CN114416830A - 基于业务大数据挖掘的信息推送方法及系统 - Google Patents

Abstract

本公开实施例提供一种基于业务大数据挖掘的信息推送方法及系统，根据获取的业务大数据在至少两个服务热点传播标签下的数据，确定业务大数据在至少两个服务热点传播标签下的服务热点传播特征，进而得到各个业务大数据之间的服务传播关联参数，并基于各个业务大数据之间的服务传播关联参数，确定各个业务大数据的目标主题联动信息，进而通过多个服务热点传播标签可以全面确定业务大数据之间的服务传播关联参数，使得业务数据之间的服务热点传播的确定过程更加准确，从而提高了业务数据之间的服务传播关联参数的确定准确率，进一步提高了主题联动信息的确定准确率。同时，基于准确确定的主题联动信息，有利于实现信息推送。

Description

基于业务大数据挖掘的信息推送方法及系统

本申请是申请号202110104781.9、申请日为2021年01月26日、发明创造名称为“基于区块链安全认证的大数据挖掘方法及云认证服务系统”的中国申请的分案申请。

技术领域

本公开涉及云服务技术领域，示例性地，涉及一种基于业务大数据挖掘的信息推送方法及系统。

背景技术

相关技术中，在大数据挖掘过程中可能涉及到对推送主题的深度挖掘，为了更准确地体现业务主题之间的关联关系，当前已经由单个主题的单轮信息推荐升级为多个主题的联动信息推荐，也即目前可以基于主题联动信息进行复合型推荐，以提高用户体验。然而，目前的主题联动信息（也即针对不同的主题进行联动推送）的确定方式，是基于各业务数据之间的主题标签，将主题标签相同的内容确定为主题联动信息，比如将主题一致的信息确定为主题联动信息，导致确定的主题联动信息包含了大量同种主题标签的信息，但实际服务传播关联参数较低，使得主题联动信息的确定准确率较低。

发明内容

为了至少克服现有技术中的上述不足，本公开的目的在于提供一种基于业务大数据挖掘的信息推送方法及系统。

第一方面，本公开提供一种基于区块链安全认证的大数据挖掘方法，应用于云认证服务系统，所述云认证服务系统与所述多个区块链认证终端通信连接，所述方法包括：

获取在所述区块链认证终端和所述云认证服务系统动态双向认证通过后，为生成的认证业务传输通道分配相应的目标业务采集进程对所述认证业务传输通道进行大数据采集的业务大数据；

获取所述业务大数据在至少两个服务热点传播标签下的数据，根据所述业务大数据在至少两个服务热点传播标签下的数据，确定所述业务大数据在所述至少两个服务热点传播标签下的服务热点传播特征；

根据所述业务大数据在所述至少两个服务热点传播标签下的服务热点传播特征，得到各个所述业务大数据之间的服务传播关联参数；

根据各个所述业务大数据之间的服务传播关联参数，确定各个所述业务大数据的目标主题联动信息，并基于所述目标主题联动信息对所述区块链认证终端进行信息推送。

第二方面，本公开实施例还提供一种基于区块链安全认证的大数据挖掘装置，应用于云认证服务系统，所述云认证服务系统与多个区块链认证终端通信连接，所述云认证服务系统基于云计算平台实现，所述装置包括：

获取模块，用于获取在所述区块链认证终端和所述云认证服务系统动态双向认证通过后，为生成的认证业务传输通道分配相应的目标业务采集进程对所述认证业务传输通道进行大数据采集的业务大数据；

第一确定模块，用于获取所述业务大数据在至少两个服务热点传播标签下的数据，根据所述业务大数据在至少两个服务热点传播标签下的数据，确定所述业务大数据在所述至少两个服务热点传播标签下的服务热点传播特征；

第二确定模块，用于根据所述业务大数据在所述至少两个服务热点传播标签下的服务热点传播特征，得到各个所述业务大数据之间的服务传播关联参数；

推送模块，用于根据各个所述业务大数据之间的服务传播关联参数，确定各个所述业务大数据的目标主题联动信息，并基于所述目标主题联动信息对所述区块链认证终端进行信息推送。

第三方面，本公开实施例还提供一种基于区块链安全认证的大数据挖掘系统，所述基于区块链安全认证的大数据挖掘系统包括云认证服务系统以及与所述云认证服务系统通信连接的多个区块链认证终端；

所述云认证服务系统，用于：

获取在所述区块链认证终端和所述云认证服务系统动态双向认证通过后，为生成的认证业务传输通道分配相应的目标业务采集进程对所述认证业务传输通道进行大数据采集的业务大数据；

获取所述业务大数据在至少两个服务热点传播标签下的数据，根据所述业务大数据在至少两个服务热点传播标签下的数据，确定所述业务大数据在所述至少两个服务热点传播标签下的服务热点传播特征；

根据所述业务大数据在所述至少两个服务热点传播标签下的服务热点传播特征，得到各个所述业务大数据之间的服务传播关联参数；

根据各个所述业务大数据之间的服务传播关联参数，确定各个所述业务大数据的目标主题联动信息，并基于所述目标主题联动信息对所述区块链认证终端进行信息推送。

第四方面，本公开实施例还提供一种云认证服务系统，所述云认证服务系统包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连，所述网络接口用于与至少一个区块链认证终端通信连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以执行第一方面或者第一方面中任意一个可能的设计示例中的基于区块链安全认证的大数据挖掘方法。

第五方面，本公开实施例提供一种计算机可读存储介质，计算机可读存储介质中预设有指令，当其被执行时，使得计算机执行上述第一方面或者第一方面中任意一个可能的设计示例中的基于区块链安全认证的大数据挖掘方法。

基于上述任意一个方面，本公开根据获取的业务大数据在至少两个服务热点传播标签下的数据，确定业务大数据在至少两个服务热点传播标签下的服务热点传播特征，进而得到各个业务大数据之间的服务传播关联参数，并基于各个业务大数据之间的服务传播关联参数，确定各个业务大数据的目标主题联动信息，进而通过多个服务热点传播标签可以全面确定业务大数据之间的服务传播关联参数，使得业务数据之间的服务热点传播的确定过程更加准确，从而提高了业务数据之间的服务传播关联参数的确定准确率，进一步提高了主题联动信息的确定准确率。同时，基于准确确定的主题联动信息，有利于实现信息推送。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要调用的附图作简单地介绍，应当理解，以下附图仅示出了本公开的某些实施例，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它相关的附图。

图1为本公开实施例提供的基于区块链安全认证的大数据挖掘系统的应用场景示意图；

图2为本公开实施例提供的基于区块链安全认证的大数据挖掘方法的流程示意图；

图3为本公开实施例提供的基于区块链安全认证的大数据挖掘装置的功能模块示意图；

图4为本公开实施例提供的用于实现上述的基于区块链安全认证的大数据挖掘方法的云认证服务系统的结构组件示意框图。

具体实施方式

下面结合说明书附图对本公开进行具体说明，方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。

图1是本公开一种实施例提供的基于区块链安全认证的大数据挖掘系统10的应用场景示意图。基于区块链安全认证的大数据挖掘系统10可以包括云认证服务系统100以及与云认证服务系统100通信连接的区块链认证终端200。图1所示的基于区块链安全认证的大数据挖掘系统10仅为一种可行的示例，在其它可行的实施例中，该基于区块链安全认证的大数据挖掘系统10也可以仅包括图1所示组成部分的其中的至少部分或者还可以包括其它的组成部分。

在一种可能的设计思路中，基于区块链安全认证的大数据挖掘系统10中的云认证服务系统100和区块链认证终端200可以通过配合执行以下方法实施例所描述的基于区块链安全认证的大数据挖掘方法，具体云认证服务系统100和区块链认证终端200的执行步骤部分可以参照以下方法实施例的详细描述。

为了解决前述背景技术中的技术问题，图2为本公开实施例提供的基于区块链安全认证的大数据挖掘方法的流程示意图，本实施例提供的基于区块链安全认证的大数据挖掘方法可以由图1中所示的云认证服务系统100执行，下面对该基于区块链安全认证的大数据挖掘方法进行详细介绍。

步骤S110，获取在区块链认证终端200和云认证服务系统100动态双向认证通过后，为生成的认证业务传输通道分配相应的目标业务采集进程对认证业务传输通道进行大数据采集的业务大数据。

步骤S120，获取业务大数据在至少两个服务热点传播标签下的数据，根据业务大数据在至少两个服务热点传播标签下的数据，确定业务大数据在至少两个服务热点传播标签下的服务热点传播特征。

其中，业务大数据是指需要统计服务传播关联参数的业务数据；比如，业务大数据具体可以是支付业务大数据、直播订单业务大数据等。业务大数据可以通过安装的应用程序进行统计，例如应用程序具体可以是各种服务端的小程序、专门的应用程序等。

其中，服务热点传播标签是指用于衡量业务数据之间的服务传播关联参数的传播类型；比如，服务热点传播标签具体可以是更新服务-操作业务数据标签、业务数据-业务数据频繁项主题标签、更新服务-操作业务数据频繁项主题标签等；更新服务-操作业务数据标签用于描述更新服务是否覆盖业务数据，业务数据-业务数据频繁项主题标签用于描述业务数据中业务数据频繁项主题所占的传播联动数据，更新服务-操作业务数据频繁项主题标签用于描述更新服务是否覆盖包含业务数据频繁项主题的业务数据。数据是指业务大数据在各个服务热点传播标签下的数据，比如业务大数据在更新服务-操作业务数据标签下的数据是指更新服务与该业务大数据之间的传播联动数据，例如更新服务已覆盖该业务大数据，更新服务未覆盖该业务大数据。

需要说明的是，服务热点传播标签除了列举的更新服务-操作业务数据标签、业务数据-业务数据频繁项主题标签、更新服务-操作业务数据频繁项主题标签之外，还可以包括其它服务热点传播标签，具体本公开不做限定。至少两个服务热点传播标签可以是两个或者两个以上服务热点传播标签，具体本公开不做限定。

其中，服务热点传播特征是指业务数据编码，业务数据编码是一个指定维度的实值特征向量。

例如，云认证服务系统100根据业务大数据在至少两个服务热点传播标签下的数据，得到业务大数据在至少两个服务热点传播标签下的业务分布；对业务分布进行主题挖掘特征提取，得到业务大数据在各个服务热点传播标签下的服务热点传播特征。

步骤S130，根据业务大数据在至少两个服务热点传播标签下的服务热点传播特征，得到各个业务大数据之间的服务传播关联参数。

其中，服务传播关联参数用于描述业务数据之间的服务传播关联性；比如，业务大数据之间的服务传播关联参数越高，表示业务大数据之间的主题联动的关联性越高。

例如，云认证服务系统100根据业务大数据在至少两个服务热点传播标签下的服务热点传播特征，确定两两业务大数据在至少两个服务热点传播标签下的服务传播关联参数；根据两两业务大数据在至少两个服务热点传播标签下的服务传播关联参数，确定两两业务大数据之间的服务传播关联参数，从而得到各个业务大数据之间的服务传播关联参数。

步骤S140，根据各个业务大数据之间的服务传播关联参数，确定各个业务大数据的目标主题联动信息，并基于目标主题联动信息对区块链认证终端200进行信息推送。

其中，目标主题联动信息是指与每个业务大数据存在服务传播关系的服务传播主题；比如与每个业务大数据之间的服务传播关联参数大于80％的服务传播主题A1和服务传播主题A2，以及服务传播主题A1和服务传播主题A2之间的服务传播关系（如跳转导向关系等），由此可以基于服务传播主题A1、服务传播主题A2、服务传播主题A1和服务传播主题A2之间的服务传播关系获取服务传播主题A1和服务传播主题A2下的存在服务传播关系的主题推荐信息，并对区块链认证终端200进行信息推送。

也就是说，可以获取各个业务大数据之间的服务传播关联参数大于预设关联参数的服务传播主题，并基于每个存在服务传播关系的服务传播主题确定各个业务大数据的目标主题联动信息，基于目标主题联动信息对区块链认证终端200进行信息推送。

基于上述步骤，本公开根据获取的业务大数据在至少两个服务热点传播标签下的数据，确定业务大数据在至少两个服务热点传播标签下的服务热点传播特征，进而得到各个业务大数据之间的服务传播关联参数，并基于各个业务大数据之间的服务传播关联参数，确定各个业务大数据的目标主题联动信息；实现了通过多个服务热点传播标签，全面确定业务大数据之间的服务传播关联参数的目的，使得业务数据之间的内容服务热点传播更加准确，从而提高了业务数据之间的服务传播关联参数的确定准确率，进一步提高了主题联动信息的确定准确率。同时，基于准确确定的主题联动信息，有利于实现信息推送。

在一种可能的设计思路中，对于步骤S120中获取业务大数据在至少两个服务热点传播标签下的数据，具体包括如下步骤：

步骤S121，采集目标业务范围内的业务大数据以及更新服务订阅业务大数据的数据。

其中，更新服务订阅业务大数据的数据，是指更新服务是否覆盖业务大数据的历史记录数据。

例如，云认证服务系统100从本地缓存的历史业务大数据中确定目标业务范围内的业务数据，作为业务大数据；采集多个更新服务终端上报的更新服务订阅数据，从更新服务订阅数据中，确定目标业务范围内，更新服务订阅业务大数据的数据；这样，有利于得到目标业务范围内的业务大数据以及更新服务订阅业务大数据的具体信息。

举例说明，云认证服务系统100可以从本地数据库缓存的历史业务数据中筛选出目标业务范围内的业务数据，作为待统计业务数据，采集更新服务终端上报的更新服务订阅数据，从更新服务订阅数据中，统计目标业务范围内，更新服务订阅待统计业务数据的数据。

步骤S122，根据目标业务范围内的业务大数据以及更新服务订阅业务大数据的数据，获取目标业务范围内，业务大数据在至少两个服务热点传播标签下的数据。

例如，云认证服务系统100可以获取多个服务热点传播标签，根据服务热点传播标签对目标业务范围内的业务大数据以及更新服务订阅业务大数据的数据进行统计分析，得到目标业务范围内，业务大数据在各个服务热点传播标签下的数据。

本实施例中，通过对目标业务范围内的业务大数据以及更新服务订阅业务大数据的数据进行统计分析，得到目标业务范围内，业务大数据在各个服务热点传播标签下的数据；实现了获取目标业务范围内，业务大数据在多个服务热点传播标签下的数据的目的，便于后续从多个服务热点传播标签分析业务大数据之间的服务传播关联参数，进一步提高了主题联动信息的确定准确率。

例如，在一种可能的设计思路中，若服务热点传播标签包括第一服务热点传播标签、第二服务热点传播标签和第三服务热点传播标签；那么，步骤S122中根据目标业务范围内的业务大数据以及更新服务订阅业务大数据的数据，获取目标业务范围内，业务大数据在各个服务热点传播标签下的数据，具体包括如下步骤：

步骤S1221，根据更新服务订阅业务大数据的数据，确定目标业务范围内，更新服务与业务大数据之间的传播联动数据，作为业务大数据在第一服务热点传播标签下的数据。

其中，第一服务热点传播标签是指更新服务-操作业务数据标签，用于描述更新服务与业务大数据之间的传播联动数据，即表示更新服务是否覆盖业务大数据，反映了业务大数据在更新服务类型的关联性；业务大数据在第一服务热点传播标签下的数据可以用阵列(i，j)表示，阵列(i，j)表示更新服务i是否覆盖业务大数据j；若更新服务i已覆盖业务大数据j，则阵列(i，j)对应的阵列值等于1；若更新服务i未覆盖业务大数据j，则阵列(i，j)对应的阵列值等于0。

例如，云认证服务系统100对目标业务范围内的更新服务订阅业务大数据的数据进行分析，以判断更新服务是否覆盖业务大数据，从而得到更新服务与业务大数据之间的传播联动数据；将更新服务与业务大数据之间的传播联动数据映射成对应的阵列，并将该阵列作为目标业务范围内，该业务大数据在第一服务热点传播标签下的数据。

举例说明，云认证服务系统100将更新服务用i表示，将待统计业务数据用j表示，统计更新服务i与待统计业务数据j之间的关系；将更新服务i与待统计业务数据j之间的关系映射成对应的阵列(i，j)，并将该阵列(i，j)作为目标业务范围内，该待统计业务数据在第一服务热点传播标签下的数据。

步骤S1222，从业务大数据中提取出频繁项主题。

其中，频繁项主题是指用于描述业务大数据的频繁项信息；比如一个描述某个支付过程的业务大数据中，频繁项主题是指支付对象、支付场景等。每一个业务大数据中包含一个或者多个频繁项主题。

步骤S1223，获取目标业务范围内，频繁项主题在业务大数据中的传播联动数据，将传播联动数据识别为业务大数据在第二服务热点传播标签下的数据。

其中，第二服务热点传播标签是指业务数据-业务数据频繁项主题标签，用于描述业务数据频繁项主题在业务大数据中所占的传播联动数据，反映了业务大数据之间在内容语义方面上的关联性；业务大数据在第二服务热点传播标签下的数据可以用阵列(i，j)表示，阵列(i，j)表示业务大数据i中频繁项主题j的传播联动数据；若业务大数据i中频繁项主题j的传播联动数据为k，则阵列(i，j)对应的阵列值等于k；若业务大数据i中频繁项主题j的传播联动数据为0，则阵列(i，j)对应的阵列值等于0。

例如，云认证服务系统100对目标业务范围内的业务大数据进行分析，以统计提取出的频繁项主题在业务大数据中所占的传播联动数据；将频繁项主题在业务大数据中所占的传播联动数据映射成对应的阵列，并将该阵列作为目标业务范围内，该业务大数据在第二服务热点传播标签下的数据。

举例说明，云认证服务系统100将待统计业务数据用i表示，将频繁项主题用j表示，统计待统计业务数据i中频繁项主题j中所占的传播联动数据；将待统计业务数据i中频繁项主题j中所占的传播联动数据映射成对应的阵列(i，j)，并将该阵列(i，j)作为目标业务范围内，该待统计业务数据在第二服务热点传播标签下的数据。

步骤S1224，根据目标业务范围内，更新服务与业务大数据之间的传播联动数据，以及频繁项主题在业务大数据中的传播联动数据，确认更新服务与频繁项主题在业务大数据中的传播联动数据，作为业务大数据在第三服务热点传播标签下的数据。

其中，第三服务热点传播标签是指更新服务-操作业务数据频繁项主题标签，用于描述更新服务与频繁项主题在业务大数据中的传播联动数据，即表示更新服务是否覆盖包含频繁项主题的业务大数据，反映了频繁项主题在更新服务类型的关联性；业务大数据在第三服务热点传播标签下的数据可以用阵列(i，j)表示，阵列(i，j)表示更新服务i是否覆盖包含频繁项主题j的业务大数据；若更新服务i已覆盖包含频繁项主题j的业务大数据，则阵列(i，j)对应的阵列值等于已覆盖的业务大数据中，频繁项主题j所占的传播联动数据；若更新服务i未覆盖包含频繁项主题j的业务大数据，则阵列(i，j)对应的阵列值等于0。

需要说明的是，若更新服务已覆盖的业务大数据中，对应的频繁项主题j所占的传播联动数据不同，则采取频繁项主题j所占的传播联动数据的最大值，作为阵列(i，j)对应的阵列值。

例如，云认证服务系统100对目标业务范围内的更新服务与业务大数据之间的传播联动数据，以及频繁项主题在业务大数据中的传播联动数据进行分析，以判断更新服务是否覆盖包含频繁项主题的业务大数据，从而得到更新服务与频繁项主题在业务大数据中的传播联动数据；将更新服务与频繁项主题在业务大数据中的传播联动数据映射成对应的阵列，并将该阵列作为目标业务范围内，该业务大数据在第三服务热点传播标签下的数据。

举例说明，云认证服务系统100将更新服务用i表示，将频繁项主题用j表示，统计更新服务i与频繁项主题j在待统计业务数据中的传播联动数据；将更新服务i与频繁项主题j在待统计业务数据中的传播联动数据映射成对应的阵列(i，j)，并将该阵列(i，j)作为目标业务范围内，该待统计业务数据在第三服务热点传播标签下的数据。

本实施例中，通过对目标业务范围内的业务大数据以及更新服务订阅业务大数据的数据进行分析，可以得到目标业务范围内，业务大数据在各个服务热点传播标签下的数据；有利于后续从多个服务热点传播标签分析业务大数据之间的服务传播关联参数，进一步提高了主题联动信息的确定准确率。

在一种可能的设计思路中，步骤S120根据业务大数据在至少两个服务热点传播标签下的数据，确定业务大数据在至少两个服务热点传播标签下的服务热点传播特征，具体可以包括如下步骤：

步骤S123，根据业务大数据在至少两个服务热点传播标签下的数据，构建业务大数据在至少两个服务热点传播标签下的业务分布。

其中，业务分布是指由业务大数据在服务热点传播标签下的数据对应的阵列的阵列值所构成的业务分布；比如，在更新服务-操作业务数据标签下，以更新服务i作为横阵列，以业务大数据j作为纵阵列，那么基于阵列(i，j)得到的业务分布为|(i，j)|。

例如，云认证服务系统100对业务大数据在至少两个服务热点传播标签下的数据进行解析，得到业务大数据在至少两个服务热点传播标签下的阵列；获取业务大数据在同一服务热点传播标签下的阵列对应的阵列值，并将各个阵列值进行组合，得到业务大数据在该服务热点传播标签下的业务分布，从而得到业务大数据在至少两个服务热点传播标签下的业务分布。

举例说明，在更新服务-操作业务数据标签下，若更新服务1覆盖过业务数据1，未覆盖过业务数据2，以及更新服务2覆盖过业务数据2，未覆盖过业务数据1，那么(1,1)＝1，(1,2)＝0，(2,1)＝0，(2,2)＝1，那么由(1,1)、(1,2)、(2,1)、(2,2)组成的业务分布为：将该业务分布识别为业务数据1、业务数据2在更新服务-操作业务数据标签下的业务分布。需要说明的是，基于业务数据-业务数据频繁项主题标签或者更新服务-操作业务数据频繁项主题标签下的数据组成对应类型下的业务分布的过程同上述一致，在此不再赘述。

步骤S124，对业务分布进行主题挖掘特征提取，得到业务大数据在至少两个服务热点传播标签下的服务热点传播特征。

例如，考虑到业务大数据在每个服务热点传播标签下的业务分布，均是由两个对象组成的阵列的阵列值构成；那么，云认证服务系统100分别对业务大数据在各个服务热点传播标签下的业务分布进行业务分布主题挖掘特征提取，得到业务大数据在各个服务热点传播标签下的多个对象编码，从多个对象编码中筛选出服务热点传播特征或者通过对对象编码进行处理得到服务热点传播特征，并将该服务热点传播特征作为业务大数据在对应服务热点传播标签下的服务热点传播特征。

举例说明，在更新服务-操作业务数据标签下，得到的对象编码为更新服务描述和业务数据编码，更新服务描述和业务数据编码均是一个指定维度的实值向量；将业务数据编码作为业务大数据在更新服务-操作业务数据标签下的服务热点传播特征。在更新服务-操作业务数据频繁项主题标签下，得到的对象编码为更新服务描述和业务数据频繁项主题描述，更新服务描述和业务数据频繁项主题描述均是一个指定维度的实值向量；将业务数据频繁项主题描述进行加权处理，得到对应的业务数据编码，将该业务数据编码作为业务大数据在更新服务-操作业务数据频繁项主题标签下的服务热点传播特征。

本实施例中，通过对业务大数据在至少两个服务热点传播标签下的数据进行分析，可以得到业务大数据在至少两个服务热点传播标签下的服务热点传播特征，便于后续基于服务热点传播特征得到各个业务大数据之间的服务传播关联参数。

在一种可能的设计思路中，步骤S123中根据业务大数据在至少两个服务热点传播标签下的数据，构建业务大数据在至少两个服务热点传播标签下的业务分布，具体包括如下步骤：

步骤S1231，分别根据业务大数据在至少两个服务热点传播标签下的数据，构建第一业务分布、第二业务分布以及第三业务分布；第一业务分布用于表示更新服务描述以及服务热点传播特征之间的关系，第二业务分布用于表示服务热点传播特征与频繁项主题描述之间的关系，第三业务分布用于表示更新服务描述以及频繁项主题描述之间的关系。

例如，云认证服务系统100根据业务大数据在第一服务热点传播标签下的数据，构建第一业务分布；根据业务大数据在第二服务热点传播标签下的数据，构建第二业务分布；根据业务大数据在第三服务热点传播标签下的数据，构建第三业务分布。

步骤S1232，将第一业务分布、第二业务分布以及第三业务分布分别识别为业务大数据在至少两个服务热点传播标签下的业务分布。

本实施例中，根据业务大数据在至少两个服务热点传播标签下的数据，构建业务大数据在至少两个服务热点传播标签下的业务分布，有利于后续对业务分布进行主题挖掘特征提取，得到业务大数据在至少两个服务热点传播标签下的服务热点传播特征。

在一种可能的设计思路中，若业务分布为第一业务分布或者第二业务分布，那么，步骤S1232中对业务分布进行主题挖掘特征提取，得到业务大数据在至少两个服务热点传播标签下的服务热点传播特征，包括：将业务分布进行主题挖掘特征提取，得到服务热点传播特征，作为业务大数据在对应服务热点传播标签下的服务热点传播特征。

例如，云认证服务系统100将第一业务分布进行主题挖掘特征提取，得到更新服务描述和服务热点传播特征，将服务热点传播特征作为业务大数据在第一服务热点传播标签下的服务热点传播特征；将第二业务分布进行主题挖掘特征提取，得到服务热点传播特征和频繁项主题描述，将服务热点传播特征作为业务大数据在第二服务热点传播标签下的服务热点传播特征。这样，实现了获取业务大数据在第一服务热点传播标签和第二服务热点传播标签下的服务热点传播特征的目的。

在另一种可能的设计思路中，若业务分布为第三业务分布，那么，步骤S1232中对业务分布进行主题挖掘特征提取，得到业务大数据在至少两个服务热点传播标签下的服务热点传播特征，具体包括如下步骤：

（1）将业务分布进行主题挖掘特征提取，得到业务大数据中的频繁项主题描述。

例如，云认证服务系统100对第三业务分布进行主题挖掘特征提取，得到更新服务描述以及业务大数据中的频繁项主题描述。

（2）获取频繁项主题在业务大数据中的传播联动数据，作为频繁项主题描述对应的传播联动数据。

（3）根据频繁项主题描述以及对应的传播联动数据，得到服务热点传播特征，作为业务大数据在对应服务热点传播标签下的服务热点传播特征。

举例说明，业务大数据中包含频繁项主题1、频繁项主题2、频繁项主题3，频繁项主题1、频繁项主题2、频繁项主题3对应的传播联动数据分别为w1、w2、w3，对应的频繁项主题描述分别为v1、v2、v3，则业务大数据在对应服务热点传播标签下的服务热点传播特征为：w1×v1+w2×v2+w3×v3。

本实施例中，在业务分布为第三业务分布的情况下，通过对业务分布主题挖掘特征提取得到的频繁项主题描述进行加权组合，可以得到业务大数据对应的服务热点传播特征，实现了对业务大数据对应的频繁项主题描述进行处理，以得到单个业务大数据对应的服务热点传播特征的目的。

在一种可能的设计思路中，步骤S130中根据业务大数据在至少两个服务热点传播标签下的服务热点传播特征，得到各个业务大数据之间的服务传播关联参数，具体包括如下步骤：

步骤S131，根据业务大数据在至少两个服务热点传播标签下的服务热点传播特征，计算两两业务大数据在至少两个服务热点传播标签下的服务传播关联参数。

其中，服务传播关联参数是指业务大数据之间的余弦相似度，用于描述任意两个业务大数据在对应服务热点传播标签下的内容关联性，可以通过业务大数据之间的余弦相似度表示。

举例说明，业务数据1在第一服务热点传播标签下的服务热点传播特征为v1，业务数据2在第一服务热点传播标签下的服务热点传播特征为v2，那么业务数据1与业务数据2在第一服务热点传播标签下的服务传播关联参数为：

需要说明的是，两两业务大数据在其它服务热点传播标签下的服务传播关联参数可以基于上述方式计算，在此不再赘述。

步骤S132，根据两两业务大数据在至少两个服务热点传播标签下的服务传播关联参数，得到各个业务大数据之间的服务传播关联参数。

在本实施例中，通过两两业务大数据在至少两个服务热点传播标签下的服务传播关联参数，得到各个业务大数据之间的服务传播关联参数，实现了通过多个服务热点传播标签计算各个业务大数据之间的服务传播关联参数的目的，从而提高了业务数据之间的服务传播关联参数的确定准确率，有利于后续准确地确定业务大数据的主题联动信息，进一步提高了主题联动信息的确定准确率。

在一种可能的设计思路中，步骤S132中根据两两业务大数据在至少两个服务热点传播标签下的服务传播关联参数，得到各个业务大数据之间的服务传播关联参数，具体包括如下步骤：

步骤S1321，根据两两业务大数据在至少两个服务热点传播标签下的服务传播关联参数，计算各个服务传播关联参数之间的服务交互联系信息。

其中，服务交互联系信息是指两个服务传播关联参数的交叉项，比如服务传播关联参数a和服务传播关联参数b的服务交互联系信息为a×b。

步骤S1322，获取各个服务传播关联参数的传播联动数据以及各个服务交互联系信息的传播联动数据。

其中，各个服务传播关联参数的传播联动数据以及各个服务交互联系信息的传播联动数据是基于历史业务大数据训练得到的。

步骤S1323，根据各个服务传播关联参数以及对应的传播联动数据、各个服务交互联系信息以及对应的传播联动数据，计算得到各个业务大数据之间的服务传播关联参数。

例如，云认证服务系统100分别计算各个服务传播关联参数与对应的传播联动数据的乘积，以及各个服务交互联系信息与对应的传播联动数据的乘积，将各个服务传播关联参数与对应的传播联动数据的乘积、各个服务交互联系信息与对应的传播联动数据的乘积进行相加，得到两两业务大数据之间的服务传播关联参数，从而得到各个业务大数据之间的服务传播关联参数。

进一步地，为了便于计算业务大数据之间的服务传播关联参数，以及提高业务大数据之间的服务传播关联参数的确定准确性，根据两两业务大数据在各个服务热点传播标签下的服务传播关联参数，计算各个服务传播关联参数之间的服务交互联系信息，还可以包括：将两两业务大数据在至少两个服务热点传播标签下的服务传播关联参数进行离散化处理，得到两两业务大数据在至少两个服务热点传播标签下的服务传播关联参数离散值；计算各个服务传播关联参数离散值之间的服务交互联系信息离散值。

举例说明，业务数据1和业务数据2在三个服务热点传播标签下的服务传播关联参数为分别为0.6、0.7、0.5，通过下述十等分离散化公式计算服务传播关联参数扩大10倍后的四舍五入值，则得到的服务传播关联参数离散值分别为6、7、5。那么，服务传播关联参数离散值6、服务传播关联参数离散值7之间的服务交互联系信息离散值为6×7。

例如，十等分离散化公式如下所示：

round(max(X×10,0))；

其中，X为服务传播关联参数，round为四舍五入运算。需要说明的是，小于0的服务传播关联参数的服务传播关联参数离散值为0，那么两个业务数据在一个服务热点传播标签下的服务传播关联参数总共有11个值，分别为0到10。

在另一种可能的设计思路中，步骤S132中根据两两业务大数据在至少两个服务热点传播标签下的服务传播关联参数，得到各个业务大数据之间的服务传播关联参数，具体包括如下步骤：

（1）将两两业务大数据在至少两个服务热点传播标签下的服务传播关联参数输入预先训练的机器学习网络。

其中，机器学习网络是指因子分解取机模型；相对于线性回归模型，引入了二元交叉项，考虑了两个服务传播关联参数交叉组合对回归准确性的影响。

（2）通过机器学习网络，确认各个服务传播关联参数之间的服务交互联系信息；获取各个服务传播关联参数的传播联动数据以及各个服务交互联系信息的传播联动数据；根据各个服务传播关联参数以及对应的传播联动数据、各个服务交互联系信息以及对应的传播联动数据，计算得到各个业务大数据之间的服务传播关联参数。

在本实施例中，云认证服务系统100将两两业务大数据在各个服务热点传播标签下的服务传播关联参数输入预先训练的机器学习网络，通过机器学习网络计算得到各个业务大数据之间的服务传播关联参数，充分考虑服务传播关联参数的服务交互联系信息，进一步提高了业务大数据之间的服务传播关联参数的确定准确率。

在一种可能的设计思路中，机器学习网络通过如下步骤训练得到：

（1）获取标注样本在至少两个服务热点传播标签下的服务传播关联参数以及对应的第一传播联动数据、各个服务传播关联参数之间的服务交互联系信息以及对应的第二传播联动数据、各个标注样本之间的实际服务传播关联参数。

其中，标注样本是指历史业务数据，实际服务传播关联参数可以通过两个业务数据在当前业务范围的真实共现(即业务倾向值)表示。业务倾向值可以通过支持度表示，比如，统计得到的1000个业务数据集合中，业务数据1和业务数据2被共同传播联动了800次，则业务倾向值为800/1000＝0.8，那么两个业务数据在当前时间段的业务倾向值为0.8，即两个业务数据之间的实际服务传播关联参数为0.8。

（2）根据标注样本在至少两个服务热点传播标签下的服务传播关联参数以及对应的第一传播联动数据、各个服务传播关联参数之间的服务交互联系信息以及对应的第二传播联动数据，对机器学习网络进行训练，得到训练后的机器学习网络。

例如，云认证服务系统100通过不同标注样本在至少两个服务热点传播标签下的服务传播关联参数以及对应的第一传播联动数据、各个服务传播关联参数之间的服务交互联系信息以及对应的第二传播联动数据，对机器学习网络进行训练。

（3）获取训练后的机器学习网络输出的服务传播关联参数与对应的实际服务传播关联参数之间的损失参数分布。

（4）当损失参数分布大于或等于预设阈值时，根据损失参数分布调整第一传播联动数据和第二传播联动数据，并根据调整后的第一传播联动数据和第二传播联动数据，对机器学习网络进行反复训练，直至根据训练后的机器学习网络得到的损失参数分布小于预设阈值。

例如，在测试误差大于或等于预设阈值的情况下，云认证服务系统100不断调整机器学习网络中的第一传播联动数据和第二传播联动数据，以对机器学习网络进行反复训练，直至根据训练后的机器学习网络得到的损失参数分布小于预设阈值，将当前的机器学习网络作为训练后的机器学习网络。

在本实施例中，云认证服务系统100通过对机器学习网络进行反复训练，可以提高机器学习网络预测得到的业务数据之间的服务传播关联参数的准确率，进一步提高了业务数据之间的服务传播关联参数的确定准确率。

在一种可能的设计思路中，针对步骤S110，可以通过以下示例性的具体步骤实现，详细描述如下。

步骤S111，获取目标认证事件在第一业务动态环境下的第一认证事件特征分布。

在一种可能的设计示例中，目标认证事件可以在不同的业务动态环境下对应有不同的认证事件特征分布，业务动态环境具体可以为业务应用服务，此时目标认证事件具体可以采用目标认证事件在业务应用服务中的业务认证资源来表示，即在目标认证事件使用不同的业务应用服务时，业务应用服务中用以表示目标认证事件的特征的特征分布不同，其中，认证事件特征分布具体可以为认证事件在业务动态环境中的加密调用特征的特征分布表示，当业务动态环境为业务应用服务时，加密调用特征具体可以为认证事件对于业务应用服务中各个加密策略节点的访问加密调用特征，具体可以基于认证事件对于不同类型对象的访问加密次数、访问加密协议等确定。则第一认证事件特征分布即为在第一业务动态环境下用于表示目标认证事件的加密调用特征的特征分布，该第一认证事件特征分布具体可以用于后续确定认证事件对于第一业务动态环境中待加密策略调用的各个加密策略节点的加密调用特征度，并对加密调用特征度高的对象在第一业务动态环境中进行加密策略调用。

其中，第一业务动态环境具体可以指代任意一个业务动态环境，用于与第二业务动态环境形成区分，在第一业务动态环境中，具体以第一认证事件特征分布在表示目标认证事件，云认证服务系统100可以获取目标认证事件在第一业务动态环境下的第一认证事件特征分布，例如，第一业务动态环境为第一业务应用服务，则云认证服务系统100可以从第一业务应用服务的后台服务器中获取到目标认证事件对应的第一认证事件特征分布，其中，业务应用服务可以为在线新媒体应用服务、支付应用服务、直播应用服务等。

步骤S112，调用策略决策网络对第一认证事件特征分布进行决策，得到目标认证事件在第二业务动态环境下的第二认证事件特征分布。

在一种可能的设计示例中，云认证服务系统100获取到目标认证事件在第一业务动态环境下的第一认证事件特征分布之后，可以调用策略决策网络对第一认证事件特征分布进行决策，得到目标认证事件在第二业务动态环境下的第二认证事件特征分布。

在一种可能的设计示例中，目标认证事件可以在第二业务动态环境下无业务动态关联数据或只有少量业务动态关联数据，即无法基于目标认证事件在第二业务动态环境中的访问信息进行数据分析，进而准确确定目标认证事件在第二业务动态环境下的认证事件特征分布。此时，云认证服务系统100则可以调用策略决策网络对目标认证事件在第一业务动态环境下的第一认证事件特征分布进行决策，以得到目标认证事件在第二业务动态环境下的第二认证事件特征分布。其中，第二认证事件特征分布具体用于表示目标认证事件在第二业务动态环境下的加密调用特征，并用于后续确定认证事件对于第二业务动态环境中待加密策略调用的各个加密策略节点的加密调用特征度，以及对加密调用特征度高的对象在第二业务动态环境中进行加密策略调用。

在一种可能的设计示例中，目标认证事件在第二业务动态环境下无业务动态关联数据，则云认证服务系统100可以调用策略决策网络对第一认证事件特征分布进行决策，并将决策得到的特征分布作为目标认证事件在第二业务动态环境下的第二认证事件特征分布。在一种可能的设计示例中，目标认证事件在第二业务动态环境下存在业务动态关联数据，则云认证服务系统100可以调用策略决策网络对第一认证事件特征分布进行决策，得到第三认证事件特征分布，并获取到基于业务动态关联数据决策得到的第四认证事件特征分布，云认证服务系统100将第三认证事件特征分布和第四认证事件特征分布进行融合，得到目标认证事件在第二业务动态环境下的第二认证事件特征分布。其中，融合(Fusion)是指结合在一起，融合的方式可以参见现有技术的常见融合算法即可，在此不做限定。例如可以是拼接或者加权相加的至少一种。例如可以是进行拼接，将拼接得到的结果输入到融合模型中进行处理，融合模型例如可以是多层感知机模型、循环神经网络模型或者卷积神经网络模型等。例如，融合模型可以包括P个聚合器，每个聚合器透过MLP(multilayerperceptron，多层感知机)来混合两种不同的异质特征(heterogeneousfeatures)，即目标文本编码向量与目标实体对应的目标知识表示向量，P的个数可以根据需要设置。

需要说明的是，策略决策网络为通过示例特征分布对标的策略决策网络训练得到，示例特征分布包括示例认证事件清单在第一业务动态环境下的第一示例特征分布和在第二业务动态环境下的目标示例特征分布；标的策略决策网络为通过M个标的特征分布对初始策略决策网络训练得到，M个标的特征分布包括收集认证事件清单在M个业务动态环境中每个业务动态环境下的标的特征分布，M为正整数。标的策略决策网络的训练过程包括多次对标的策略决策网络的网络传播联动数据信息的迭代更新，每次对网络传播联动数据信息的迭代更新过程，为对标的策略决策网络的网络传播联动数据信息和N组更新参考参数决策过程，更新参考参数为基于一组子示例认证事件特征分布序列训练得到，每组子示例认证事件特征分布序列为，N组子示例认证事件清单中任意一组子示例认证事件清单对应的特征分布，N组子示例认证事件清单为基于示例认证事件清单查找得到。

需要说明的是，策略决策网络的训练过程具体如下，云认证服务系统100获取示例认证事件清单，从示例认证事件清单中查找出N组子示例认证事件清单，并从示例特征分布确定出每组子示例认证事件清单对应的特征分布，每组子示例认证事件清单对应的特征分布包括每组子示例认证事件清单在第一业务动态环境下的第一子示例特征分布和在第二业务动态环境下的目标子示例特征分布；云认证服务系统100基于每组子示例认证事件清单对应的特征分布对标的策略决策网络进行网络配置，得到N个更新参考参数；基于N个更新参考参数对标的策略决策网络中的网络传播联动数据信息进行更新；若网络传播联动数据信息更新后的标的策略决策网络满足预设条件，则将网络传播联动数据信息更新后的标的策略决策网络确定为策略决策网络，预设条件包括标的策略决策网络对于每组子示例认证事件清单对应的特征分布中各个特征分布的策略决策精度高于预设精度。

在一种可能的设计示例中，云认证服务系统100基于N组子示例认证事件清单中的任意一组目标子示例认证事件清单对应的特征分布对标的策略决策网络进行网络配置的方式包括：云认证服务系统100对目标子示例认证事件清单进行拆分处理，得到第一目标子示例认证事件清单和第二目标子示例认证事件清单，目标子示例认证事件清单为N组子示例认证事件清单中的任意一组子示例认证事件清单，云认证服务系统100获取第一目标子示例认证事件清单对应的第一特征分布，以及第二目标子示例认证事件清单对应的第二特征分布，云认证服务系统100基于第一特征分布对标的策略决策网络进行网络配置，得到第一调整参考参数，并基于第一调整参考参数将标的策略决策网络的网络传播联动数据信息由初始传播联动数据信息更新为目标传播联动数据信息；基于第二特征分布对网络传播联动数据信息更新为目标传播联动数据信息后的标的策略决策网络进行网络配置，得到第二调整参考参数；云认证服务系统100基于第二调整参考参数和初始传播联动数据信息确定目标子示例认证事件清单对应的目标更新参考参数。

其中，第一特征分布包括第一目标子示例认证事件清单在第一业务动态环境下的第一目标认证事件特征分布序列，以及第一目标子示例认证事件清单在第二业务动态环境下的第三认证事件特征分布序列；云认证服务系统100基于第一特征分布对标的策略决策网络进行网络配置，得到第一调整参考参数的具体方式可以为，云认证服务系统100调用标的策略决策网络对第一目标认证事件特征分布序列进行决策，得到第一决策示例特征分布，并计算第一决策示例特征分布与第三认证事件特征分布序列之间的均方误差，以及将均方误差作为第一调整参考参数。

第二特征分布包括第二目标子示例认证事件清单在第一业务动态环境下的第二目标认证事件特征分布序列，以及在第二业务动态环境下的第四认证事件特征分布序列，云认证服务系统100基于第二特征分布对网络传播联动数据信息更新为目标传播联动数据信息后的标的策略决策网络进行网络配置，得到第二调整参考参数的具体方式可以为，云认证服务系统100调用参数更新后的标的策略决策网络对第二目标认证事件特征分布序列进行决策，得到第二决策示例特征分布，并计算第二决策示例特征分布与第四认证事件特征分布序列之间的均方误差，以及将均方误差作为第二调整参考参数。

云认证服务系统100基于第二调整参考参数和初始传播联动数据信息确定目标子示例认证事件清单对应的目标更新参考参数的具体方式可以为，云认证服务系统100基于第二调整参考参数对初始传播联动数据信息进行二阶求偏导处理，得到目标子示例认证事件清单对应的目标更新参考参数，该目标更新参考参数即为对标的策略决策网络中的网络传播联动数据信息进行更新的N个更新参考参数中的一个。

云认证服务系统100基于N个更新参考参数对标的策略决策网络中的网络传播联动数据信息进行更新的具体方式可以为，云认证服务系统100对N个更新参考参数进行融合，得到融合参考参数；并获取融合参考参数对应的传播联动数据，以及采用传播联动数据对融合参考参数进行加权处理，得到加权参考参数，云认证服务系统100将标的策略决策网络中的网络传播联动数据信息由初始传播联动数据信息更新为，初始传播联动数据信息与加权参考参数之间的差值。上述方式中，采用不同的组合方式对示例认证事件进行组合，得到多个子示例认证事件清单，以及以子示例认证事件清单为训练单位完成对网络传播联动数据信息的更新，可以提升示例数据的数量，实现了对示例的扩充，解决了网络配置过程中相关性强的示例数据较少的问题。

还需要说明的是，云认证服务系统100通过收集认证事件清单在M个业务动态环境下的M个标的特征分布对初始策略决策网络进行网络配置，得到标的初始化网络的具体方式可以为，云认证服务系统100获取收集认证事件清单；确定收集认证事件清单在M个业务动态环境中每个业务动态环境下的标的特征分布，得到M个标的特征分布；云认证服务系统100对M个标的特征分布进行组合，得到M个特征分布组合，每个特征分布组合中包括M个标的特征分布中任意两组标的特征分布，并通过M个特征分布组合中各个特征分布组合对初始策略决策网络进行网络配置，得到标的策略决策网络，其中，M为正整数。

在一种可能的设计示例中，云认证服务系统100通过M个特征分布组合中各个特征分布组合对初始策略决策网络进行网络配置，得到标的策略决策网络的具体方式可以为，云认证服务系统100通过M个特征分布组合中第一特征分布组合对初始策略决策网络进行网络配置，以对初始策略决策网络中的参数进行更新，第一特征分布组合中包括第一标的特征分布和第一对比特征分布，第一标的特征分布为收集认证事件清单在第一训练业务动态环境下的特征分布，第一对比特征分布为收集认证事件清单在第一测试业务动态环境下的特征分布；若参数更新后的初始策略决策网络对第一标的特征分布的第一策略决策精度高于预设精度，则通过M个特征分布组合中第二特征分布组合对参数更新后的初始策略决策网络进行网络配置，得到第一初始策略决策网络，第一策略决策精度由初始策略决策网络对第一标的特征分布进行决策得到的第一决策特征分布与第一对比特征分布之间的相关性参数确定，第二特征分布组合中包括第二标的特征分布和第二对比特征分布，第二标的特征分布为收集认证事件清单在第二训练业务动态环境下的特征分布，第二对比特征分布为收集认证事件清单在二测试业务动态环境下的特征分布；若第一初始策略决策网络对第二标的特征分布的第二策略决策精度高于预设精度，则将第一初始策略决策网络确定为标的策略决策网络，第二策略决策精度由第一初始策略决策网络对第二标的特征分布进行决策得到的第二决策特征分布与第二对比特征分布之间的相关性参数确定。其中，特征分布间的相关性参数具体可以由特征分布之间的均方误差确定，相关性参数具体随均方误差的增加而减小。需要说明的是，第二特征分布组合中特征分布的数量可以远低于第一特征分布组合中示例的数量，通过上述二次训练的方式，可以校验模型是否具备较好的迁移能力，即能否通过采用少量示例对参数更新后的初始策略决策网络进行网络配置，使得模型也能达到较高的策略决策精度。

上述提及了采用M个特征分布组合中两个特征分布组合对初始策略决策网络的训练过程，实际应用中，可以采用上述方式完成对于M个特征分布组合的训练，如在确定第一初始策略决策网络对第二标的特征分布的第二策略决策精度高于预设精度之后，还可以通过M个特征分布组合中第三特征分布组合对第一初始策略决策网络进行网络配置，得到参数更新后的第一初始策略决策网络。上述方式可以使得初始策略决策网络中的部分参数调为更优。

其中，在通过M个特征分布组合中任一个特征分布组合对初始网络配置的过程中，包括多次对初始策略决策网络的网络传播联动数据信息的迭代更新，每次对网络传播联动数据信息的迭代更新过程，为对初始策略决策网络的网络传播联动数据信息和N组更新参考参数决策过程，更新参考参数为基于一组子收集认证事件特征分布序列训练得到，每组子收集认证事件特征分布序列为，N组子收集认证事件清单中任意一组子收集认证事件清单对应的特征分布，N组子收集认证事件清单为基于收集认证事件清单查找得到。

步骤S113，云认证服务系统100根据第二认证事件特征分布为目标认证事件获取加密策略调用信息，并将加密策略调用信息在第二业务动态环境下进行加密策略调用。

在一种可能的设计示例中，云认证服务系统100调用策略决策网络对第一认证事件特征分布进行决策，得到目标认证事件在第二业务动态环境下的第二认证事件特征分布之后，可以根据第二认证事件特征分布为目标认证事件获取加密策略调用信息，并将加密策略调用信息在第二业务动态环境下进行加密策略调用。

在一种可能的设计示例中，云认证服务系统100得到目标认证事件在第二业务动态环境下的第二认证事件特征分布的具体方式可以为，云认证服务系统100获取待加密策略调用的加密策略节点集合中各个加密策略节点在第二业务动态环境下的加密策略参数，并基于第二认证事件特征分布和各个加密策略参数，确定针对待加密策略调用的加密策略节点集合中各个加密策略节点的加密策略调用指标；基于各个加密策略节点的加密策略调用指标从待加密策略调用的加密策略节点集合查找出至少一个目标加密策略节点作为针对目标认证事件的加密策略调用信息；并基于加密策略调用指标与加密策略调用方式的对应关系，确定针对加密策略调用信息中目标加密策略节点的目标加密策略调用方式，云认证服务系统100基于目标加密策略调用方式将目标加密策略节点在第二业务动态环境中进行加密策略调用。其中，加密策略调用方式包括加密策略调用顺序、加密策略调用时长和加密策略调用频率中的至少一种，加密策略调用指标与加密策略调用方式的对应关系可以为，加密策略调用指标越高，加密策略调用顺序越靠前、加密策略调用时长越长且加密策略调用频率越高。

需要说明的是，待加密策略调用的加密策略节点集合中各个加密策略节点的加密策略调用指标的具体确定方式可以为，云认证服务系统100对第二认证事件特征分布和各个加密策略参数分别进行点积决策，得到每个加密策略节点对应的点积值；并将各个加密策略节点对应的点积值确定为针对待加密策略调用的加密策略节点集合中各个加密策略节点的加密策略调用指标。通过上述方式，可以更加智能的为认证事件加密策略调用相应的信息，使得加密策略调用的信息与认证事件加密调用特征更为匹配。

在一种可能的设计示例中，云认证服务系统100根据第二认证事件特征分布为目标认证事件获取加密策略调用信息，并将加密策略调用信息在第二业务动态环境下进行加密策略调用之前，还将获取目标认证事件在参照业务动态环境下的参照认证事件特征分布，云认证服务系统100调用参照策略决策网络对参照认证事件特征分布进行决策，得到目标认证事件在第二业务动态环境下的第三认证事件特征分布，参照策略决策网络为通过示例认证事件清单在参照业务动态环境下的参照示例特征分布以及在第二业务动态环境下的目标示例特征分布对标的策略决策网络训练得到；若第三认证事件特征分布与第二认证事件特征分布之间的相关性参数大于预设相关性参数，则根据第二认证事件特征分布为目标认证事件获取加密策略调用信息。在一种可能的设计示例中，若第三认证事件特征分布与第二认证事件特征分布之间的相关性参数小于预设相关性参数，则将第三认证事件特征分布与第二认证事件特征分布进行融合，得到目标特征分布，并基于根据目标特征分布为目标认证事件获取加密策略调用信息。

其中，参照业务动态环境可以为与第二业务动态环境具有关联性的已有的业务动态环境，通过校验基于参照业务动态环境决策得到的第三认证事件特征分布与基于第一业务动态环境决策得到的第二认证事件特征分布进行比较，提供了对于第二认证事件特征分布的一致性校验方式，当基于不同业务动态环境决策得到的目标认证事件在第二业务动态环境中的不同特征分布表示之间的相关性参数低时，确定基于第一业务动态环境决策得到的第二认证事件特征分布的置信度较低，需要采用其它方式重新获取第二认证事件特征分布，当基于不同业务动态环境决策得到的目标认证事件在第二业务动态环境中的不同特征分布表示之间相关性参数高时，确定第二认证事件特征分布的置信度较高，即可根据第二认证事件特征分布为目标认证事件获取加密策略调用信息，实现了对第二认证事件特征分布的置信度校验。

在一种可能的设计示例中，云认证服务系统100获取目标认证事件在第一业务动态环境下的第一认证事件特征分布，并调用策略决策网络对第一认证事件特征分布进行决策，得到目标认证事件在第二业务动态环境下的第二认证事件特征分布，根据第二认证事件特征分布为目标认证事件获取加密策略调用信息，并将加密策略调用信息在第二业务动态环境下进行加密策略调用。其中，策略决策网络的训练过程包括多次对网络传播联动数据信息的迭代更新，每次对网络传播联动数据信息的迭代更新过程，为对策略决策网络的网络传播联动数据信息和N个更新参考参数的决策过程，一个更新参考参数为基于一组子示例认证事件特征分布序列训练得到。通过分组迭代训练的方式得到策略决策网络，并基于策略决策网络确定对认证事件进行加密策略调用的对象，提升了信息加密策略调用的准确性。

基于上述描述，本公开实施例提供一种策略决策网络的训练方法，该策略决策网络训练过程可以通过以下示例性的步骤实现。

步骤S210，云认证服务系统100获取示例认证事件清单。

在一种可能的设计示例中，示例认证事件清单中各个示例认证事件在第一业务动态环境和第二业务动态环境下均有业务动态关联数据，业务动态环境可以为业务应用服务、业务微服务等，如业务动态环境为业务应用服务，则示例认证事件清单中各个示例认证事件同时使用过第一业务应用服务和第二业务应用服务，即与第一业务应用服务和第二业务应用服务均存有业务动态关联数据。云认证服务系统100可以获取在第一业务动态环境下的认证事件清单Us和在第二业务动态环境下的认证事件清单Ut，并将Us和Ut之间的交集作为示例认证事件清单Uo。

在一种可能的设计示例中，为了进一步保证示例认证事件具有代表性，云认证服务系统100获取到Us和Ut之间的交集之后，可以基于预设查找条件对交集中的认证事件进行查找，并将交集中满足查找条件的认证事件确定为示例认证事件，以及基于查找出的各个示例认证事件构建得到示例认证事件清单Uo。其中，查找条件具体可以为在第一业务动态环境和第二业务动态环境下的业务动态关联数据的数据量均大于预设阈值，业务动态关联数据具体可以为对业务动态环境的业务动态访问参数、访问次数等，如业务动态环境为业务应用服务，则云认证服务系统100将对第一业务应用服务和第二业务应用服务的访问次数均大于预设次数的认证事件确定为示例认证事件。

步骤S220，云认证服务系统100从示例认证事件清单中查找出N组子示例认证事件清单，并从示例特征分布确定出每组子示例认证事件清单对应的特征分布。

在一种可能的设计示例中，云认证服务系统100获取到示例认证事件清单之后，可以从示例认证事件清单中查找出N组子示例认证事件清单，并从示例特征分布确定出每组子示例认证事件清单对应的特征分布。每组子示例认证事件清单对应的特征分布包括每组子示例认证事件清单在第一业务动态环境下的第一子示例特征分布，以及在第二业务动态环境下的目标子示例特征分布。在一种可能的设计示例中，针对示例认证事件清单Uo，云认证服务系统100从示例认证事件清单Uo查找出N个子示例认证事件清单{U1,……Un}。

步骤S230，云认证服务系统100基于每组子示例认证事件清单对应的特征分布对标的策略决策网络进行网络配置，得到N个更新参考参数。

在一种可能的设计示例中，云认证服务系统100从示例特征分布确定出每组子示例认证事件清单对应的特征分布之后，将基于每组子示例认证事件清单对应的特征分布对标的策略决策网络进行网络配置，得到N个更新参考参数。

在一种可能的设计示例中，云认证服务系统100对于N个子示例认证事件清单中每组子示例认证事件清单对应的更新参考参数的确定方式相同，下面具体对N个子示例认证事件清单中任意一个目标子示例认证事件清单Ui对应的更新参考参数ωi确定方式进行详细说明。云认证服务系统100对目标子示例认证事件清单Ui进行拆分处理，得到第一目标子示例认证事件清单Ua和第二目标子示例认证事件清单Ub，并获取第一目标子示例认证事件清单对应的第一特征分布Da，以及第二目标子示例认证事件清单对应的第二特征分布Db，云认证服务系统100基于第一特征分布Da对标的策略决策网络进行网络配置，得到第一调整参考参数Lθ，并基于第一调整参考参数将标的策略决策网络的网络传播联动数据信息由初始传播联动数据信息θ更新为目标传播联动数据信息θ1，云认证服务系统100基于第二特征分布Db对网络传播联动数据信息更新为目标传播联动数据信息θ1后的标的策略决策网络进行网络配置，得到第二调整参考参数Lθ1，云认证服务系统100基于第二调整参考参数Lθ1和初始传播联动数据信息θ确定目标子示例认证事件清单Ui对应的更新参考参数ωi。其中，第一特征分布包括第一目标子示例认证事件清单在第一业务动态环境下的第一目标认证事件特征分布序列Da1，以及在第二业务动态环境下的第三认证事件特征分布序列Da2，第二特征分布包括第二目标子示例认证事件清单在第一业务动态环境下的第二目标认证事件特征分布序列Db1，以及在第二业务动态环境下的第四认证事件特征分布序列Db2，云认证服务系统100基于第一特征分布Da对标的策略决策网络进行网络配置，得到第一调整参考参数Lθ的具体方式可以为，云认证服务系统100调用标的策略决策网络对第一目标认证事件特征分布序列Da1进行决策，得到第一决策示例特征分布Qa1；计算第一决策示例特征分布Qa1与第三认证事件特征分布序列Da2之间的均方误差，并将均方误差作为第一调整参考参数Lθ。同理，云认证服务系统100调用参数更新后的标的策略决策网络对第二目标认证事件特征分布序列Db1进行决策标的策略决策网络，得到第二决策示例特征分布Qb1；计算第二决策示例特征分布Qb1与第四认证事件特征分布序列Db2之间的均方误差，并将均方误差作为第一调整参考参数Lθ1。

需要说明的是，云认证服务系统100基于第一调整参考参数Lθ将标的策略决策网络的网络传播联动数据信息由初始传播联动数据信息θ更新为目标传播联动数据信息θ1的具体方式可以为，计算Lθ对于θ的偏导值，以及基于预置参数λ对偏导值进行加权处理，得到加权偏导值，云认证服务系统100将初始传播联动数据信息θ与加权偏导值之间的差值确定为目标传播联动数据信息θ1。

云认证服务系统100基于第二调整参考参数Lθ1和初始传播联动数据信息θ确定目标子示例认证事件清单Ui对应的更新参考参数ωi的具体方式可以为，计算Lθ1对于θ的二阶偏导值，并将二阶偏导值作为目标子示例认证事件清单Ui对应的更新参考参数ωi。

通过上述方案，云认证服务系统100可以计算得到每组子示例认证事件清单对应的特征分布对标的策略决策网络进行网络配置，得到更新参考参数集合{ω1,……,ωn}，集合中ωi对应N组子示例认证事件清单中任意一组子示例认证事件清单对应Ui的更新参考参数。

通过上述基于二阶偏导得到一个更新参考参数的方式，可以构建决策得到的不同参数之间的联系，使得前后不同训练得到的参数都对最终的网络传播联动数据信息构成影响，提升了策略决策网络对于特征分布决策的准确性。

步骤S240，云认证服务系统100基于N个更新参考参数对标的策略决策网络中的网络传播联动数据信息进行更新。

在一种可能的设计示例中，云认证服务系统100计算得到N个更新参考参数之后，可以基于该N个更新参考参数对标的策略决策网络中的网络传播联动数据信息θ进行更新。

例如，可以对N个更新参考参数ωi进行融合，得到融合参考参数，并获取融合参考参数对应的传播联动数据，以及采用传播联动数据对融合参考参数进行加权处理，得到加权参考参数，云认证服务系统100将标的策略决策网络中的网络传播联动数据信息由初始传播联动数据信息更新为，初始传播联动数据信息与加权参考参数之间的差值。

步骤S250，若网络传播联动数据信息更新后的标的策略决策网络满足预设条件，则将网络传播联动数据信息更新后的标的策略决策网络确定为训练完成的策略决策网络。

在一种可能的设计示例中，预设条件包括标的策略决策网络对于每组子示例认证事件清单对应的特征分布中各个特征分布的策略决策精度高于预设精度，其中，云认证服务系统100获取子示例认证事件清单对应的特征分布中任意一个第一特征分布进行决策，得到第一决策特征分布，并计算第一决策特征分布与第二特征分布之间的均方误差，当均方误差小于预设误差时，确定对于第一特征分布的决策为准确的，云认证服务系统100以此方式确定特征分布中各个特征分布的策略决策精度。其中，第一特征分布为子示例认证事件清单中任意一个认证事件在第一业务动态环境下的特征分布，第二特征分布为该认证事件在第二业务动态环境下的特征分布，第一决策特征分布为调用策略决策网络对第一特征分布进行决策得到的特征分布。

在一种可能的设计示例中，策略决策网络的训练过程包括多次对标的策略决策网络的网络传播联动数据信息的迭代更新，每次对网络传播联动数据信息的迭代更新过程，为对标的策略决策网络的网络传播联动数据信息和N组更新参考参数决策过程，更新参考参数为基于一组子示例认证事件特征分布序列训练得到，每组子示例认证事件特征分布序列为，N组子示例认证事件清单中任意一组子示例认证事件清单对应的特征分布，N组子示例认证事件清单为基于示例认证事件清单查找得到，通过多个更新参考参数完成对网络传播联动数据信息的一次更新，结合了多组示例的特征完成对参数的更新，使得迭代过程更具规律性，并且，结合多组特征更新的参数也可以接近于最佳的网络传播联动数据信息，也提升策略决策网络的训练效率。再者，采用不同的组合方式对示例认证事件进行组合，得到多个子示例认证事件清单，以及以子示例认证事件清单为训练单位完成对网络传播联动数据信息的更新，由于示例组合的数量远多于示例的数量，如3个示例可以得到6种不同方式的组合，实现了对于示例的扩充，提升了示例数据的数量，实现了对示例的扩充，解决了网络配置过程中相关性强的示例数据较少的问题。

基于上述描述，该信息加密策略调用过程可包括以下步骤S310-S370：

步骤S310，云认证服务系统100获取对目标认证事件进行信息加密策略调用的第二业务动态环境。

在一种可能的设计示例中，第二业务动态环境具体可以为目标业务应用服务等，云认证服务系统100可以预先获取到需要对认证事件进行信息加密策略调用的第二业务动态环境，在一种可能的设计示例中，云认证服务系统100可以在检测到触发条件时获取第二业务动态环境，触发条件可以为目标认证事件所使用的终端安装第二业务动态环境或者在第二业务动态环境中进行注册。如第二业务动态环境为目标业务应用服务，且目标业务应用服务具备对认证事件进行信息加密策略调用的功能，则云认证服务系统100在检测到目标认证事件所使用的终端安装目标业务应用服务时，获取到目标业务应用服务，以进一步在目标业务应用服务中对目标认证事件进行信息加密策略调用。

步骤S320，云认证服务系统100从业务动态环境清单中查找出与第二业务动态环境相匹配的第一业务动态环境。

在一种可能的设计示例中，云认证服务系统100获取到第二业务动态环境之后，可以从业务动态环境清单中查找出与第二业务动态环境相匹配的第一业务动态环境，其中，业务动态环境清单中包括了至少一个目标业务动态环境。

在一种可能的设计示例中，云认证服务系统100从业务动态环境清单中查找出与第二业务动态环境相匹配的第一业务动态环境的具体方式可以为，云认证服务系统100获取第二业务动态环境的第二业务动态环境特征和业务动态环境清单中各个目标业务动态环境的目标业务动态环境特征，各个目标业务动态环境中存储有与目标认证事件的业务动态关联数据；云认证服务系统100确定第二业务动态环境特征和各个目标业务动态环境的目标业务动态环境特征之间的相关性参数，并查找出与第二业务动态环境特征之间的相关性参数满足预设条件的目标目标业务动态环境特征；云认证服务系统100将目标目标业务动态环境特征对应的业务动态环境确定为与第二业务动态环境相匹配的第一业务动态环境。其中，业务动态环境特征包括业务动态环境类型、业务动态环境资源、业务动态环境适用用户中的至少一种，业务动态环境类型包括支付动态环境类型、多媒体动态环境类型等，业务动态环境资源为业务动态环境占用安装业务动态环境的终端的资源的大小，业务动态环境适用用户分为个人用户、企业用户、对私用户、对公用户等，不同业务动态环境特征对应的相关性参数可以预先进行设定，如多媒体与新媒体的相关性参数为50%，占用内存大小差异在100兆以内时相关性参数为80%，个人用户与对私用户的相关性参数为80%。又如业务动态环境特征为业务动态环境类型，第二业务动态环境的类型为新媒体，目标业务动态环境1的类型为多媒体，目标业务动态环境2的类型为直播，云认证服务系统100从预先设定的相关性参数对应关系中确定出多媒体与新媒体的相关性参数为50%，直播与新媒体的相关性参数为30%，预设条件为相关性参数最高，则目标业务动态环境1的特征满足预设条件，云认证服务系统100将目标业务动态环境1确定为与第二业务动态环境相匹配的第一业务动态环境。在一种可能的设计示例中，第一业务动态环境也可为多个目标业务动态环境的集合，如预设条件为相关性参数大于20%，则目标业务动态环境1的特征和目标业务动态环境2的特征均满足预设条件，云认证服务系统100将目标业务动态环境1和目标业务动态环境2确定为与第二业务动态环境相匹配的第一业务动态环境。

步骤S330，云认证服务系统100获取与第二业务动态环境和第一业务动态环境存在业务动态关联的示例认证事件清单，并确定示例认证事件清单对应的示例特征分布。

在一种可能的设计示例中，云认证服务系统100确定出第二业务动态环境和第一业务动态环境之后，将查找与第二业务动态环境和第一业务动态环境存在业务动态关联的示例认证事件，并基于查找到的多个示例认证事件构建示例认证事件清单。

进一步的，云认证服务系统100确定示例认证事件清单对应的示例特征分布，该示例特征分布中包括示例认证事件清单在第一业务动态环境下的第一示例特征分布和在第二业务动态环境下的目标示例特征分布，第一示例特征分布中包括了各个示例认证事件在第一业务动态环境下的第一示例特征分布，目标示例特征分布中包括了各个示例认证事件在第二业务动态环境下的目标示例特征分布。

步骤S340，云认证服务系统100通过示例认证事件清单对应的示例特征分布对标的策略决策网络训练，得到策略决策网络。

在一种可能的设计示例中，示例特征分布中包括示例认证事件清单在第一业务动态环境下的第一示例特征分布和在第二业务动态环境下的目标示例特征分布，云认证服务系统100具体通过第一示例特征分布和目标示例特征分布对标的策略决策网络进行网络配置，使得标的初始化网络对第一示例特征分布进行处理得到的决策示例特征分布与目标示例特征分布之间的相关性参数高于预设阈值，即使得策略决策网络具备将第一业务动态环境中的特征分布决策到第二业务动态环境中的特征分布的能力。其中，特征分布之间的相关性参数具体可以由特征分布之间的均方误差值确定。

在一种可能的设计示例中，第一业务动态环境为多个业务动态环境的集合，如包括第一目标业务动态环境和第二目标业务动态环境，则策略决策网络也包括第一策略决策网络和第二策略决策网络，则云认证服务系统100可以通过示例认证事件清单在第一目标业务动态环境下的第一目标示例特征分布和在第二业务动态环境下的目标示例特征分布对标的策略决策网络进行网络配置，得到第一策略决策网络，以及通过示例认证事件清单在第二目标业务动态环境下的第二目标示例特征分布和在第二业务动态环境下的目标示例特征分布对标的策略决策网络进行网络配置，得到第二策略决策网络。

步骤S350，云认证服务系统100获取目标认证事件在第一业务动态环境下的第一认证事件特征分布。

在一种可能的设计示例中，目标认证事件与第一业务动态环境在历史中存在业务动态关联，因此云认证服务系统100可以获取到基于目标认证事件与第一业务动态环境的业务动态关联数据生成的第一认证事件特征分布。第一认证事件特征分布具体可以用于表示目标认证事件对第一业务动态环境的加密调用特征，如第一业务动态环境为第一业务应用服务，则第一认证事件特征分布为基于目标认证事件对第一业务应用服务进行访问时的访问加密调用特征生成的特征分布。云认证服务系统100可以获取到目标认证事件在第一业务动态环境下的第一认证事件特征分布。

在一种可能的设计示例中，第一业务动态环境为多个业务动态环境的集合，如包括第一目标业务动态环境和第二目标业务动态环境，则目标认证事件在第一业务动态环境下的第一认证事件特征分布包括目标认证事件在第一目标业务动态环境下的第一认证事件特征分布，以及目标认证事件在第二目标业务动态环境下的第二认证事件特征分布。

步骤S350，云认证服务系统100调用策略决策网络对第一认证事件特征分布进行决策，得到目标认证事件在第二业务动态环境下的第二认证事件特征分布。

在一种可能的设计示例中，目标认证事件可以在第二业务动态环境下无业务动态关联数据或只有少量业务动态关联数据，即无法基于目标认证事件在第二业务动态环境中的访问信息进行数据分析，进而准确确定目标认证事件在第二业务动态环境下的认证事件特征分布。云认证服务系统100可以在检测到目标认证事件在第二业务动态环境下无业务动态关联数据或只有少量业务动态关联数据时，调用策略决策网络对第一认证事件特征分布进行决策，得到目标认证事件在第二业务动态环境下的第二认证事件特征分布。

在一种可能的设计示例中，第一业务动态环境为一个，则云认证服务系统100可以直接调用策略决策网络对目标认证事件在第一业务动态环境下的第一认证事件特征分布进行决策，得到目标认证事件在第二业务动态环境下的第二认证事件特征分布。

在一种可能的设计示例中，第一业务动态环境为多个，如包括第一目标业务动态环境和第二目标业务动态环境，策略决策网络包括用于对第一目标业务动态环境中特征分布进行决策的第一策略决策网络和用于对第二目标业务动态环境中特征分布进行决策的第二策略决策网络，则云认证服务系统100可以调用第一策略决策网络对第一目标认证事件特征分布进行决策，得到第三认证事件特征分布，以及调用第二策略决策网络对第二目标认证事件特征分布决策，得到第四认证事件特征分布，并将第三认证事件特征分布和第四认证事件特征分布进行融合，得到目标认证事件在第二业务动态环境下的第二认证事件特征分布。通过策略决策网络将目标认证事件在第一业务动态环境下的第一认证事件特征分布决策为第二业务动态环境下的第二认证事件特征分布，可以便于在第二业务动态环境下对目标认证事件的加密调用特征进行分析，并在第二业务动态环境下向目标认证事件加密策略调用相应的对象。

步骤S370，云认证服务系统100根据第二认证事件特征分布为目标认证事件获取加密策略调用信息，并将加密策略调用信息在第二业务动态环境下进行加密策略调用。

在一种可能的设计示例中，云认证服务系统100得到目标认证事件在第二业务动态环境下的第二认证事件特征分布之后，可以根据第二认证事件特征分布为目标认证事件获取加密策略调用信息，在一种可能的设计示例中，加密策略调用信息为待加密策略调用的加密策略节点集合中的一个或多个加密策略节点，云认证服务系统100可以获取待加密策略调用的加密策略节点集合中各个加密策略节点在第二业务动态环境下的加密策略参数，并基于第二认证事件特征分布和各个加密策略参数，确定针对待加密策略调用的加密策略节点集合中各个加密策略节点的加密策略调用指标，以及基于各个加密策略节点的加密策略调用指标查找出加密策略调用信息。其中，待加密策略调用的加密策略节点集合中包括了多个待加密策略调用的对象，对象可以为直播、新媒体、多媒体等，第二业务动态环境下具有独立的加密策略调用系统，可以将对象进行特征分布化，得到待加密策略调用的加密策略节点集合中各个加密策略节点在第二业务动态环境下的加密策略参数，云认证服务系统100获取到上述加密策略参数，并基于第二认证事件特征分布和各个加密策略参数，确定针对待加密策略调用的加密策略节点集合中各个加密策略节点的加密策略调用指标。

在一种可能的设计示例中，待加密策略调用的加密策略节点集合中各个加密策略节点的加密策略调用指标的确定方式可以为，云认证服务系统100对第二认证事件特征分布和各个加密策略参数分别进行点积决策，得到每个加密策略节点对应的点积值，并将各个加密策略节点对应的点积值确定为针对待加密策略调用的加密策略节点集合中各个加密策略节点的加密策略调用指标，加密策略调用指标越高，说明对象与目标认证事件的加密调用特征越匹配。

进一步的，云认证服务系统100确定各个加密策略节点的加密策略调用指标之后，可以基于加密策略调用指标对待加密策略调用的加密策略节点集合中的对象进行查找，得到针对目标认证事件的加密策略调用信息。

在一种可能的设计示例中，云认证服务系统100基于加密策略调用指标对待加密策略调用的加密策略节点集合中的对象进行查找的具体方式可以为，云认证服务系统100按照加密策略调用指标由高到低的顺序对待加密策略调用的加密策略节点集合中的对象进行排序，并将排序为前I位的对象确定为目标加密策略节点，以及将上述I个目标加密策略节点作为针对目标认证事件的加密策略调用信息，I为正整数。

在一种可能的设计示例中，云认证服务系统100基于加密策略调用指标对待加密策略调用的加密策略节点集合中的对象进行查找的具体方式可以为，云认证服务系统100检测各个加密策略节点的加密策略调用指标是否大于预设阈值，并将加密策略调用指标大于预设阈值的对象确定为目标加密策略节点，以及上述目标加密策略节点作为针对目标认证事件的加密策略调用信息。

云认证服务系统100为目标认证事件确定加密策略调用信息之后，可以将加密策略调用信息在第二业务动态环境下进行加密策略调用。

在一种可能的设计示例中，可以基于认证事件在多个第一业务动态环境下的特征分布表示共同确定认证事件第二业务动态环境下的特征分布表示，使得特征分布决策更为准确，并且，针对不同加密策略调用指标的对象，云认证服务系统100加密策略调用的方式可以不同，具体为，基于加密策略调用指标与加密策略调用方式的对应关系，确定针对加密策略调用信息中各个目标加密策略节点的目标加密策略调用方式，加密策略调用方式包括加密策略调用顺序、加密策略调用时长和加密策略调用频率中的至少一种，云认证服务系统100基于目标加密策略调用方式将加密策略调用信息在第二业务动态环境下进行加密策略调用。其中，加密策略调用指标与加密策略调用方式的对应关系可以为，加密策略调用指标越高，加密策略调用顺序越靠前、加密策略调用时长越长且加密策略调用频率越高。通过上述方式，可以更加智能的为认证事件加密策略调用相应的信息，使得加密策略调用的信息与认证事件加密调用特征更为匹配。

在一种实施场景中，该技术方案可以用于不同业务动态环境之间，如第一业务动态环境和第二业务动态环境。主要用途在于跨业务动态环境的衔接加密策略调用，即基于认证事件在第一业务动态环境中的加密调用特征确定出认证事件在第二业务动态环境中的加密调用特征。并且该方法不会改变原有的加密策略调用系统，不会影响普通认证事件的加密策略调用。针对新加入的认证事件，先查询该认证事件在第一业务动态环境中的业务动态关联数据，得到认证事件在第一业务动态环境中的第一认证事件特征分布，然后通过策略决策网络得到该认证事件在第二业务动态环境的第二认证事件特征分布，使用该第二认证事件特征分布确定出需要对认证事件进行加密策略调用的信息。例如，假设目标认证事件在第一业务动态环境下存在业务动态关联数据，云认证服务系统100可以从第一业务动态环境的后台服务器中获取到第一业务动态环境中目标认证事件的对应的第一认证事件特征分布，并调用策略决策网络对第一认证事件特征分布进行决策，得到第二业务动态环境下的第二认证事件特征分布，以及基于第二认证事件特征分布查找出加密策略调用信息，并将加密策略调用信息发送至目标认证事件所使用的终端，使得目标认证事件对加密策略调用信息进行查阅。其中，策略决策网络的调用流程中，在一种可能的设计示例中，假设第一业务动态环境和第二业务动态环境中各自有一个模型，第一业务动态环境中第一模型（R1）用于对目标认证事件在第一业务动态环境中的第一特征分布U1进行决策，得到目标认证事件在第一业务动态环境中的第一加密策略调用信息V1，第二业务动态环境中目标模型（R2）用于对目标认证事件在第二业务动态环境中的目标特征分布U2进行决策，得到目标认证事件在第二业务动态环境中的目标加密策略调用信息V2，当目标认证事件在第一业务动态环境中存在第一特征分布U1，而在第二业务动态环境中不存在目标特征分布U2时，则可将第一特征分布U1作为策略决策网络的输入，策略决策网络对U1进行决策，即可输出目标认证事件在第二业务动态环境下的目标特征分布U2。接着，通过将第一特征分布U1进行决策得到了目标特征分布U2，则可以实现通过目标模型（R2）对目标特征分布U2进行决策，得到目标认证事件在第二业务动态环境中的目标加密策略调用信息V2，以实现第一加密策略调用信息V1与目标加密策略调用信息V2之间的决策。

进一步地，在一种可能的设计思路中，上述方案还可以包括以下步骤。

步骤S114，获取在第二业务动态环境下进行目标认证事件的加密策略调用后进行认证加密后生成的区块链安全认证库，其中，区块链安全认证库中存储有认证服务对象对各种动态访问行为的认证数字证书。

步骤S115，基于区块链安全认证库对每个接收到的动态访问行为进行动态双向认证，在动态双向认证通过后，生成针对每个动态访问行为的认证业务传输通道。

步骤S116，获取针对认证业务传输通道进行业务数据采集的采集控制信息，其中，采集控制信息是指对待处理的认证业务传输通道序列中的各认证业务传输通道进行业务数据采集的控制模型信息。

步骤S117，获取采集控制信息对应的目标分布式控制信息，其中，采集控制信息对应的目标分布式控制信息包括采集控制信息对应的业务采集节点分布。

步骤S118，根据目标业务采集决策网络对采集控制信息对应的目标分布式控制信息进行业务采集决策分析，得到采集控制信息对应的业务采集节点分布。

步骤S119，根据采集控制信息对应的业务采集节点分布，确定采集控制信息对应的目标业务数据采集项目，以为认证业务传输通道分配相应的目标业务采集进程对认证业务传输通道进行大数据采集。

基于上述步骤，通过采集控制信息对各认证业务传输通道所需的业务数据采集项目进行系统分析，以产生针对认证业务传输通道序列中各认证业务传输通道对应的目标业务数据采集项目对相应的认证业务传输通道进行大数据采集，可以提升大数据采集效率以及大数据采集精度。

譬如，在一种可能的设计思路中，在步骤S118之前，本实施例还可以获取第一采集控制信息示例、第一采集控制信息示例对应的业务采集决策参考信息和第二采集控制信息示例。获取第一采集控制信息示例对应的目标分布式控制信息和第二采集控制信息示例对应的目标分布式控制信息。根据第一采集控制信息示例对应的目标分布式控制信息和第一采集控制信息示例对应的业务采集决策参考信息，对预设业务采集决策网络进行训练，得到第一业务采集决策网络。根据第一业务采集决策网络对第二采集控制信息示例对应的目标分布式控制信息进行业务采集决策分析，得到第二采集控制信息示例对应的第一待定业务采集节点分布。根据预设业务采集决策网络对第一采集控制信息示例对应的目标分布式控制信息进行业务采集决策分析，得到第一采集控制信息示例对应的待定业务采集节点分布，然后根据第一采集控制信息示例对应的待定业务采集节点分布和第一采集控制信息示例对应的业务采集决策参考信息计算差异参数，利用差异参数反向更新预设业务采集决策网络的参数。迭代执行上述过程，直至满足监督训练的终止条件，则得到第一业务采集决策网络，监督训练终止条件包括以下几种条件的其中至少一种：迭代训练次数达到设定次数、差异参数小于设定阈值、以及差异参数收敛。根据第二采集控制信息示例对应的目标分布式控制信息、第一采集控制信息示例对应的目标分布式控制信息和第一采集控制信息示例对应的业务采集决策参考信息，再次调整参数调整后的第一业务采集决策网络的参数，直至达到训练结束条件，将达到训练结束条件时得到的第一业务采集决策网络作为目标业务采集决策网络。

譬如，在一种可能的设计思路中，采集控制信息对应的业务采集节点分布包括参考业务采集决策方式对应的业务采集置信度和多个待定业务采集决策方式对应的业务采集置信度，步骤S119可以通过以下实施方式实现。

子步骤S1191，根据预先记录的历史业务采集控制数据，获取每个待定业务采集决策方式对应的业务采集置信度以及参考业务采集决策方式对应的业务采集置信度。

子步骤S1192，将每个待定业务采集决策方式对应的业务采集置信度与参考业务采集决策方式对应的业务采集置信度进行比较。

子步骤S1193，当每个待定业务采集决策方式对应的业务采集置信度小于或等于参考业务采集决策方式对应的业务采集置信度时，将参考业务采集决策方式对应的参考业务采集决策清单作为采集控制信息对应的目标业务数据采集项目。

子步骤S1194，当多个待定业务采集决策方式中的每个对应的业务采集置信度大于参考业务采集决策方式对应的业务采集置信度时，将多个待定业务采集决策方式对应的待定业务采集决策清单作为采集控制信息对应的目标业务数据采集项目，多个待定业务采集决策方式对应的待定业务采集决策清单是指多个待定业务采集决策方式中的业务采集置信度最大的一个所对应的业务采集决策清单。

图3为本公开实施例提供的基于区块链安全认证的大数据挖掘装置300的功能模块示意图，本实施例可以根据上述云认证服务系统100执行的方法实施例对该基于区块链安全认证的大数据挖掘装置300进行功能模块的划分，也即该基于区块链安全认证的大数据挖掘装置300所对应的以下各个功能模块可以用于执行上述云认证服务系统100执行的各个方法实施例。其中，该基于区块链安全认证的大数据挖掘装置300可以包括获取模块310、第一确定模块320、第二确定模块330和推送模块340，下面分别对该基于区块链安全认证的大数据挖掘装置300的各个功能模块的功能进行详细阐述。

获取模块310，用于获取在区块链认证终端200和云认证服务系统100动态双向认证通过后，为生成的认证业务传输通道分配相应的目标业务采集进程对认证业务传输通道进行大数据采集的业务大数据。其中，获取模块310可以用于执行上述的步骤S110，关于获取模块310的详细实现方式可以参照上述针对步骤S110的详细描述即可。

第一确定模块320，用于获取业务大数据在至少两个服务热点传播标签下的数据，根据业务大数据在至少两个服务热点传播标签下的数据，确定业务大数据在至少两个服务热点传播标签下的服务热点传播特征。其中，第一确定模块320可以用于执行上述的步骤S120，关于第一确定模块320的详细实现方式可以参照上述针对步骤S120的详细描述即可。

第二确定模块330，用于根据业务大数据在至少两个服务热点传播标签下的服务热点传播特征，得到各个业务大数据之间的服务传播关联参数。其中，第二确定模块330可以用于执行上述的步骤S130，关于第二确定模块330的详细实现方式可以参照上述针对步骤S130的详细描述即可。

推送模块340，用于根据各个业务大数据之间的服务传播关联参数，确定各个业务大数据的目标主题联动信息，并基于目标主题联动信息对区块链认证终端200进行信息推送。其中，推送模块340可以用于执行上述的步骤S140，关于推送模块340的详细实现方式可以参照上述针对步骤S140的详细描述即可。

需要说明的是，以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现。也可以全部以硬件的形式实现。还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，获取模块310可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上获取模块310的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所描述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。

图4示出了本公开实施例提供的用于实现上述的基于区块链安全认证的大数据挖掘方法的云认证服务系统100的硬件结构示意图，如图4所示，云认证服务系统100可包括处理器110、机器可读存储介质120、总线130以及收发器140。

在具体实现过程中，至少一个处理器110执行机器可读存储介质120存储的计算机执行指令（例如图3中所示的基于区块链安全认证的大数据挖掘装置300包括的获取模块310、第一确定模块320、第二确定模块330和推送模块340），使得处理器110可以执行如上方法实施例的基于区块链安全认证的大数据挖掘方法，处理器110、机器可读存储介质120以及收发器140通过总线130连接，处理器110可以用于控制收发器140的收发动作，从而可以与前述的区块链认证终端200进行数据收发。

处理器110的具体实现过程可参见上述云认证服务系统100执行的各个方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。

此外，本公开实施例还提供一种可读存储介质，所述可读存储介质中预设有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上基于区块链安全认证的大数据挖掘方法。

最后，应当理解的是，本说明书中实施例仅用以说明本说明书实施例的原则。其它的变形也可能属于本说明书范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种基于业务大数据挖掘的信息推送方法，其特征在于，应用于云认证服务系统，所述云认证服务系统与所述多个区块链认证终端通信连接，所述方法包括：

从本地缓存的历史业务大数据中确定目标业务范围内的业务数据，作为业务大数据；

采集多个更新服务终端上报的更新服务订阅数据，从更新服务订阅数据中，确定目标业务范围内，更新服务订阅业务大数据的数据，其中，所述更新服务订阅业务大数据的数据，是指更新服务是否覆盖业务大数据的历史记录数据；

获取多个服务热点传播标签，根据服务热点传播标签对目标业务范围内的业务大数据以及更新服务订阅业务大数据的数据进行统计分析，得到目标业务范围内，所述业务大数据在多个服务热点传播标签下的数据；

根据所述业务大数据在至少两个服务热点传播标签下的数据，确定所述业务大数据在所述至少两个服务热点传播标签下的服务热点传播特征；

根据所述业务大数据在所述至少两个服务热点传播标签下的服务热点传播特征，得到各个所述业务大数据之间的服务传播关联参数；

根据各个所述业务大数据之间的服务传播关联参数，确定各个所述业务大数据的目标主题联动信息，并基于所述目标主题联动信息对所述区块链认证终端进行信息推送。

2.根据权利要求1所述的基于业务大数据挖掘的信息推送方法，其特征在于，所述服务热点传播标签包括第一服务热点传播标签、第二服务热点传播标签和第三服务热点传播标签；

所述根据所述目标业务范围内的业务大数据以及更新服务订阅所述业务大数据的数据，获取所述目标业务范围内，所述业务大数据在至少两个服务热点传播标签下的数据的步骤，包括：

对目标业务范围内的更新服务订阅业务大数据的数据进行分析，以判断更新服务是否覆盖业务大数据，得到更新服务与业务大数据之间的传播联动数据，将更新服务与业务大数据之间的传播联动数据映射成对应的阵列，并将该阵列作为目标业务范围内，该业务大数据在第一服务热点传播标签下的数据；

对目标业务范围内的业务大数据进行分析，以统计提取出的频繁项主题在业务大数据中所占的传播联动数据，将频繁项主题在业务大数据中所占的传播联动数据映射成对应的阵列，并将该阵列作为目标业务范围内，该业务大数据在第二服务热点传播标签下的数据；

对目标业务范围内的更新服务与业务大数据之间的传播联动数据，以及频繁项主题在业务大数据中的传播联动数据进行分析，以判断更新服务是否覆盖包含频繁项主题的业务大数据，得到更新服务与频繁项主题在业务大数据中的传播联动数据，将更新服务与频繁项主题在业务大数据中的传播联动数据映射成对应的阵列，并将该阵列作为目标业务范围内，该业务大数据在第三服务热点传播标签下的数据。

3.根据权利要求1所述的基于业务大数据挖掘的信息推送方法，其特征在于，所述根据所述业务大数据在至少两个服务热点传播标签下的数据，确定所述业务大数据在所述至少两个服务热点传播标签下的服务热点传播特征的步骤，包括：

根据所述业务大数据在至少两个服务热点传播标签下的数据，构建所述业务大数据在所述至少两个服务热点传播标签下的业务分布；

对所述业务分布进行主题挖掘特征提取，得到所述业务大数据在所述至少两个服务热点传播标签下的服务热点传播特征。

4.根据权利要求3所述的基于业务大数据挖掘的信息推送方法，其特征在于，根据所述业务大数据在至少两个服务热点传播标签下的数据，构建所述业务大数据在所述至少两个服务热点传播标签下的业务分布的步骤，包括：

根据业务大数据在第一服务热点传播标签下的数据，构建第一业务分布，根据业务大数据在第二服务热点传播标签下的数据，构建第二业务分布，根据业务大数据在第三服务热点传播标签下的数据，构建第三业务分布；所述第一业务分布用于表示更新服务描述以及服务热点传播特征之间的关系，所述第二业务分布用于表示服务热点传播特征与频繁项主题描述之间的关系，所述第三业务分布用于表示更新服务描述以及频繁项主题描述之间的关系；

将所述第一业务分布、第二业务分布以及第三业务分布分别识别为所述业务大数据在所述至少两个服务热点传播标签下的业务分布；

若所述业务分布为所述第一业务分布或者所述第二业务分布，所述对所述业务分布进行主题挖掘特征提取，得到所述业务大数据在所述至少两个服务热点传播标签下的服务热点传播特征的步骤，包括：

将所述业务分布进行主题挖掘特征提取，得到服务热点传播特征，作为所述业务大数据在对应服务热点传播标签下的服务热点传播特征；

若所述业务分布为所述第三业务分布，所述对所述业务分布进行主题挖掘特征提取，得到所述业务大数据在所述至少两个服务热点传播标签下的服务热点传播特征的步骤，包括：

将所述业务分布进行主题挖掘特征提取，得到所述业务大数据中的频繁项主题描述；

获取所述频繁项主题在所述业务大数据中的传播联动数据，作为所述频繁项主题描述对应的传播联动数据；

根据所述频繁项主题描述以及对应的传播联动数据，得到服务热点传播特征，作为所述业务大数据在对应服务热点传播标签下的服务热点传播特征。

5.根据权利要求1所述的基于业务大数据挖掘的信息推送方法，其特征在于，所述根据所述业务大数据在所述至少两个服务热点传播标签下的服务热点传播特征，得到各个所述业务大数据之间的服务传播关联参数的步骤，包括：

根据所述业务大数据在至少两个服务热点传播标签下的服务热点传播特征，计算两两业务大数据在至少两个服务热点传播标签下的服务传播关联参数；

根据两两业务大数据在至少两个服务热点传播标签下的服务传播关联参数，得到各个所述业务大数据之间的服务传播关联参数。

6.根据权利要求5所述的基于业务大数据挖掘的信息推送方法，其特征在于，所述根据两两业务大数据在至少两个服务热点传播标签下的服务传播关联参数，得到各个所述业务大数据之间的服务传播关联参数的步骤，包括：

将所述两两业务大数据在至少两个服务热点传播标签下的服务传播关联参数输入预先训练的机器学习网络；

通过所述机器学习网络，确认各个所述服务传播关联参数之间的服务交互联系信息；

获取各个所述服务传播关联参数的传播联动数据以及各个所述服务交互联系信息的传播联动数据；

根据各个所述服务传播关联参数以及对应的传播联动数据、各个所述服务交互联系信息以及对应的传播联动数据，计算得到各个所述业务大数据之间的服务传播关联参数；

其中，所述机器学习网络通过下述方式训练得到：

获取标注样本在至少两个服务热点传播标签下的服务传播关联参数以及对应的第一传播联动数据、各个所述服务传播关联参数之间的服务交互联系信息以及对应的第二传播联动数据、各个所述标注样本之间的实际服务传播关联参数；

根据标注样本在至少两个服务热点传播标签下的服务传播关联参数以及对应的第一传播联动数据、各个所述服务传播关联参数之间的服务交互联系信息以及对应的第二传播联动数据，对所述机器学习网络进行训练，得到训练后的机器学习网络；

获取所述训练后的机器学习网络输出的服务传播关联参数与对应的实际服务传播关联参数之间的损失参数分布；

当所述损失参数分布大于或等于预设阈值时，根据所述损失参数分布调整所述第一传播联动数据和所述第二传播联动数据，并根据调整后的第一传播联动数据和第二传播联动数据，对所述机器学习网络进行反复训练，直至根据训练后的机器学习网络得到的所述损失参数分布小于所述预设阈值。

7.根据权利要求1-6中任意一项所述的基于业务大数据挖掘的信息推送方法，其特征在于，所述根据各个所述业务大数据之间的服务传播关联参数，确定各个所述业务大数据的目标主题联动信息，并基于所述目标主题联动信息对所述区块链认证终端进行信息推送的步骤，包括：

获取各个所述业务大数据之间的服务传播关联参数大于预设关联参数的服务传播主题，并基于每个存在服务传播关系的服务传播主题确定各个所述业务大数据的目标主题联动信息；

基于所述目标主题联动信息对所述区块链认证终端进行信息推送。

8.一种基于区块链安全认证的大数据挖掘系统，其特征在于，所述基于区块链安全认证的大数据挖掘系统包括云认证服务系统以及与所述云认证服务系统通信连接的多个区块链认证终端；

所述云认证服务系统，用于：

从本地缓存的历史业务大数据中确定目标业务范围内的业务数据，作为业务大数据；

采集多个更新服务终端上报的更新服务订阅数据，从更新服务订阅数据中，确定目标业务范围内，更新服务订阅业务大数据的数据，其中，所述更新服务订阅业务大数据的数据，是指更新服务是否覆盖业务大数据的历史记录数据；

获取多个服务热点传播标签，根据服务热点传播标签对目标业务范围内的业务大数据以及更新服务订阅业务大数据的数据进行统计分析，得到目标业务范围内，所述业务大数据在多个服务热点传播标签下的数据；

根据所述业务大数据在至少两个服务热点传播标签下的数据，确定所述业务大数据在所述至少两个服务热点传播标签下的服务热点传播特征；

根据所述业务大数据在所述至少两个服务热点传播标签下的服务热点传播特征，得到各个所述业务大数据之间的服务传播关联参数；

根据各个所述业务大数据之间的服务传播关联参数，确定各个所述业务大数据的目标主题联动信息，并基于所述目标主题联动信息对所述区块链认证终端进行信息推送。

9.一种云认证服务系统，其特征在于，所述云认证服务系统包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连，所述网络接口用于与至少一个区块链认证终端通信连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以执行权利要求1-7中任意一项的基于业务大数据挖掘的信息推送方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中预设有指令，当其被执行时，使得计算机执行权利要求1-7中任意一项的基于业务大数据挖掘的信息推送方法。

Images