基于区块链安全大数据的信息生成方法及区块链服务系统

技术领域

本公开涉及区块链支付安全技术领域，示例性地，涉及一种基于区块链安全大数据的信息生成方法及区块链服务系统。

背景技术

区块链作为点对点网络、密码学、共享机制、智能合约等多种技术的集成创新，提供了一种在不可信网络中进行信息与价值传递交换的可信通道。区块链技术无论是在构建价值自由流通的互联网，还是在企业基于“建立联合多中心”的数据共享方面，都已成为全球炙手可热的概念，有着广阔的市场前景。

相关技术中，在基于区块链支付的安全防护运行程序下，需要对关键支付安全数据进行安全画像生成，进而可以便于为后续研发计划提供参考依据，然而当前按照固定的信息搜集策略进行关键支付安全数据搜集时，将难以准确进行安全画像生成，这也是当前本领域亟待研究和解决的重要难题。

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区块链安全大数据的信息生成方法及区块链服务系统。

第一方面，本公开提供一种基于区块链安全大数据的信息生成方法，应用于区块链服务系统，所述区块链服务系统与多个区块链节点终端通信连接，所述方法包括：

获取区块链线上支付生成的区块链安全大数据，所述区块链安全大数据用于表征区块链支付服务之间的支付安全验证事件，所述区块链支付服务是与目标安全防护运行程序相关的支付服务；

基于所述区块链安全大数据生成区块链支付服务序列，所述区块链支付服务序列是由所述区块链安全大数据中具有支付安全验证事件的多个所述区块链支付服务组成的序列；

根据所述区块链支付服务序列，确定所述区块链安全大数据中所述区块链支付服务对应的支付风险行为信息，根据所述区块链安全大数据中所述区块链支付服务对应的支付风险行为信息之间的风险行为关联度、以及所述区块链支付服务与所述目标安全防护运行程序上的安全防护运行单元之间的映射信息，确定所述目标安全防护运行程序上的安全防护运行单元之间的第一风险行为关联度；

基于所述第一风险行为关联度，对所述目标安全防护运行程序上的安全防护运行单元的防护关联规则进行更新，并基于更新后的安全防护运行单元的防护关联规则进行关键支付安全数据搜集，基于所述安全防护运行程序对应的安全防护运行规则对关键支付安全数据进行安全画像生成。

第二方面，本公开实施例还提供一种基于区块链安全大数据的信息生成系统，所述基于区块链安全大数据的信息生成系统包括区块链服务系统以及与所述区块链服务系统通信连接的多个区块链节点终端；

所述区块链服务系统，用于：

获取区块链线上支付生成的区块链安全大数据，所述区块链安全大数据用于表征区块链支付服务之间的支付安全验证事件，所述区块链支付服务是与目标安全防护运行程序相关的支付服务；

基于所述区块链安全大数据生成区块链支付服务序列；所述区块链支付服务序列是由所述区块链安全大数据中具有支付安全验证事件的多个所述区块链支付服务组成的序列；

根据所述区块链支付服务序列，确定所述区块链安全大数据中所述区块链支付服务对应的支付风险行为信息，根据所述区块链安全大数据中所述区块链支付服务对应的支付风险行为信息之间的风险行为关联度、以及所述区块链支付服务与所述目标安全防护运行程序上的安全防护运行单元之间的映射信息，确定所述目标安全防护运行程序上的安全防护运行单元之间的第一风险行为关联度；

基于所述第一风险行为关联度，对所述目标安全防护运行程序上的安全防护运行单元的防护关联规则进行更新，并基于更新后的安全防护运行单元的防护关联规则进行关键支付安全数据搜集，基于所述安全防护运行程序对应的安全防护运行规则对关键支付安全数据进行安全画像生成。

基于上述任意一个方面，本公开以涵盖有大量支付服务及支付服务间关系的支付服务数据为起始，确定支付服务数据中各支付服务之间的风险行为关联度，并根据支付服务与安全防护运行单元之间的映射信息，将支付服务之间的风险行为关联度转换为安全防护运行单元之间的风险行为关联度，进而基于安全防护运行单元之间的风险行为关联度对安全防护运行单元的防护关联规则进行更新；如此，实现在区块链线上支付生成的情况下对于安全防护运行单元的防护关联规则进行优化，进而，有利于基于安全防护运行程序对按照更新后的安全防护运行单元的防护关联规则所搜集的关键支付安全数据进行更精确的安全画像生成。

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大数据的信息生成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大数据的信息生成方法的流程示意图；

图3为本公开实施例提供的基于区块链安全大数据的信息生成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大数据的信息生成方法的区块链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大数据的信息生成系统10的交互示意图。基于区块链安全大数据的信息生成系统10可以包括区块链服务系统100以及与区块链服务系统100通信连接的区块链节点终端200。图1所示的基于区块链安全大数据的信息生成系统10仅为一种可行的示例，在其它可行的实施例中，该基于区块链安全大数据的信息生成系统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。

一种实施例中，基于区块链安全大数据的信息生成系统10中的区块链服务系统100和区块链节点终端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大数据的信息生成方法，具体区块链服务系统100和区块链节点终端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大数据的信息生成方法的流程示意图，本实施例提供的基于区块链安全大数据的信息生成方法可以由图1中所示的区块链服务系统100执行，下面对该基于区块链安全大数据的信息生成方法进行详细介绍。

步骤S110，获取区块链线上支付生成的区块链安全大数据；所述区块链安全大数据用于表征区块链支付服务之间的支付安全验证事件，所述区块链支付服务是与目标安全防护运行程序相关的支付服务。

一种实施例中，支付服务数据可以是一种以知识图谱表征支付服务之间关联性的待分析数据，支付服务数据中的支付项目对应于支付服务，支付服务之间的支付安全验证事件对应于支付服务之间的支付安全验证事件；例如，“支付服务A”是支付服务数据中的一个支付服务，“支付服务B”是支付服务数据中的另一个支付服务，在支付服务数据中“支付服务A”和“支付服务B”之间通过“支付验证流程S”进行支付验证流程认证，“支付服务A”—“支付验证流程S”—“支付服务B”组成了一个支付安全验证事件。

一种实施例中，区块链服务系统100可以先获取区块链线上支付生成的区块链安全大数据，该区块链安全大数据能够表征区块链支付服务之间的支付安全验证事件，此处的区块链支付服务是与目标安全防护运行程序相关的支付服务。考虑到基于网络中所有信息构建的支付服务数据通常是非常庞大的，基于该支付服务数据对目标安全防护运行程序上的安全防护运行单元的防护关联规则进行更新，需要耗费较多的计算量，并且网络中存在很多与目标安全防护运行程序不相关的信息，若在更新目标安全防护运行程序上的安全防护运行单元的防护关联规则时将此类信息也纳入考虑范围，只会耗费不必要的计算量；基于此，本公开实施例提供的方式以用于表征与目标安全防护运行程序相关的区块链支付服务之间的支付安全验证事件的区块链安全大数据为起始，对目标安全防护运行程序上的安全防护运行单元的防护关联规则进行更新。

一种实施例中，在实际应用中，区块链服务系统100可以自主地从起始支付服务数据中提取区块链安全大数据，此处的起始支付服务数据是基于网络中所有信息构建的支付服务数据；也可以直接从其它设备处获取该区块链安全大数据，本公开在此不对区块链服务系统100获取区块链线上支付生成的区块链安全大数据的实现方式做任何限定。

下面对区块链服务系统100从起始支付服务数据中提取区块链安全大数据的实现方式进行介绍。

区块链服务系统100可以从起始支付服务数据中选取满足预设条件的支付服务作为区块链支付服务，此处的预设条件包括以下至少一种：支付服务类型为预设类型、支付服务上线率超过预设上线率阈值；然后，根据所选取的区块链支付服务在起始支付服务数据中的支付安全验证事件，确定区块链安全大数据。

一种实施例中，起始支付服务数据可以由若干具有支付安全验证事件的支付安全验证事件构成，每个支付安全验证事件由起始支付服务、支付服务关系和终止支付服务组成。例如，假设该支付安全验证事件中包括的起始支付服务为“支付服务A”、支付服务关系为“支付验证流程S”、终止支付服务为“支付服务B”。起始支付服务数据中每个支付服务还包括一组与其对应的关联数据，一种实施例中，每个支付服务所包括的关联数据包括但不限于支付服务类型、支付服务名称、支付服务上线率等。

区块链服务系统100从起始支付服务数据中提取区块链安全大数据时，可以从起始支付服务数据中选取满足预设条件的支付服务作为区块链支付服务。一种实施例中，区块链服务系统100可以从起始支付服务数据中选取支付服务类型为预设类型的支付服务作为区块链支付服务；一种实施例中，区块链服务系统100也可以从起始支付服务数据中选取支付服务上线率超过预设上线率阈值的支付服务作为区块链支付服务。

一种实施例中，在实际应用中，区块链服务系统100可以仅基于支付服务类型筛选区块链支付服务，也可以仅基于支付服务上线率筛选区块链支付服务，还可以同时基于支付服务类型和支付服务上线率筛选区块链支付服务，或者区块链服务系统100也可以基于其它支付服务关联数据筛选区块链支付服务，本公开在此不对从起始支付服务数据中选取区块链支付服务时依据的预设条件做任何限定。

区块链服务系统100从起始支付服务数据中选取出与目标安全防护运行程序相关的区块链支付服务后，可以将所选取的各区块链支付服务在起始支付服务数据中的支付安全验证事件提取出来，进而，基于所选取的各区块链支付服务以及各区块链支付服务在起始支付服务数据中的支付安全验证事件，构建适用于为目标安全防护运行程序进行安全防护运行单元的防护关联规则更新的区块链安全大数据。

步骤S120，基于所述区块链安全大数据生成区块链支付服务序列；所述区块链支付服务序列是由所述区块链安全大数据中具有支付安全验证事件的多个所述区块链支付服务组成的序列。

区块链服务系统100获取到区块链安全大数据后，可以基于该区块链安全大数据生成若干个区块链支付服务序列。一种实施例中，区块链服务系统100可以基于区块链安全大数据中各区块链支付服务之间的支付安全验证事件，利用一系列彼此间具有支付安全验证事件的区块链支付服务组成区块链支付服务序列。

在实际应用中，区块链服务系统100可以采用无规则行走算法基于区块链安全大数据生成上述区块链支付服务序列，无规则行走算法实质上是一种数学统计模型，基于无规则行走算法通常可以生成一连串轨迹，游走过程中每一步都是随机的。考虑到基于无规则行走算法的随机性可能会生成大量较长的区块链支付服务序列，因此，为了在一定程度上限制所生成的区块链支付服务序列的数量和范围，可以在基于无规则行走算法生成区块链支付服务序列的过程中设置随机游走的条件。

一种实施例中，基于区块链安全大数据生成区块链支付服务序列时，可以通过以下至少一种方式实现：

通过无规则行走算法，基于区块链安全大数据中具有订阅支付安全验证事件的区块链支付服务生成区块链支付服务序列。

通过无规则行走算法，基于区块链安全大数据中归属于同一订阅属性的区块链支付服务生成区块链支付服务序列。即可以利用区块链安全大数据中对应于同一上位词的若干区块链支付服务组成区块链支付服务序列。

一种实施例中，在实际应用中，采用无规则行走算法基于区块链安全大数据生成区块链支付服务序列时，还可以根据实际需求设置其它用于限制区块链支付服务序列中区块链支付服务间的支付安全验证事件的条件，本公开在此不对针对无规则行走算法设置的限制条件做任何限定。

步骤S130，根据所述区块链支付服务序列，确定所述区块链安全大数据中所述区块链支付服务对应的支付风险行为信息，根据所述区块链安全大数据中所述区块链支付服务对应的支付风险行为信息之间的风险行为关联度、以及所述区块链支付服务与所述目标安全防护运行程序上的安全防护运行单元之间的映射信息，确定所述目标安全防护运行程序上的安全防护运行单元之间的第一风险行为关联度。

区块链服务系统100基于区块链安全大数据生成若干个区块链支付服务序列后，可以基于所生成的每个区块链支付服务序列，相应地确定该区块链支付服务序列中的区块链支付服务对应的支付风险行为信息，如此，通过上述方式遍历确定区块链安全大数据中各区块链支付服务各自对应的支付风险行为信息。由于上述区块链支付服务对应的支付风险行为信息是区块链服务系统100基于包括该区块链支付服务的区块链支付服务序列确定的，因此，该区块链支付服务对应的支付风险行为信息能够在一定程度上反映其与其它区块链支付服务之间的关联性。

下面对上述确定区块链支付服务对应的支付风险行为信息的具体实现方式进行介绍。

区块链服务系统100可以先对区块链安全大数据中各区块链支付服务进行独热编码特征提取，如独热编码，从而得到各区块链支付服务各自对应的独热编码特征信息；然后，基于区块链支付服务序列中区块链支付服务对应的独热编码特征信息对支付风险行为提取网络进行训练，在训练该支付风险行为提取网络的过程中可以不断地调整区块链支付服务的嵌入词向量(支付风险行为预测信息)；最终，将完成支付风险行为提取网络的训练后区块链支付服务的支付风险行为预测信息作为该区块链支付服务对应的支付风险行为信息。

一种实施例中，为了将区块链安全大数据中的区块链支付服务转换为可被机器识别的形式，区块链服务系统100需要先对区块链安全大数据中的区块链支付服务进行独热编码特征提取，得到各区块链支付服务各自对应的独热编码特征信息。由于通过独热编码特征提取得到的独热编码特征信息无法反映区块链支付服务之间的风险行为关联度，而本公开实施例需要得到一个能够反映区块链支付服务间的关联性的特征(即区块链支付服务对应的支付风险行为信息)，因此，本公开实施例需要初始化区块链支付服务对应的支付风险行为预测信息，然后在利用区块链支付服务序列中区块链支付服务的独热编码特征信息对支付风险行为提取网络进行训练的过程中，不断地更新该区块链支付服务对应的支付风险行为预测信息，即调整特征中的权重，在完成对于支付风险行为提取网络的训练后，即可相应地得到能够反映区块链支付服务间的关联性的支付风险行为信息。

例如，在通过支付风险行为提取网络基于某区块链支付服务预测区块链支付服务序列中与该区块链支付服务在预设窗口内相邻的区块链支付服务的过程中，会先将区块链支付服务对应的独热编码特征信息输入该支付风险行为提取网络，通过支付风险行为提取网络中的隐藏层可以将区块链支付服务映射为对应的支付风险行为预测信息，进而通过支付风险行为提取网络中的输出层输出区块链安全大数据中所有区块链支付服务与该区块链支付服务相邻的概率。其中，区块链支付服务的独热编码特征信息经过支付风险行为提取网络中的隐藏层处理后得到的特征，即为本公开实施例所需的区块链支付服务对应的支付风险行为信息。

区块链服务系统100计算得到区块链安全大数据中各目标向量各自对应的支付风险行为信息后，可以将区块链安全大数据中的各区块链支付服务两两组合，计算每两个区块链支付服务所对应的支付风险行为信息之间的风险行为关联度。进而，区块链服务系统100可以获取区块链支付服务与目标安全防护运行程序上的安全防护运行单元之间的映射信息，将区块链支付服务对应的支付风险行为信息之间的风险行为关联度转换为目标安全防护运行程序上的安全防护运行单元之间的风险行为关联度，将如此确定的安全防护运行单元之间的风险行为关联度记为安全防护运行单元之间的第一风险行为关联度。

一种实施例中，上述区块链支付服务与目标安全防护运行程序上的安全防护运行单元之间的映射信息，可以是根据区块链支付服务的支付服务名称等关联数据确定的。该映射信息可以是在确定安全防护运行单元之间的第一风险行为关联度时临时确定的，也可以是预先确定好的。本公开在此不对区块链支付服务与安全防护运行单元之间的映射信息的确定方式以及确定时机做任何限定。

一种实施例中，在实际应用中，若两个区块链支付服务被映射至同一安全防护运行单元，则在确定安全防护运行单元之间的第一风险行为关联度时，可以不考虑这两个区块链支付服务各自对应的支付风险行为信息之间的风险行为关联度。换言之，上述安全防护运行单元之间的第一风险行为关联度实质上是基于分别映射至不同安全防护运行单元的区块链支付服务所对应的支付风险行为信息之间的风险行为关联度确定的。

下面对确定上述目标安全防护运行程序上的安全防护运行单元之间的第一风险行为关联度对应的具体实现方式进行介绍。

区块链服务系统100可以先根据区块链安全大数据中各区块链支付服务各自对应的支付风险行为信息，确定第一风险行为关联度对应的第一风险信息（可以以矩阵的形式分布），该第一风险行为关联度对应的第一风险信息中的每个风险节点用于表征该风险节点所在第一风险维度（例如矩阵行）对应的区块链支付服务与所在第二风险维度（例如矩阵列）对应的区块链支付服务之间的风险行为关联度。进而，区块链服务系统100可以根据各区块链支付服务与目标安全防护运行程序上各安全防护运行单元之间的映射信息，将上述第一风险行为关联度对应的第一风险信息转换为第二风险行为关联度对应的第二风险信息，该第二风险行为关联度对应的第二风险信息中的每个风险节点用于表征该风险节点所在第一风险维度对应的安全防护运行单元与该风险节点所在第二风险维度对应的安全防护运行单元之间的风险行为关联度。

一种实施例中，区块链服务系统100确定出区块链安全大数据中各区块链支付服务各自对应的支付风险行为信息后，可以将区块链安全大数据中的各区块链支付服务两两组合，得到若干区块链支付服务对；然后，针对每个区块链支付服务对计算其中两个区块链支付服务各自对应的支付风险行为信息之间的余弦风险行为关联度，作为该区块链支付服务对对应的风险行为关联度；进而，基于各个区块链支付服务对各自对应的风险行为关联度构建第一风险行为关联度对应的第一风险信息，该第一风险行为关联度对应的第一风险信息既以各个区块链支付服务作为行，又以各个区块链支付服务作为第二风险维度，第一风险行为关联度对应的第一风险信息中位于第x个第一风险维度、第y个第二风险维度的风险节点实际上即为第x个第一风险维度对应的区块链支付服务的支付风险行为信息与第y个第二风险维度对应的区块链支付服务的支付风险行为信息之间的余弦风险行为关联度。

一种实施例中，在实际应用中，区块链服务系统100除了可以利用支付风险行为信息之间的余弦风险行为关联度构建第一风险行为关联度对应的第一风险信息外，还可以利用基于其它算法计算得到的支付风险行为信息之间的风险行为关联度构建该第一风险行为关联度对应的第一风险信息，本公开在此不对计算支付风险行为信息之间的风险行为关联度时采用的风险行为关联度算法做任何限定。

区块链服务系统100构建出第一风险行为关联度对应的第一风险信息后，可以根据各区块链支付服务与目标安全防护运行程序上各安全防护运行单元之间的映射信息，将该第一风险行为关联度对应的第一风险信息转换为用于表征安全防护运行单元之间的风险行为关联度对应的第二风险行为关联度对应的第二风险信息。一种实施例中，区块链服务系统100在转换第二风险行为关联度对应的第二风险信息时，对于两个映射至同一安全防护运行单元的区块链支付服务所对应的支付风险行为信息之间的风险行为关联度，可以将该风险行为关联度丢弃，不计入第二风险行为关联度对应的第二风险信息。

需要说明的是，在实际应用中，为了更准确地基于目标安全防护运行程序上各安全防护运行单元之间的风险行为关联度对目标安全防护运行程序上的安全防护运行单元的防护关联规则进行更新，本公开实施例提供的方法除了可以从支付服务数据的维度出发确定目标安全防护运行程序上各安全防护运行单元之间的风险行为关联度，还可以从目标安全防护运行程序上已有的安全防护运行单元的防护关联规则出发确定目标安全防护运行程序上各安全防护运行单元之间的风险行为关联度。

即区块链服务系统100可以根据目标安全防护运行程序上正在运行的安全防护运行单元的防护关联规则，确定该目标安全防护运行程序上的安全防护运行单元之间的第二风险行为关联度。一种实施例中，区块链服务系统100可以获取目标安全防护运行程序上部分或全部风险产生行为的安全防护运行单元的防护关联规则，然后，基于所获取的安全防护运行单元的防护关联规则分析安全防护运行单元之间的风险行为关联度，例如，假设风险产生行为A的安全防护运行单元的防护关联规则中包括安全防护运行单元1、安全防护运行单元2、安全防护运行单元3和安全防护运行单元4，风险产生行为B的安全防护运行单元的防护关联规则中包括安全防护运行单元2、安全防护运行单元3、安全防护运行单元4和安全防护运行单元5，则区块链服务系统100在分析安全防护运行单元的防护关联规则的过程中，可以认为安全防护运行单元1和安全防护运行单元5具有一定的风险行为关联度；基于上述基本思想，区块链服务系统100可以根据目标安全防护运行程序上目前已有的安全防护运行单元的防护关联规则确定目标安全防护运行程序上各安全防护运行单元之间的风险行为关联度，如此确定的安全防护运行单元之间的风险行为关联度可被记为安全防护运行单元之间的第二风险行为关联度。

下面确定上述目标安全防护运行程序上的安全防护运行单元之间的第二风险行为关联度对应的具体实现方式进行介绍。

区块链服务系统100可以先根据目标安全防护运行程序上的安全防护运行单元的防护关联规则构建起始安全防护运行单元的防护关联规则的风险信息，该起始安全防护运行单元的防护关联规则的风险信息中的每个风险节点用于表征该风险节点所在第一风险维度对应的风险主体行为对于该风险节点所在第二风险维度对应的安全防护运行单元的影响权重。进而，区块链服务系统100可以基于该起始安全防护运行单元的防护关联规则的风险信息训练目标特征向量，并将训练得到的目标特征向量作为第三风险行为关联度对应的第三风险信息，该第三风险行为关联度对应的第三风险信息中的每个风险节点用于表征该风险节点所在第一风险维度对应的标签与该风险节点所在第二风险维度对应的安全防护运行单元之间的风险行为关联度。

一种实施例中，区块链服务系统100可以根据目标安全防护运行程序上所有风险产生行为的安全防护运行单元的防护关联规则构建起始安全防护运行单元的防护关联规则的风险信息V，该起始安全防护运行单元的防护关联规则的风险信息中的第一风险维度代表风险产生行为user、第二风险维度代表安全防护运行单元tag，起始安全防护运行单元的防护关联规则的风险信息中的每个风险节点代表该风险节点所在第一风险维度对应的风险主体行为对于该风险节点所在第二风险维度对应的安全防护运行单元的影响权重。换言之，起始安全防护运行单元的防护关联规则的风险信息中一个第一风险维度的风险节点能够表征一个风险产生行为对于目标安全防护运行程序上各个安全防护运行单元的影响权重，起始画像矩阵中一第二风险维度风险节点能够表征目标安全防护运行程序上所有风险产生行为对于一个安全防护运行单元的影响权重。

步骤S140，基于所述第一风险行为关联度，对所述目标安全防护运行程序上的安全防护运行单元的防护关联规则进行更新，并基于更新后的安全防护运行单元的防护关联规则进行关键支付安全数据搜集，基于所述安全防护运行程序对应的安全防护运行规则对关键支付安全数据进行安全画像生成。

区块链服务系统100确定出目标安全防护运行程序上各安全防护运行单元之间的第一风险行为关联度后，可以基于该安全防护运行单元之间的第一风险行为关联度，对目标安全防护运行程序上的安全防护运行单元的防护关联规则进行更新。其构思在于，基于安全防护运行单元之间的第一风险行为关联度，在安全防护运行单元的防护关联规则中更新出与其中原有的安全防护运行单元较为相似的安全防护运行单元。

在目标安全防护运行程序上各安全防护运行单元之间的第一风险行为关联度表现为上述第二风险行为关联度对应的第二风险信息的情况下，区块链服务系统100可以通过以下方式对目标安全防护运行程序上的安全防护运行单元的防护关联规则进行更新：

根据第二风险行为关联度对应的第二风险信息和起始安全防护运行单元的防护关联规则的风险信息，确定更新安全防护运行单元的防护关联规则的风险信息；该起始安全防护运行单元的防护关联规则的风险信息是根据目标安全防护运行程序上已有的安全防护运行单元的防护关联规则构建的，该起始安全防护运行单元的防护关联规则的风险信息和更新安全防护运行单元的防护关联规则的风险信息中的每个风险节点均用于表征该风险节点所在第一风险维度对应的风险主体行为对于该风险节点所在第二风险维度对应的安全防护运行单元的影响权重。

一种实施例中，区块链服务系统100可以利用起始安全防护运行单元的防护关联规则的风险信息V乘上第二风险行为关联度对应的第二风险信息L，得到更新安全防护运行单元的防护关联规则的风险信息V’。其中，起始安全防护运行单元的防护关联规则的风险信息V可以是区块链服务系统100根据目标安全防护运行程序上全部风险产生行为的安全防护运行单元的防护关联规则构建的，该起始安全防护运行单元的防护关联规则的风险信息V中的第一风险维度对应于风险产生行为、第二风险维度对应于安全防护运行单元，该起始安全防护运行单元的防护关联规则的风险信息V中的风险节点Rij用于表征第x个风险产生行为对于第y个安全防护运行单元的影响权重。第二风险行为关联度对应的第二风险信息L是区块链服务系统100基于区块链安全大数据中各区块链支付服务各自对应的支付风险行为信息之间的风险行为关联度确定的，该第二风险行为关联度对应的第二风险信息L中的第一风险维度和第二风险维度均对应于安全防护运行单元，该第二风险行为关联度对应的第二风险信息L中的风险节点Pij用于表征第x个安全防护运行单元与第y个安全防护运行单元之间的风险行为关联度。起始安全防护运行单元的防护关联规则的风险信息V乘上第二风险行为关联度对应的第二风险信息L得到的更新安全防护运行单元的防护关联规则的风险信息V’，能够反映在安全防护运行单元的防护关联规则中更新出的安全防护运行单元，该更新安全防护运行单元的防护关联规则的风险信息V’与起始安全防护运行单元的防护关联规则的风险信息V相类似，其中的第一风险维度对应于风险产生行为、第二风险维度对应于安全防护运行单元，更新安全防护运行单元的防护关联规则的风险信息V’中的风险节点R’ij用于表征经过安全防护运行单元更新处理后第x个风险产生行为对于第y个安全防护运行单元的影响权重。

若区块链服务系统100此前还根据目标安全防护运行程序上的安全防护运行单元的防护关联规则，确定了目标安全防护运行程序上各安全防护运行单元之间的第二风险行为关联度，则区块链服务系统100此时可以基于各安全防护运行单元之间的第一风险行为关联度和第二风险行为关联度，对目标安全防护运行程序上的安全防护运行单元的防护关联规则进行更新。

一种实施例中，区块链服务系统100可以将目标安全防护运行程序上各安全防护运行单元之间的第一风险行为关联度与第二风险行为关联度融合起来，得到与目标安全防护运行程序上的业务挖掘目标相匹配、且与区块链安全大数据中支付服务间关系相匹配的各安全防护运行单元之间的目标风险行为关联度，进而，区块链服务系统100可以根据各安全防护运行单元之间的目标风险行为关联度，对目标安全防护运行程序上的安全防护运行单元的防护关联规则进行更新。

在目标安全防护运行程序上各安全防护运行单元之间的第一风险行为关联度表现为上述第二风险行为关联度对应的第二风险信息，且各安全防护运行单元之间的第二风险行为关联度表现为上述第三风险行为关联度对应的第三风险信息的情况下，区块链服务系统100可以通过以下方式对目标安全防护运行程序上的安全防护运行单元的防护关联规则进行更新：

对第二风险行为关联度对应的第二风险信息和第三风险行为关联度对应的第三风险信息进行融合，得到目标风险信息；进而，根据该目标风险信息和起始安全防护运行单元的防护关联规则的风险信息，确定更新安全防护运行单元的防护关联规则的风险信息。

一种实施例中，区块链服务系统100可以先按照预先设置好的权重，对第二风险行为关联度对应的第二风险信息L和第三风险行为关联度对应的第三风险信息W进行加权求和处理；例如，假设区块链服务系统100针对第二风险行为关联度对应的第二风险信息L设置了权重值x1，针对第三风险行为关联度对应的第三风险信息W设置了权重值x2，则区块链服务系统100可以通过下式计算目标风险信息Q：

Q＝P*x1+W*x2

一种实施例中，此处的权重值x1和x2是区块链服务系统100根据对于第二风险行为关联度对应的第二风险信息和第三风险行为关联度对应的第三风险信息的关注程度确定的，若在对安全防护运行单元的防护关联规则进行更新时更关注基于区块链安全大数据中支付服务间的支付安全验证事件确定的安全防护运行单元之间的风险行为关联度，则可以设置x1大于x2，若在对安全防护运行单元的防护关联规则进行更新时更关注基于目标安全防护运行程序上的安全防护运行单元的防护关联规则确定的安全防护运行单元之间的风险行为关联度，则可以设置x2大于x1，本公开在此不对所设置的权重值x1和x2做具体限定。

进而，区块链服务系统100可以利用起始安全防护运行单元的防护关联规则的风险信息V乘上目标风险信息Q，得到更新安全防护运行单元的防护关联规则的风险信息V’。

需要说明的是，在实际应用中，区块链服务系统100通过上述任意一种方式确定出更新安全防护运行单元的防护关联规则的风险信息后，需要基于该更新安全防护运行单元的防护关联规则的风险信息对目标安全防护运行程序上已有的安全防护运行单元的防护关联规则进行更新，一种实施例中，区块链服务系统100可以基于更新安全防护运行单元的防护关联规则的风险信息中第x个第一风险维度的风险节点，对目标安全防护运行程序上第x个风险产生行为的安全防护运行单元的防护关联规则进行更新。为了使区块链服务系统100能够更便利地基于该更新安全防护运行单元的防护关联规则的风险信息对已有的安全防护运行单元的防护关联规则进行更新，区块链服务系统100生成更新安全防护运行单元的防护关联规则的风险信息后，可以通过以下实现方式对所生成的更新安全防护运行单元的防护关联规则的风险信息进行更新处理。

在一种可能的实现方式中，区块链服务系统100可以针对更新安全防护运行单元的防护关联规则的风险信息和起始安全防护运行单元的防护关联规则的风险信息中处于相同维度的风险节点，判断起始安全防护运行单元的防护关联规则的风险信息中处于该节点的风险节点是否大于第一目标值，若是，则可以将更新安全防护运行单元的防护关联规则的风险信息中处于该节点的风险节点设置为0。

一种实施例中，若根据起始安全防护运行单元的防护关联规则的风险信息确定风险产生行为A对于安全防护运行单元1存在操作倾向，根据更新安全防护运行单元的防护关联规则的风险信息也确定风险产生行为A对于安全防护运行单元1存在操作倾向，则区块链服务系统100需要将更新安全防护运行单元的防护关联规则的风险信息中用于表征风险产生行为A对于安全防护运行单元1的影响权重的风险节点设置为0，从而避免后续基于更新安全防护运行单元的防护关联规则的风险信息对风险产生行为安全防护运行单元进行更新时，再次在安全防护运行单元的防护关联规则的风险信息中添加原有的安全防护运行单元。

通常情况下，在起始安全防护运行单元的防护关联规则的风险信息中，若某风险节点不为0，则该风险节点所在第二风险维度对应的安全防护运行单元即应当在该风险节点所在第一风险维度对应的风险主体行为的安全防护运行单元的防护关联规则中，在这种情况下，区块链服务系统100需要将上述第一目标值设置为0。当然，在一些情况下，在起始安全防护运行单元的防护关联规则的风险信息中，只有某风险节点大于预设值a，该风险节点所在第二风险维度对应的安全防护运行单元才会在该风险节点所在第一风险维度对应的风险主体行为的安全防护运行单元的防护关联规则中，在这种情况下，区块链服务系统100需要将上述第一目标值设置为a。本公开在此不对该第一目标值做具体限定。

在另一种可能的实现方式中，区块链服务系统100可以针对更新安全防护运行单元的防护关联规则的风险信息中的每个风险节点，判断该风险节点是否小于或等于第二目标值，若是，则将更新安全防护运行单元的防护关联规则的风险信息中的该风险节点设置为0。

一种实施例中，为了保证更新安全防护运行单元的防护关联规则的风险信息的稀疏性，区块链服务系统100需要设置一个介于0和1之间的第二目标值，对于更新安全防护运行单元的防护关联规则的风险信息中小于或等于该第二目标值的风险节点，区块链服务系统100需要将其相应地设置为0。

通过上述两种实现方式对更新安全防护运行单元的防护关联规则的风险信息进行处理后，该更新安全防护运行单元的防护关联规则的风险信息中每个第一风险维度内的非零项的所在第二风险维度对应的安全防护运行单元，实际上即应当为针对与该第一风险维度对应的风险主体行为更新出的安全防护运行单元。

一种实施例中，在实际应用中，除了可以通过上述两种实现方式对更新安全防护运行单元的防护关联规则的风险信息进行更新处理外，还可以采用其它方式对该更新安全防护运行单元的防护关联规则的风险信息进行更新处理，本公开在此不对更新处理该更新安全防护运行单元的防护关联规则的风险信息的方式做任何限定。

上述安全防护运行单元的防护关联规则更新方法以涵盖有大量支付服务及支付服务间关系的支付服务数据为起始，确定支付服务数据中各支付服务之间的风险行为关联度，并根据支付服务与安全防护运行单元之间的映射信息，将支付服务之间的风险行为关联度转换为安全防护运行单元之间的风险行为关联度，进而基于安全防护运行单元之间的风险行为关联度对安全防护运行单元的防护关联规则进行更新。如此，实现对安全防护运行单元的防护关联规则进行快速准确的更新，进而，有利于基于安全防护运行程序对按照更新后的安全防护运行单元的防护关联规则所搜集的关键支付安全数据进行更精确的安全画像生成。

为了便于进一步理解本公开实施例提供的安全防护运行单元的防护关联规则更新方法，下面仍以区块链服务系统100作为执行主体为例，对本公开实施例提供的安全防护运行单元的防护关联规则更新方法进行整体示例性介绍。

本公开实施例提供的安全防护运行单元的防护关联规则更新方法主要通过四个步骤实现，分别是步骤1—利用支付服务数据生成风险行为关联度的风险信息L(即前述实施例中的第二风险行为关联度对应的第二风险信息)、步骤2—利用安全防护运行单元的防护关联规则生成风险行为关联度的风险信息W(即前述实施例中的第三风险行为关联度对应的第三风险信息)、步骤3—融合风险行为关联度的风险信息、步骤4—生成更新安全防护运行单元的防护关联规则，下面对这四个步骤分别进行介绍。

步骤1—利用支付服务数据生成风险行为关联度的风险信息L：

(1)从起始支付服务数据中提取有效信息组成区块链安全大数据：起始支付服务数据由若干具有支付安全验证事件的支付安全验证事件(起始支付服务/支付服务关系/终止支付服务)，其中每个支付服务包含一组关联数据，典型的关联数据包括支付服务类型、支付服务名称、支付服务上线率等。本公开主要从起始支付服务数据中提取支付服务类型为较高支付服务上线率的区块链支付服务，组成区块链安全大数据。

(2)基于区块链安全大数据随机游走：在区块链安全大数据中根据区块链支付服务间的关系随机游走，形成若干区块链支付服务序列。一种实施例中，可以基于区块链支付服务间的一度关系随机游走生成区块链支付服务序列。

(3)训练区块链支付服务的支付风险行为信息支付风险行为预测信息：采用自然语言描述算法在随机游走生成的区块链支付服务序列上训练得到区块链安全大数据中各区块链支付服务的支付风险行为预测信息。

(4)计算区块链支付服务的支付风险行为信息之间的风险行为关联度：对所有区块链支付服务两两之间计算余弦风险行为关联度，得到区块链支付服务到区块链支付服务的风险行为关联度的风险信息(即第一风险行为关联度对应的第一风险信息)。

(5)生成安全防护运行单元风险行为关联度的风险信息L：根据区块链支付服务的支付服务名称等关联数据将区块链支付服务映射到安全防护运行单元，得到安全防护运行单元到安全防护运行单元的风险行为关联度的风险信息L。

步骤2—利用安全防护运行单元的防护关联规则生成风险行为关联度的风险信息W：

(1)输入安全防护运行单元的防护关联规则：根据目标安全防护运行程序上的安全防护运行单元的防护关联规则构建起始安全防护运行单元的防护关联规则的风险信息V(user-tag)，其中第一风险维度代表风险产生行为、第二风险维度代表安全防护运行单元，起始安全防护运行单元的防护关联规则的风险信息V中的风险节点值代表风险产生行为对于安全防护运行单元的影响权重。

(2)训练目标特征向量：利用起始安全防护运行单元的防护关联规则的风险信息V训练安全防护运行单元风险行为关联度的风险信息W，起始安全防护运行单元的防护关联规则的风险信息V与该安全防护运行单元风险行为关联度的风险信息W相乘后仍近似等于该起始安全防护运行单元的防护关联规则的风险信息V；安全防护运行单元风险行为关联度的风险信息W中的风险节点Wij表示第x个安全防护运行单元与第y个安全防护运行单元之间的风险行为关联度。训练安全防护运行单元风险行为关联度的风险信息W时，需要使该安全防护运行单元风险行为关联度的风险信息W的对角风险节点保持为0，目的是训练时避免平凡解(即对角线风险节点为0、其它风险节点为0的矩阵)。

步骤3—融合风险行为关联度的风险信息：

设置权重[x1，x2]，得到最终的目标风险信息Q＝P*x1+W*x2。

步骤4—生成更新安全防护运行单元的防护关联规则：

利用起始安全防护运行单元的防护关联规则的风险信息V乘以目标风险信息Q，得到更新安全防护运行单元的防护关联规则的风险信息V’。

一种实施例中，针对步骤S140，在基于更新后的安全防护运行单元的防护关联规则进行关键支付安全数据搜集的流程中，可以通过以下示例性的子步骤实现，详细描述如下。

子步骤S141，对更新后的安全防护运行单元的防护关联规则进行基于跨属性的安全防护属性特征提取，得到结合防护属性信息的多个安全防护属性特征。

本实施例中，跨属性可以是指针对不同的业务程序进行安全防护属性特征提取，如针对不同的业务程序，通常防护的特点不同，因此可以针对性地进行基于跨属性的安全防护属性特征提取，得到结合防护属性信息的多个安全防护属性特征。

子步骤S142，基于多个安全防护属性特征中的任一安全防护属性特征，对不同防护属性信息的目标安全防护运行单元的防护关联规则进行基于反欺诈特征的更新处理，得到对应安全防护属性特征的多个第一安全防护运行单元的防护关联规则。

子步骤S143，对目标安全防护运行单元的防护关联规则进行基于反钓鱼特征的更新处理，得到对应安全防护运行单元的防护关联规则的多个第二安全防护运行单元的防护关联规则。

子步骤S144，将安全防护运行单元的防护关联规则分别与多个第一安全防护运行单元的防护关联规则以及多个第二安全防护运行单元的防护关联规则进行融合，得到匹配的目标安全防护运行单元的防护关联规则。

子步骤S145，将目标安全防护运行单元的防护关联规则对应的关键支付安全数据搜集特征，作为用于响应安全防护运行单元的防护关联规则的关键支付安全数据搜集特征，基于关键支付安全数据搜集特征进行关键支付安全数据搜集。

例如，目标安全防护运行单元的防护关联规则中可以包括多个目标安全防护运行单元以及多个目标安全防护运行单元之间的数据分布关系，由此结合多个目标安全防护运行单元之间的数据分布关系可以获得每个目标安全防护运行单元对应的搜集轨迹的关键支付安全数据搜集特征，进而作为用于响应安全防护运行单元的防护关联规则的关键支付安全数据搜集特征，基于关键支付安全数据搜集特征进行关键支付安全数据搜集。

基于上述子步骤，本实施例通过进行基于反欺诈特征的更新处理以及基于反钓鱼特征的更新处理，得到不同防护属性信息的更新后的安全防护运行单元的防护关联规则，从而通过不同防护属性信息的更新后的安全防护运行单元的防护关联规则应对各标签所带来的数据处理策略；并且通过基于反欺诈特征的更新处理以及基于反钓鱼特征的更新处理，综合两种优化方式所得到的更新后的安全防护运行单元的防护关联规则，还可以提高优化得到的更新后的安全防护运行单元的防护关联规则的多样性，从而提高关键支付安全数据搜集的准确性。

一种实施例中，用于关键支付安全数据搜集的人工智能学习模型可以包括多个模型分支结构。

针对步骤S141，可以通过以下示例性的实施方式实现。

（1）通过多个模型分支结构中的任一模型分支结构，基于不同于安全防护运行单元的防护关联规则的防护属性，对安全防护运行单元的防护关联规则进行安全防护属性特征提取，得到对应模型分支结构的安全防护属性特征。

（2）将多个对应模型分支结构的安全防护属性特征作为多个安全防护属性特征。

用于关键支付安全数据搜集的人工智能学习模型包括特征连接分支结构，其中，在训练阶段，本实施例可以通过多个模型分支结构中的任一模型分支结构，基于不同于预设安全防护运行单元的防护关联规则的防护属性，对预设安全防护运行单元的防护关联规则进行安全防护属性特征提取，得到对应模型分支结构的安全防护属性特征。

然后，通过特征连接分支结构对对应模型分支结构的安全防护属性特征进行特征连接，得到对应预设安全防护运行单元的防护关联规则的跨属性安全防护特征，基于跨属性安全防护特征以及预设安全防护运行单元的防护关联规则的跨属性安全防护特征标签，构建人工智能学习模型的模型评估参数，更新人工智能学习模型的参数直至模型评估参数收敛，将模型评估参数收敛时人工智能学习模型的更新的参数，作为训练后的人工智能学习模型的参数。

其中，对对应模型分支结构的安全防护属性特征进行属性预测，得到对应预设安全防护运行单元的防护关联规则的预测属性，基于预测属性以及预设安全防护运行单元的防护关联规则的预设属性，构建人工智能学习模型的类别模型评估参数。

在基于跨属性安全防护特征以及预设安全防护运行单元的防护关联规则的跨属性安全防护特征标签，构建人工智能学习模型的模型评估参数的过程中，可以基于跨属性安全防护特征以及预设安全防护运行单元的防护关联规则的跨属性安全防护特征标签，构建人工智能学习模型的跨属性模型评估参数，对类别模型评估参数以及跨属性模型评估参数进行加权求和，得到人工智能学习模型的模型评估参数。

一种实施例中，针对步骤S142，可以针对结合防护属性信息的多个安全防护属性特征中的任一安全防护属性特征执行以下处理：

（1）确定安全防护属性特征分别与不同防护属性信息的目标安全防护运行单元的防护关联规则的安全防护属性特征之间的反欺诈特征参数。

（2）基于安全防护属性特征与目标安全防护运行单元的防护关联规则的安全防护属性特征之间的反欺诈特征参数，对目标安全防护运行单元的防护关联规则按照优先级顺序进行排序，将排序信息中排序在前N个的目标安全防护运行单元的防护关联规则作为多个第一安全防护运行单元的防护关联规则。其中，N为自然数。

一种实施例中，针对步骤S143，可以将安全防护运行单元的防护关联规则中的整体防护关联项目与目标安全防护运行单元的防护关联规则进行匹配，得到整体防护关联项目在目标安全防护运行单元的防护关联规则中的使用率，基于整体防护关联项目在目标安全防护运行单元的防护关联规则中的使用率，确定安全防护运行单元的防护关联规则与目标安全防护运行单元的防护关联规则之间的相同关联规则的比例，基于安全防护运行单元的防护关联规则与目标安全防护运行单元的防护关联规则之间的相同关联规则的比例，对目标安全防护运行单元的防护关联规则按照优先级顺序进行排序，将排序信息中排序在前M个的目标安全防护运行单元的防护关联规则作为多个第二安全防护运行单元的防护关联规则。其中，M为自然数。

譬如，一种实施例中，在将安全防护运行单元的防护关联规则与多个第一安全防护运行单元的防护关联规则以及多个第二安全防护运行单元的防护关联规则进行融合之前，本实施例还可以基于安全防护运行单元的防护关联规则与第一安全防护运行单元的防护关联规则之间的匹配度、以及安全防护运行单元的防护关联规则与第二安全防护运行单元的防护关联规则之间的匹配度，对第一安全防护运行单元的防护关联规则以及第二安全防护运行单元的防护关联规则按照优先级顺序进行排序，将排序信息中排序在前L个的第一安全防护运行单元的防护关联规则或者第二安全防护运行单元的防护关联规则作为用于进行业务关系匹配的优化安全防护运行单元的防护关联规则。其中，L为自然数。

一种实施例中，在前述描述的基础上，本公开实施例还可以包括以下步骤。

步骤A110，获取基于区块链线上支付生成的区块链安全大数据查找到的目标支付场景的关键支付安全数据。

本实施例中，区块链安全大数据用于表征区块链支付服务之间的支付安全验证事件，区块链支付服务是与目标安全防护运行程序相关的支付服务。具体实现方式，将在后文进行详细说明。

步骤A120，根据目标安全防护运行程序对应的预先训练的AI网络从关键支付安全数据中获取与目标支付场景相关联的配对支付场景中的配对支付行为信息，获取配对支付行为信息对应的支付行为知识图谱。

本实施例中，当需要获取目标支付场景的风险行为覆盖信息时，区块链服务系统100可以获取配对支付场景的相关支付场景数据，相关支付场景数据包括动态支付场景数据以及静态支付场景数据中的至少一种。区块链服务系统100可以根据目标安全防护运行程序对应的预先训练的AI网络对该配对支付场景的相关支付场景数据进行识别，得到该配对支付场景中的风险行为信息，该配对支付场景的风险行为信息包括配对支付场景中的配对支付行为信息、以及该配对支付行为信息的支付行为知识图谱等等；此处配对支付行为信息可以是指配对支付场景中的风险行为标签中的任一种。

其中，值得说明的是，该预先训练的AI网络可以通过收集目标安全防护运行程序下的训练数据样本和对应的风险行为预设属性进行训练获得，这样该预先训练的AI网络可以基于关键支付安全数据获得多个配对支付行为信息，然后从中筛选出与目标支付场景相关联的配对支付场景中的配对支付行为信息，从而可以获取配对支付行为信息对应的支付行为知识图谱。

可以理解的是，该预先训练的AI网络的具体训练过程可以参见现有技术中的常规训练方式即可，本公开实施例对此不作赘述。

步骤A130，根据该支付行为知识图谱确定该配对支付行为信息在该配对支付场景中的支付预测流向特征。

本实施例中，由于目标风险行为标签在目标支付场景中的支付预测流向特征与该配对支付行为信息在该配对支付场景中的支付预测流向特征匹配，而目标支付场景中的目标风险行为标签对应支付行为知识图谱（例如风险行为标签统计数量）未知，即难以获取目标风险行为标签在目标支付场景中的支付预测流向特征。因此，区块链服务系统100可以根据该支付行为知识图谱确定该配对支付行为信息在该配对支付场景中的支付预测流向特征，有利于根据该配对支付行为信息在该配对支付场景中的支付预测流向特征确定目标风险行为标签在目标支付场景中的支付预测流向特征；即该配对支付行为信息在该配对支付场景中的支付预测流向特征用于反映：在配对支付场景中的配对支付行为信息的支付行为知识图谱与配对支付场景中的风险行为分布信息之间的匹配行为特征。

步骤A140，根据该配对支付行为信息以及该支付行为知识图谱，预测该配对支付行为信息的风险行为的风险行为概率，作为预测概率，根据该预测概率确定该配对支付行为信息的风险行为在该配对支付场景中的风险倾向值信息。

本实施例中，以上所述的行为概率可以用于表征风险产生行为群体的关注程度，行为概率越高，则表面广泛的风险主体行为群体的关注程度越高。

本实施例中，区块链服务系统100可以根据该配对支付场景中的配对支付行为信息与该支付行为知识图谱，预测该配对支付行为信息的风险行为的风险行为概率，作为预测概率；该预测概率可包括该配对支付行为信息的风险行为未触发时的风险行为概率，以及该配对支付行为信息的风险行为触发时的风险行为概率中的至少一种。

一种实施例中，上述根据该预测概率确定该配对支付行为信息的风险行为在该配对支付场景中的风险倾向值信息的实现方式包括如下三种实现方式。

实现方式一，当该预测概率包括该配对支付行为信息的风险行为未触发时的风险行为概率时，区块链服务系统100可以将该配对支付行为信息的风险行为未触发时的风险行为概率，作为第一行为概率；根据该第一行为概率生成配对支付行为信息的风险行为在未触发时的风险倾向参考值，作为第一参考值。即第一参考值用于反映第一行为概率与第一总行为概率之间的比值，第一总行为概率为配对支付场景中的风险行为在未触发时的风险行为总行为概率；将该第一参考值作为该配对支付行为信息的风险行为在该配对支付场景中的风险倾向值信息。

如果配对支付场景中的风险行为均未触发时，区块链服务系统100可以将该配对支付行为信息的风险行为未触发时的风险行为概率，作为第一行为概率；并对该第一行为概率累计求和，得到配对支付场景中的风险行为未触发时的风险行为总行为概率，作为第一总行为概率。进一步，将该第一行为概率与第一总行为概率之间的比值，作为配对支付行为信息的风险行为在未触发时的风险倾向参考值；将配对支付行为信息的风险行为在未触发时的风险倾向参考值作为第一参考值，即配对支付行为信息的风险行为在该配对支付场景中风险倾向值信息包括第一参考值；该风险倾向值信息用于反映配对支付行为信息的风险行为在未触发时的风险行为概率的占比。

实现方式二，当该预测概率包括该配对支付行为信息的风险行为触发时的风险行为概率时，区块链服务系统100可以将该配对支付行为信息的风险行为触发时的风险行为概率，作为第二行为概率；根据该第二行为概率生成配对支付行为信息的风险行为在触发时的风险倾向参考值，作为第二参考值。即第二参考值用于反映第一二行为概率与第二总行为概率之间的比值，第二总行为概率为配对支付场景中的风险行为在触发时的风险行为总行为概率；将该第二参考值作为该配对支付行为信息的风险行为在该配对支付场景中的风险倾向值信息。

如果配对支付场景中的风险行为均触发时，区块链服务系统100可以将该配对支付行为信息的风险行为触发时的风险行为概率，作为第二行为概率；并对该第二行为概率累计求和，得到配对支付场景中的风险行为触发时的风险行为总行为概率，作为第二总行为概率。进一步，将该第二行为概率与第二总行为概率之间的比值，作为配对支付行为信息的风险行为在触发时的风险倾向参考值；将配对支付行为信息的风险行为在触发时的风险倾向参考值作为第二参考值，配对支付行为信息的风险行为在该配对支付场景中风险倾向值信息包括第二参考值；即该风险倾向值信息用于反映配对支付行为信息的风险行为在未触发时的风险行为概率的占比。

实现方式三，当该预测概率可包括该配对支付行为信息的风险行为未触发时的风险行为概率，以及该配对支付行为信息的风险行为触发时的风险行为概率时；区块链服务系统100可将该配对支付行为信息的风险行为未触发时的风险行为概率，作为第一行为概率；根据该第一行为概率生成配对支付行为信息的风险行为在未触发时的风险倾向参考值，作为第一参考值。将该配对支付行为信息的风险行为触发时的风险行为概率，作为第二行为概率；根据该第二行为概率生成配对支付行为信息的风险行为在触发时的风险倾向参考值，作为第二参考值；进一步，可以将上述第一参考值以及第二参考值作为该配对支付行为信息的风险行为在该配对支付场景中的风险倾向值信息。

如果配对支付场景中的风险行为存在触发，且存在未触发时，区块链服务系统100可以参考上述步骤获取第一参考值以及第二参考值，将第一参考值和第二参考值作为该配对支付行为信息的风险行为在该配对支付场景中的风险倾向值信息；即该配对支付行为信息的风险行为在该配对支付场景中的风险倾向值信息用于反映：配对支付行为信息的风险行为在未触发时的风险行为概率的占比，以及配对支付行为信息的风险行为在触发时的风险行为概率的占比。

步骤A150，获取该目标支付场景中风险行为的风险行为概率，作为目标行为概率，根据该支付预测流向特征、该风险倾向值信息以及该目标行为概率，预测该目标支付场景的风险行为覆盖信息。

区块链服务系统100可以从目标支付场景的交通管理设备中获取该目标支付场景中风险行为的风险行为概率，作为目标行为概率，此处目标行为概率为目标支付场景中的风险行为的风险行为总行为概率。一种实施例中，当该目标支付场景的风险行为均未触发时，该目标行为概率为目标支付场景中的风险行为在未触发时的风险行为概率。一种实施例中，当该目标支付场景中的风险行为均触发时，该目标行为概率为目标支付场景中的风险行为在触发时的风险行为概率。一种实施例中，当该目标支付场景中存在触发的风险行为以及未触发的风险行为时，该目标行为概率为目标支付场景中触发的风险行为的风险行为概率与目标支付场景中未触发的风险行为的风险行为概率之间的和。

由于该支付预测流向特征用于反映配对支付行为信息对应的支付行为知识图谱与配对支付场景中的风险行为分布信息之间的匹配行为特征，也即该支付预测流向特征可用于反映配对支付行为信息对应的支付行为知识图谱与配对支付场景中的风险行为分布信息之间的关系。该风险倾向值信息用于反映配对支付行为信息的风险行为的风险行为概率与配对支付场景中风险行为的风险行为总行为概率之间的占比，配对支付行为信息的风险行为的风险行为概率是根据配对支付行为信息对应的支付行为知识图谱确定的，因此，该风险倾向值信息可用于反映支付行为知识图谱、配对支付行为信息的风险行为的风险行为概率以及配对支付场景中风险行为的风险行为总行为概率三者之间的关系。目标支付场景与配对支付场景相关联，即目标支付场景对应的支付预测流向特征以及风险倾向值信息，分别与配对支付场景对应的支付预测流向特征以及风险倾向值信息匹配，也即目标风险行为标签对应的支付行为知识图谱与目标支付场景中的风险行为分布信息之间的关系，与配对支付行为信息对应的支付行为知识图谱与配对支付场景中的风险行为分布信息之间的关系匹配；目标风险行为标签对应的支付行为知识图谱、配对支付行为信息的风险行为的风险行为概率以及配对支付场景中风险行为的风险行为总行为概率三者之间的关系，与配对支付行为信息对应的支付行为知识图谱、配对支付行为信息的风险行为的风险行为概率以及配对支付场景中风险行为的风险行为总行为概率三者之间的关系匹配。

区块链服务系统100可以将配对支付场景对应的支付预测流向特征作为目标支付场景对应的支付预测流向特征，将配对支付场景对应的风险倾向值信息作为目标支付场景对应的风险倾向值信息。进一步，可根据该支付预测流向特征、该风险倾向值信息以及该目标行为概率，预测该目标支付场景的风险行为覆盖信息，该目标支付场景的风险行为覆盖信息用于反映在单位时间段内通过目标支付场景的风险行为统计值。

这样，可以基于该目标支付场景的风险行为覆盖信息进行信息推送，譬如可以按照风险行为统计值的大小顺序依次进行对应风险行为的信息推送。

本申请实施例中，支付预测流向特征用于反映配对支付行为信息对应的支付行为知识图谱与配对支付场景中的风险行为分布信息之间的匹配行为特征，也即该支付预测流向特征可用于反映配对支付行为信息对应的支付行为知识图谱与配对支付场景中的风险行为分布信息之间的关系。风险倾向值信息用于反映配对支付行为信息的风险行为的风险行为概率与配对支付场景中风险行为的风险行为总行为概率之间的占比，由于配对支付行为信息的风险行为的风险行为概率是根据配对支付行为信息对应的支付行为知识图谱确定的，因此，该风险倾向值信息可用于反映支付行为知识图谱、配对支付行为信息的风险行为的风险行为概率以及配对支付场景中风险行为的风险行为总行为概率三者之间的关系。目标支付场景与配对支付场景相关联，即目标支付场景对应的支付预测流向特征以及风险倾向值信息，分别与配对支付场景对应的支付预测流向特征以及风险倾向值信息匹配，也即目标风险行为标签对应的支付行为知识图谱与目标支付场景中的风险行为分布信息之间的关系，与配对支付行为信息对应的支付行为知识图谱与配对支付场景中的风险行为分布信息之间的关系匹配；目标风险行为标签对应的支付行为知识图谱、配对支付行为信息的风险行为的风险行为概率以及配对支付场景中风险行为的风险行为总行为概率三者之间的关系，与配对支付行为信息对应的支付行为知识图谱、配对支付行为信息的风险行为的风险行为概率以及配对支付场景中风险行为的风险行为总行为概率三者之间的关系匹配。因此，可以根据该支付预测流向特征、该风险倾向值信息以及该目标行为概率，预测该目标支付场景的风险行为覆盖信息。由于该配对支付行为信息的风险行为的风险行为概率是根据配对支付行为信息以及支付行为知识图谱确定的，即该配对支付行为信息的风险行为的风险行为概率考虑了风险行为的风险行为概率为多路径的情况；可避免不同风险行为标签的风险行为的风险行为概率为多路径，导致确定目标支付场景的风险行为覆盖信息不准确的问题，可提高风险行为覆盖信息的准确度，有利于提高风险行为的预测准确性。

图3为本公开实施例提供的基于区块链安全大数据的信息生成装置300的功能模块示意图，下面分别对该基于区块链安全大数据的信息生成装置300的各个功能模块的功能进行详细阐述。

获取模块310，用于获取区块链线上支付生成的区块链安全大数据，所述区块链安全大数据用于表征区块链支付服务之间的支付安全验证事件，所述区块链支付服务是与目标安全防护运行程序相关的支付服务。

生成模块320，用于基于所述区块链安全大数据生成区块链支付服务序列；所述区块链支付服务序列是由所述区块链安全大数据中具有支付安全验证事件的多个所述区块链支付服务组成的序列。

确定模块330，用于根据所述区块链支付服务序列，确定所述区块链安全大数据中所述区块链支付服务对应的支付风险行为信息，根据所述区块链安全大数据中所述区块链支付服务对应的支付风险行为信息之间的风险行为关联度、以及所述区块链支付服务与所述目标安全防护运行程序上的安全防护运行单元之间的映射信息，确定所述目标安全防护运行程序上的安全防护运行单元之间的第一风险行为关联度。

生成模块340，用于基于所述第一风险行为关联度，对所述目标安全防护运行程序上的安全防护运行单元的防护关联规则进行更新，并基于更新后的安全防护运行单元的防护关联规则进行关键支付安全数据搜集，基于所述安全防护运行程序对应的安全防护运行规则对关键支付安全数据进行安全画像生成。

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大数据的信息生成方法的区块链服务系统100的硬件结构示意图，如图4所示，区块链服务系统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，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大数据的信息生成方法，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节点终端200进行数据收发。

处理器110的具体实现过程可参见上述区块链服务系统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大数据的信息生成方法。

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。