需要加载到描述处理子模型中进行描述改善操作。对于显著性评价判定值的确定可以通过各异常互动行为描述的显著性评价进行确定，本技术实施例在此不作进一步限制。另外，对于描述处理子模型（比如一些局部的神经网络层）的选择，本技术实施例不作具体限定，其中行为描述挖掘节点的形式可以通过需求进行选择。
102.step4012：结合压缩操作，将处理后的第三异常互动行为描述以及第二组第三异常互动行为描述，转换为显著性评价一致的异常互动行为描述。
103.在启用step4011之后，可以将优化后的第一组第三异常互动行为描述以及第二组第三异常互动行为描述进行显著性评价简化，即将各异常互动行为描述转换为维度相同的异常互动行为描述。本技术实施例通过为各step4011优化后的第三异常互动行为描述以及第二组第三异常互动行为描述分别启用对应的描述扩展操作，从而得到大小相同的异常互动行为描述。
104.step4013：对各显著性评价一致的异常互动行为描述进行组合得到所述第四异常互动行为描述。
105.step4012之后，可以将显著性评价一致的异常互动行为描述进行组合，例如将上述四个异常互动行为描述组合得到新的异常互动行为描述即为第四异常互动行为描述。
106.结合上述相关内容，可以得到相应的第四异常互动行为描述，在确定第四异常互动行为描述之后，即可以通过第四异常互动行为描述得到待进行风险操作行为识别的智慧医疗服务会话的风险操作行为事件分布情况。其中，可以直接对第四异常互动行为描述进行下采样操作，结合下采样操作后的异常互动行为描述确定待进行风险操作行为识别的智慧医疗服务会话的风险操作行为事件的分布情况。
107.在另一些实施例中，还可以对特征精简处理后的异常互动行为描述进行精简处理，进一步提高风险操作行为事件的特征识别度。对于本技术实施例所提供的应用于大数据的风险识别方法中step402而言，在一些可独立实施的设计思路下，所述依据所述第四异常互动行为描述确定所述待进行风险操作行为识别的智慧医疗服务会话中各风险操作行为事件的分布情况，可以包括以下相关内容所描述的技术方案。
108.step4021：结合第五行为描述挖掘单元对所述第四异常互动行为描述进行下采样操作。
109.对于本技术实施例而言，启用下采样操作的方式可以为显著描述挖掘操作，即结合预设的行为描述挖掘节点（比如可以理解为卷积模块）对第四异常互动行为描述进行显著描述挖掘操作，以实现第四异常互动行为描述的特征精简处理，得到对应的异常互动行为描述。
110.step4022：结合局部聚焦挖掘节点对下采样操作后的第四异常互动行为描述中的行为描述内容进行精简处理，得到精简后的异常互动行为描述。
111.比如可以通过池化处理得到精简后的异常互动行为描述。
112.step4023：结合精简后的异常互动行为描述确定待进行风险操作行为识别的智慧医疗服务会话的风险操作行为事件的分布情况。
113.在确定精简后异常互动行为描述之后，可以结合该异常互动行为描述获取风险操作行为事件的分布情况信息，例如可以将该精简后的异常互动行为描述加载到6*6的行为描述挖掘节点，来精准定位待进行风险操作行为识别的智慧医疗服务会话中各风险操作行
为事件的分布情况信息。
114.结合以上相关内容，即可以通过第一预设行为描述处理模型的第一描述优化操作以及第二预设行为描述处理模型的第二描述优化操作更充分的整合型行为描述（融合特征），从而提高风险操作行为事件的异常互动行为描述挖掘的准确性和可信度。
115.对于本技术实施例而言，还可以启用对于第一预设行为描述处理模型以及第二预设行为描述处理模型的调试，从而使得第一描述优化操作和第二描述优化操作匹配实际需求。其中，以下为本技术实施例的一种应用于大数据的风险识别方法中的调试第一预设行为描述处理模型的相关技术方案。举例而言，本技术实施例可以结合样本服务会话簇调试所述第一预设行为描述处理模型，可以包括以下步骤所描述的技术方案。
116.step501：结合第一预设行为描述处理模型对所述样本服务会话簇中各样本服务会话对应的第一异常互动行为描述进行所述第一描述优化操作，得到所述样本服务会话簇中各样本服务会话对应的第二异常互动行为描述。
117.对于本技术实施例而言，可以将样本服务会话簇加载到第一预设行为描述处理模型进行调试。其中，样本服务会话簇中可以包括多个样本服务会话以及与样本服务会话对应的风险操作行为事件的实际分布情况。结合第一预设行为描述处理模型可以启用如上所述step100和step200（多显著性评价第一异常互动行为描述的挖掘以及第一描述优化操作），得到各样本服务会话的第二异常互动行为描述。
118.step502：结合各第二异常互动行为描述确定定位的风险操作行为事件。
119.在step201之后，可以结合得到的第二异常互动行为描述识别调试服务会话的风险操作行为事件，确定调试服务会话的各风险操作行为事件的第一分布情况。
120.step503：通过第一模型量化评估指标得到所述风险操作行为事件的第一定位偏差。
121.step504：结合所述第一定位偏差值迭代改进所述第一预设行为描述处理模型中的各行为描述挖掘单元，直到调试累计值大于等于预设的第一累计值判定值。
122.对应的，在得到各风险操作行为事件的第一分布情况之后，可以得到该测试得到的第一分布情况对应的第一定位偏差。在调试的过程中，可以通过每次调试得到的第一定位偏差迭代改进第一预设行为描述处理模型的变量，例如行为描述挖掘单元的变量，直到调试累计值达到第一累计值判定值，该第一累计值判定值可以通过实际情况进行调整。
123.其中，第一分布情况对应的第一定位偏差可以为将第一分布情况与实际分布情况之间的第一量化差异加载到第一模型量化评估指标确定的偏移值（损失值），其中第一模型量化评估指标可以为对数模型量化评估指标。或者也可以是将第一分布情况和实际分布情况加载到第一模型量化评估指标，确定对应的第一定位偏差。本技术实施例不作进一步限制。基于上述即可以实现第一预设行为描述处理模型的调试过程，实现第一预设行为描述处理模型变量的改进。
124.相应的，在一些可独立实施的设计思路下，本技术实施例还提供一种应用于大数据的风险识别方法中的调试第二预设行为描述处理模型的技术方案。举例而言，本技术实施例可以结合样本服务会话簇调试所述第二预设行为描述处理模型，进一步通过以下实施方式实现。
125.step601：结合第二预设行为描述处理模型对所述第一预设行为描述处理模型生
成的针对样本服务会话簇中各样本服务会话对应的第二异常互动行为描述进行所述第二描述优化操作，得到所述样本服务会话簇中各样本服务会话对应的第三异常互动行为描述。
126.step602：结合各第三异常互动行为描述识别风险操作行为事件。
127.对于本技术实施例而言，可以首先结合第一预设行为描述处理模型确定调试数据集中各样本服务会话的第二异常互动行为描述，而后通过第二预设行为描述处理模型对所述样本服务会话簇中各样本服务会话对应的第二异常互动行为描述进行上述的第二描述优化操作，得到所述样本服务会话簇中各样本服务会话对应的第三异常互动行为描述，而后结合第三异常互动行为描述测试对应的服务会话的风险操作行为事件的第二分布情况。
128.step603：通过第二模型量化评估指标得到识别的风险操作行为事件的第二定位偏差。
129.step604：结合所述第二定位偏差迭代改进所述第二预设行为描述处理模型中行为描述挖掘单元，直到调试累计值大于等于预设的第二累计值判定值，或者结合所述第二定位偏差迭代改进所述第一预设行为描述处理模型中的行为描述挖掘单元以及第二预设行为描述处理模型中的行为描述挖掘单元，直到调试累计值大于等于预设的第二累计值判定值。
130.对应的，在得到各风险操作行为事件的第二分布情况之后可以得到该测试得到的第二分布情况对应的第二定位偏差。在调试的过程中，可以通过每次调试得到的第二定位偏差迭代改进第二预设行为描述处理模型的变量，例如行为描述挖掘单元的变量，直到调试累计值达到第二累计值判定值，该第二累计值判定值可以通过实际情况进行调整。
131.其中，第二分布情况对应的第二定位偏差可以为将第二分布情况与实际分布情况之间的第二量化差异加载到第二模型量化评估指标确定的偏移值，其中第二模型量化评估指标可以为对数模型量化评估指标。或者也可以是将第二分布情况和实际分布情况加载到第二模型量化评估指标，确定对应的第二定位偏差值。本技术实施例不作进一步限制。
132.在本技术的另一些实施例中，在调试第二预设行为描述处理模型的同时，还可以同时进一步优化调试第一预设行为描述处理模型，即对于本技术实施例而言，step604时，可以结合确定的第二定位偏差值同时迭代改进第一预设行为描述处理模型中的行为描述挖掘单元的变量以及第二预设行为描述处理模型汇中的行为描述挖掘单元变量。从而实现整个神经网络的进一步改进。
133.进一步地，对于本技术实施例而言，step400可以借助视觉描述处理模型来实现，其中，本技术实施例还可以启用视觉描述处理模型的调试步骤，以下为一种应用于大数据的风险识别方法中的调试视觉描述处理模型的技术方案，其中，结合样本服务会话簇调试所述视觉描述处理模型（特征提取网络，比如cnn、rnn或者lstm），可以通过以下实施方式实现。
134.step701：结合视觉描述处理模型对所述第二预设行为描述处理模型生成的针对样本服务会话簇中各样本服务会话对应的第三异常互动行为描述进行所述行为描述全局整理，并结合行为描述全局整理后的异常互动行为描述识别所述样本服务会话簇中各样本服务会话的风险操作行为事件。
135.对于本技术实施例而言，可以将与服务会话调试数据集对应的经第一预设行为描
述处理模型第一描述优化操作以及经第二预设行为描述处理模型处理得到的第三异常互动行为描述加载到视觉描述处理模型，并借助视觉描述处理模型启用行为描述全局整理，以及精简等处理得到样本服务会话簇中的各样本服务会话的风险操作行为事件的第三分布情况。
136.step702：通过第三模型量化评估指标得到各风险操作行为事件的第三定位偏差。
137.step703：结合所述第三定位偏差迭代改进所述视觉描述处理模型的变量，直到调试累计值大于等于预设的第三累计值判定值，或者结合所述第三模型量化评估指标迭代改进所述第一预设行为描述处理模型中的行为描述挖掘单元变量、第二预设行为描述处理模型中的行为描述挖掘单元变量，以及所述视觉描述处理模型的变量，直到调试累计值大于等于预设的第三累计值判定值。
138.对应的在得到各风险操作行为事件的第三分布情况之后可以得到该测试得到的第三分布情况对应的第三定位偏差。在调试的过程中，可以通过每次调试得到的第三定位偏差迭代改进视觉描述处理模型的变量，例如行为描述挖掘单元的变量，或者上述池化等过程的各变量，直到调试累计值达到第三累计值判定值，该第三累计值判定值可以通过实际情况进行调整。
139.其中，第三分布情况对应的第三定位偏差可以为将第三分布情况与实际分布情况之间的第三差值加载到第一模型量化评估指标确定的偏移值，其中第三模型量化评估指标可以为对数模型量化评估指标。或者也可以是将第三分布情况和实际分布情况加载到第三模型量化评估指标，确定对应的第三定位偏差。本技术实施例不作进一步限制。
140.在本技术的另一些实施例中，在调试视觉描述处理模型的同时，还可以同时进一步改进调试第一预设行为描述处理模型和第二预设行为描述处理模型，即对于本技术实施例而言，step703时，可以结合确定的第三定位偏差同时迭代改进第一预设行为描述处理模型中的行为描述挖掘单元的变量、第二预设行为描述处理模型汇中的行为描述挖掘单元变量，以及视觉描述处理模型的变量，从而实现模型的改进。
141.除此之外，对于一些可独立实施的设计思路而言，在结合行为描述全局整理后的异常互动行为描述确定所述待进行风险操作行为识别的智慧医疗服务会话中的各风险操作行为事件的分布情况之后，该方法还可以包括以下内容：根据各风险操作行为事件的分布情况，确定各风险操作行为事件对应的潜在风险识别结果；依据各所述潜在风险识别结果生成对应的医疗大数据防护策略。
142.对于本技术实施例而言，医疗大数据防护策略可以是访问拦截机制、身份验证任务、数据匿名指令等防护策略，本技术实施例不作进一步限制。
143.除此之外，对于一些可独立实施的设计思路而言，根据各风险操作行为事件的分布情况，确定各风险操作行为事件对应的潜在风险识别结果，可以包括以下内容：通过各风险操作行为事件的分布情况确定各风险操作行为事件对应的第一事件安全检测指标集合，所述第一事件安全检测指标集合包括待标记事件安全检测指标以及与所述待标记事件安全检测指标存在时序先后联系的至少一个关联事件安全检测指标；将所述待标记事件安全检测指标分别与每个关联事件安全检测指标进行指标匹配处理，得到每个关联事件安全检测指标的指标匹配结果；基于所述待标记事件安全检测指标对每个关联事件安全检测指标的指标匹配结果进行安全检测校正处理，得到每个关联事件安全检测指标校正后的指标匹
配结果；基于所述校正后的指标匹配结果确定与所述待标记事件安全检测指标对应的目标事件安全检测指标；通过根据所述目标事件安全检测指标与设定指标区间之间的关系确定潜在风险识别结果。
144.其中，可以确定所述目标事件安全检测指标在设定指标区间中的落入范围，通过该落入范围确定对应的潜在风险识别结果的类别（比如信息窃取、流量攻击等）和潜在风险识别结果的等级（比如低风险、中风险和高风险等）。如此设计，能够通过不同事件安全检测指标之间的关系实现对事件安全检测指标的校正，从而通过目标事件安全检测指标与设定指标区间之间的关系完整准确地确定潜在风险识别结果。
145.综上所述，本技术实施例提出了一种结合双向相关模型来启用风险操作行为事件的异常互动行为描述挖掘，其中不仅结合第一描述优化操作的思路得到多维显著性评价的异常互动行为描述，同时还结合第二描述优化操作进行行为描述全局整理以得到尽可能多的异常互动行为描述，这样可以在一定程度上提高风险操作行为事件的定位准确性，从而实现从智慧医疗服务会话中快速精准定位不同的风险操作行为事件，如此一来，能够及时地为后续的医疗大数据风险防护提供准确可靠的数据基础。
146.基于上述同样的发明构思，还提供了一种应用于大数据的风险识别装置20，应用于大数据风险识别系统10，所述装置包括：行为描述确定模块21，用于确定匹配于待进行风险操作行为识别的智慧医疗服务会话的多个显著性评价的第一异常互动行为描述，其中，各第一异常互动行为描述的显著性评价存在数值层面的差异；描述优化处理模块22，用于结合第一预设行为描述处理模型对各所述第一异常互动行为描述进行第一描述优化操作得到与各所述第一异常互动行为描述唯一匹配的第二异常互动行为描述，其中，所述第二异常互动行为描述与其唯一匹配的所述第一异常互动行为描述的显著性评价一致；以及结合第二预设行为描述处理模型对各所述第二异常互动行为描述进行第二描述优化操作得到与各所述第二异常互动行为描述唯一匹配的第三异常互动行为描述，其中，所述第三异常互动行为描述与其唯一匹配的所述第二异常互动行为描述的显著性评价一致；行为事件识别模块23，用于对各所述第三异常互动行为描述进行行为描述全局整理，并结合行为描述全局整理后的异常互动行为描述确定所述待进行风险操作行为识别的智慧医疗服务会话中的各风险操作行为事件的分布情况。
147.在本技术实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本技术的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
148.另外，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
149.所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，大数据风险识别系统10，或者网络设备等）执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，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、物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、物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、物品或者设备中还存在另外的相同要素。
150.以上所述仅为本技术的优选实施例而已，并不用于限制本技术，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。

技术特征：

1.一种应用于大数据的风险识别方法，其特征在于，应用于大数据风险识别系统，所述方法至少包括：根据各风险操作行为事件的分布情况，确定各风险操作行为事件对应的潜在风险识别结果；依据各所述潜在风险识别结果生成对应的医疗大数据防护策略。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：确定匹配于待进行风险操作行为识别的智慧医疗服务会话的多个显著性评价的第一异常互动行为描述，其中，各第一异常互动行为描述的显著性评价存在数值层面的差异；结合第一预设行为描述处理模型对各所述第一异常互动行为描述进行第一描述优化操作得到与各所述第一异常互动行为描述唯一匹配的第二异常互动行为描述，其中，所述第二异常互动行为描述与其唯一匹配的所述第一异常互动行为描述的显著性评价一致；以及结合第二预设行为描述处理模型对各所述第二异常互动行为描述进行第二描述优化操作得到与各所述第二异常互动行为描述唯一匹配的第三异常互动行为描述，其中，所述第三异常互动行为描述与其唯一匹配的所述第二异常互动行为描述的显著性评价一致；对各所述第三异常互动行为描述进行行为描述全局整理，并结合行为描述全局整理后的异常互动行为描述确定所述待进行风险操作行为识别的智慧医疗服务会话中的各风险操作行为事件的分布情况。3.如权利要求2所述的方法，其特征在于，所述确定匹配于待进行风险操作行为识别的智慧医疗服务会话的多个显著性评价的第一异常互动行为描述包括：将所述待进行风险操作行为识别的智慧医疗服务会话转换为设定模式的第一智慧医疗服务会话；将所述第一智慧医疗服务会话加载到预设梯度关注模型，对第一智慧医疗服务会话实施不同压缩条件的描述压缩操作得到多个不同显著性评价的第一异常互动行为描述；其中，所述第一描述优化操作包括第一显著描述挖掘操作和第一描述扩展操作，所述第二描述优化操作包括第二显著描述挖掘操作和第二描述扩展操作。4.如权利要求2所述的方法，其特征在于，所述结合第一预设行为描述处理模型对各所述第一异常互动行为描述进行第一描述优化操作得到与各所述第一异常互动行为描述唯一匹配的第二异常互动行为描述，包括：结合第一行为描述挖掘单元对第一异常互动行为描述vi中的第一异常互动行为描述vx进行显著描述挖掘操作，确定与第一异常互动行为描述vx对应的第二异常互动行为描述ux，其中，x用于表征第一异常互动行为描述的数目，以及x为大于1的整数；对所述第二异常互动行为描述ux启用描述扩展操作确定与第二异常互动行为描述ux对应的第一过渡异常互动行为描述tx，其中第一过渡异常互动行为描述tx的显著性评价与第一异常互动行为描述vx-1的显著性评价一致；结合第二行为描述挖掘单元对第一异常互动行为描述vx之外的各第一异常互动行为描述vp进行显著描述挖掘操作，得到分别与剩余的各所述第一异常互动行为描述唯一匹配的第二过渡异常互动行为描述wp；其中：所述第二过渡异常互动行为描述的显著性评价与和其唯一匹配的第一异常互动行为描述的显著性评价一致；依据所述第二异常互动行为描述ux以及各所述第二过渡异常互动行为描述wp，得到第二异常互动行为描述up以及第一过渡异常互动行为描述tp；其中：所述第二异常互动行为
描述ui由所述第二过渡异常互动行为描述ti与所述第一过渡异常互动行为描述tq进行拼接操作所得，第一过渡异常互动行为描述ti由对应的第二异常互动行为描述ui通过上采样所得，并且，所述第二过渡异常互动行为描述ti与第一过渡异常互动行为描述tq的显著性评价一致，其中，i为不小于1且小于x的整数，且p=i-1，q=i+1。5.如权利要求2所述的方法，其特征在于，结合第二预设行为描述处理模型对各所述第二异常互动行为描述进行第二描述优化操作得到与各所述第二异常互动行为描述唯一匹配的第三异常互动行为描述，包括：结合第三行为描述挖掘单元对第二异常互动行为描述uj中的第二异常互动行为描述u1进行显著描述挖掘操作，确定与第二异常互动行为描述u1对应的第三异常互动行为描述g1，其中y表示第二异常互动行为描述的数目，以及y为大于1的整数；结合第四行为描述挖掘单元对第二异常互动行为描述us进行显著描述挖掘操作，分别得到对应的第三过渡异常互动行为描述lj，其中，第三过渡异常互动行为描述的显著性评价与对应的第二异常互动行为描述的显著性评价一致；结合第五行为描述挖掘单元对第三异常互动行为描述g1进行显著描述挖掘操作得到与第三异常互动行为描述g1对应的第四过渡异常互动行为描述b1；结合各第三过渡异常互动行为描述lj以及第四过渡异常互动行为描述b1，得到第三异常互动行为描述gs以及第四过渡异常互动行为描述hs，其中，第三异常互动行为描述gj由第三过渡异常互动行为描述lj与第四过渡异常互动行为描述hz的拼接操作所得，第四过渡异常互动行为描述hz由对应的第三异常互动行为描述gz通过第五行为描述挖掘单元显著描述挖掘操作确定，其中j为大于1且小于或者等于y，s大于等于2且小于y，z=j-1。6.如权利要求2所述的方法，其特征在于，所述对各所述第三异常互动行为描述进行行为描述全局整理，并结合行为描述全局整理后的异常互动行为描述确定所述待进行风险操作行为识别的智慧医疗服务会话中的各风险操作行为事件的分布情况，包括：对各第三异常互动行为描述进行行为描述全局整理，得到第四异常互动行为描述：依据所述第四异常互动行为描述确定所述待进行风险操作行为识别的智慧医疗服务会话中各风险操作行为事件的分布情况；其中，所述对各第三异常互动行为描述进行行为描述全局整理，得到第四异常互动行为描述，包括：结合压缩操作，将各第三异常互动行为描述转换为显著性评价一致的异常互动行为描述；对所述显著性评价一致的异常互动行为描述进行组合得到所述第四异常互动行为描述；其中，在所述对各第三异常互动行为描述进行行为描述全局整理，得到第四异常互动行为描述之前，还包括：将第一组第三异常互动行为描述分别加载到不同的描述处理子模型中进行显著描述挖掘操作，分别得到处理后的第三异常互动行为描述，各所述描述处理子模型中包括不同数目的行为描述挖掘节点，其中，所述第三异常互动行为描述包含第一组第三异常互动行为描述和第二组第三异常互动行为描述，所述第一组第三异常互动行为描述和所述第二组第三异常互动行为描述中皆涵盖至少一个第三异常互动行为描述；其中，所述对各第三异常互动行为描述进行行为描述全局整理，得到第四异常互动行为描述，包括：结合压缩操作，将各所述处理后的第三异常互动行为描述以及所述第二组第三异常互动行为描述，转换为显著性评价一致的异常互动行为描述；对所述显著性评价一
致的异常互动行为描述进行组合得到所述第四异常互动行为描述。7.如权利要求6所述的方法，其特征在于，所述依据所述第四异常互动行为描述确定所述待进行风险操作行为识别的智慧医疗服务会话中各风险操作行为事件的分布情况，包括：结合第五行为描述挖掘单元对所述第四异常互动行为描述进行下采样操作；结合下采样操作后的第四异常互动行为描述确定待进行风险操作行为识别的智慧医疗服务会话的风险操作行为事件的分布情况。8.如权利要求6所述的方法，其特征在于，所述依据所述第四异常互动行为描述确定所述待进行风险操作行为识别的智慧医疗服务会话中各风险操作行为事件的分布情况，包括：结合第五行为描述挖掘单元对所述第四异常互动行为描述进行下采样操作；结合局部聚焦挖掘节点对下采样操作后的第四异常互动行为描述中的行为描述内容进行精简处理，得到精简后的异常互动行为描述；结合精简后的异常互动行为描述确定所述待进行风险操作行为识别的智慧医疗服务会话的风险操作行为事件的分布情况。9.一种大数据风险识别系统，其特征在于，包括处理器、网络模块和存储器；所述处理器和所述存储器通过所述网络模块通信，所述处理器从所述存储器中读取计算机程序并运行，以执行权利要求1-8任一项所述的方法。

技术总结

本申请涉及应用于大数据的风险识别方法及存储介质，根据各风险操作行为事件的分布情况，确定各风险操作行为事件对应的潜在风险识别结果；依据各所述潜在风险识别结果生成对应的医疗大数据防护策略。的医疗大数据防护策略。的医疗大数据防护策略。

技术研发人员：

陈汝森

受保护的技术使用者：

陈汝森

技术研发日：

2021.12.20

技术公布日：

2022/11/22