应用于AI的信息防护方法及存储介质与流程

应用于ai的信息防护方法及存储介质
1.本技术是申请号为“2021115627805”、申请日为“20211220”、申请名称为“一种基于人工智能的数字化医疗信息防护方法及存储介质”的分案申请。
技术领域
2.本技术实施例涉及人工智能和数字化医疗技术领域，具体涉及一种应用于ai的信息防护方法及存储介质。


背景技术：

3.科技的不断发展逼迫各行各业向智能化运行模式转型，新兴数字化技术或将为破局带来些许思路。以医疗服务为例，（1）基于数字化的电子病历能够低成本、高效率完成用户健康信息跨地域的跨组织交互；（2）基于人工智能的慢病管理，能够帮助互联网医疗更加精准地切入核心诊疗环节；（3）基于大数据推送的网上药品零售，能够实现外流处方信息的真实性核验，或许能够成为规范网络药品销售的有效解决方案。即便如此，对于数字化医疗而言，数据信息的安全防护是现目前相对薄弱的一个环节。


技术实现要素：

4.有鉴于此，本技术实施例提供了一种应用于ai的信息防护方法及存储介质。
5.本技术实施例提供了一种应用于ai的信息防护方法，应用于信息防护平台系统，所述方法至少包括：确定待检测就诊交互状态中的就诊用户互动信息以及第一互动目的挖掘单元的重要性描述，并结合所述就诊用户互动信息和所述第一互动目的挖掘单元的重要性描述对所述就诊用户互动信息进行重要性分析，确定第一重要性分析结果；所述第一重要性分析结果表征所述就诊用户互动信息迁移到所述第一互动目的挖掘单元的重要性描述对应的分布标签处的重要性指数；所述第一互动目的挖掘单元的重要性描述用于表征互动目的挖掘单元在互动目的挖掘时对应的多维映射列表的关键列表单元对应的重要性描述；结合所述第一重要性分析结果和所述第一互动目的挖掘单元的重要性描述对所述就诊用户互动信息进行第一互动目的挖掘，确定第一互动目的挖掘结果；结合所述第一互动目的挖掘结果，确定所述就诊用户互动信息中至少部分就诊用户互动信息的危险目的检测结果。
6.本技术实施例还提供了一种信息防护平台系统，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。
7.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。
8.相较于现有技术，本技术实施例提供的应用于ai的信息防护方法及系统，所述方法包括：确定待检测就诊交互状态中的就诊用户互动信息以及第一互动目的挖掘单元的重要性描述；结合所述就诊用户互动信息和所述第一互动目的挖掘单元的重要性描述对所述
就诊用户互动信息进行重要性分析，确定第一重要性分析结果；所述第一重要性分析结果旨在生成所述就诊用户互动信息与所述第一互动目的挖掘单元的重要性描述的关联；结合所述第一重要性分析结果和所述第一互动目的挖掘单元的重要性描述对所述就诊用户互动信息进行互动目的挖掘，确定所述就诊用户互动信息中至少部分就诊用户互动信息的危险目的检测结果。应用于本技术实施例，通过对就诊用户互动信息进行重要性分析，确定就诊用户互动信息与第一互动目的挖掘单元之间的关联，能够确定反映就诊用户互动信息迁移到第一互动目的挖掘单元的重要性描述对应的分布标签处的重要性指数，进而将相对杂乱的的就诊用户互动信息与互动目的挖掘单元的重要性描述进行匹配，获得反映就诊用户互动信息和第一互动目的挖掘单元之间的适配情况，以便于在互动目的挖掘时能够尽可能准确完整地确定就诊用户互动信息的危险目的检测结果，以提高医疗信息防护的可信度。
附图说明
9.图1为本技术实施例所提供的一种应用于ai的信息防护方法的流程图。
具体实施方式
10.本技术实施例中的信息防护平台系统10可以为具有数据存储、传输、处理功能的服务端，信息防护平台系统10包括：存储器r11、处理器c12、网络模块w13和应用于ai的信息防护装置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。图1示出了本技术实施例所提供的一种应用于ai的信息防护的流程图。所述方法有关的流程所定义的方法步骤应用于信息防护平台系统10，可以由所述处理器c12实现，所述方法包括以下内容。
11.步骤-101：确定待检测就诊交互状态中的就诊用户互动信息以及第一互动目的挖掘单元的重要性描述。
12.对于本技术实施例而言，待检测就诊交互状态可以理解为就诊交互场景，就诊用户互动信息通过合法的网络爬虫从就诊交互日志中爬取得到，就诊用户互动信息可以通过矩阵列表的形式进行表示（比如就诊用户互动信息可以包括就诊用户互动信息对应的分布标签信息和特征向量），而互动目的挖掘单元可以理解为卷积单元，包括但不限于残差卷积单元和互动目的挖掘单元。进一步地，重要性描述可以理解为权重描述、权重特征或者权重向量。
13.步骤-102：结合所述就诊用户互动信息和所述第一互动目的挖掘单元的重要性描述对所述就诊用户互动信息进行重要性分析，确定第一重要性分析结果；所述第一重要性分析结果表征所述就诊用户互动信息迁移到所述第一互动目的挖掘单元的重要性描述对应的分布标签处的重要性指数。
14.对于本技术实施例而言，第一互动目的挖掘单元的重要性描述对应的分布标签可以理解为第一互动目的挖掘单元的重要性描述对应的位置，重要性指数可以理解为权重。
15.步骤-103：结合所述第一重要性分析结果和所述第一互动目的挖掘单元的重要性描述对所述就诊用户互动信息进行第一互动目的挖掘，确定第一互动目的挖掘结果。
16.对于本技术实施例而言，互动目的挖掘用于识别就诊用户互动信息对应的互动意图或者互动偏好信息，这些互动意图或者互动偏好有正常类别、异常类别和风险类别，通过
这些互动意图或者互动偏好能够确定就诊用户互动信息是否存在危险或者威胁，从而实现准确可靠的信息防护。
17.步骤-104：结合所述第一互动目的挖掘结果，确定所述就诊用户互动信息中至少部分就诊用户互动信息的危险目的检测结果。
18.在步骤-101到步骤-104的基础上，互动目的挖掘单元的重要性描述（包括对于本技术实施例而言的第一互动目的挖掘单元的重要性描述以及后续内容中的第二互动目的挖掘单元的重要性描述以及第三互动目的挖掘单元的重要性描述）为全局互动目的挖掘单元的重要性描述。可以理解，全局互动目的挖掘单元在进行互动目的挖掘过程中对应于一多维映射列表，则该多维映射列表的多个关键列表单元对应于互动目的挖掘单元的重要性描述（对于本技术实施例而言的第一互动目的挖掘单元的重要性描述），可以理解，对于本技术实施例而言所述互动目的挖掘单元的重要性描述并非指一个重要性描述，至少指多个重要性描述，该多个重要性描述可以是同一个互动目的挖掘单元的重要性描述，也可以是多个不同的互动目的挖掘单元的重要性描述。
19.对于本技术实施例而言，互动目的挖掘单元的重要性描述对应有互动目的挖掘指示，所述互动目的挖掘指示可包括互动目的挖掘单元尺寸描述；其中，所述互动目的挖掘单元尺寸描述用于确定互动目的挖掘处理的维度特征，也即用于确定着多维映射列表的尺寸大小。
20.对于本技术实施例而言，由于就诊用户互动信息中的各个互动事件是相对杂乱的，为了使就诊用户互动信息的危险目的信息被准确充分地挖掘，对于本技术实施例而言首先通过步骤-102所对应的实施方式对就诊用户互动信息进行重要性分析，从而确定就诊用户互动信息与第一互动目的挖掘单元的重要性描述的关联，以便将就诊用户互动信息与第一互动目的挖掘单元的重要性描述所在分布标签进行绑定，从而在互动目的挖掘时能够尽可能准确完整地确定就诊用户互动信息的危险目的检测结果，以提高医疗信息防护的可信度。
21.在本技术的一种独立实施的实施例中，针对步骤-102，所述结合所述就诊用户互动信息和所述第一互动目的挖掘单元的重要性描述对所述就诊用户互动信息进行重要性分析，确定第一重要性分析结果，包括：结合所述就诊用户互动信息和所述第一互动目的挖掘单元的重要性描述依据事先设置的重要性分析策略确定第一重要性分析结果，所述第一重要性分析结果表征将所述就诊用户互动信息迁移到符合设定要求的第一互动目的挖掘单元的重要性描述对应的分布标签处的重要性指数；其中，所述就诊用户互动信息匹配于所述符合设定要求的第一互动目的挖掘单元的重要性描述所构建的视觉性约束条件。
22.对于本技术实施例而言，可通过事先设置的不同的重要性分析策略对就诊用户互动信息进行重要性分析。其中，重要性分析可通过上采样算法（比如差值算法）实现，便可以通过不同的上采样算法对就诊用户互动信息进行重要性分析。比如，所述重要性分析策略可为线性重要性分析策略或高斯重要性分析策略，便可以通过线性上采样算法或高斯函数对就诊用户互动信息进行重要性分析。举例而言，可将互动目的挖掘单元的重要性描述（对于本技术实施例而言即为第一互动目的挖掘单元的重要性描述）和就诊用户互动信息（比如为就诊用户互动信息的分布约束）导入到上采样算法对应的模型中，确定第一重要性分析结果。
23.对于本技术实施例而言，对于不同的重要性分析策略，对应于相同就诊用户互动信息的、符合设定要求的第一互动目的挖掘单元的重要性描述是不同的，并且视觉性约束条件也是不同的。其中，符合设定要求的第一互动目的挖掘单元的重要性描述为形成就诊用户互动信息所在的视觉性约束条件的互动目的挖掘单元的重要性描述。
24.以一些示例来看待，在重要性分析策略为线性重要性分析策略的前提下，视觉性约束条件为互动目的挖掘单元对应的多维映射列表，也即多个重要性描述（对于本技术实施例而言为第一互动目的挖掘单元的重要性描述）形成的多维映射列表，多维映射列表的多个关键列表单元分别对应多个重要性描述，每个多维映射列表的多个关键列表单元对应的多个重要性描述可能是同一个互动目的挖掘单元的，也可能是多个不同互动目的挖掘单元的。相应的，通过线性上采样算法对就诊用户互动信息进行处理，得到第一重要性分析结果表征将所述就诊用户互动信息迁移到所在的多维映射列表对应的多个重要性描述中各个重要性描述对应分布标签的重要性指数。
25.在本技术的一种独立实施的实施例中，针对步骤-103，通常情况下，互动目的挖掘是指将两个不存在关联的信息集依据设定指示将相关信息集分别进行加权处理。而对于本技术实施例而言是通过第一重要性分析结果和所述第一互动目的挖掘单元的重要性描述对所述就诊用户互动信息进行互动目的挖掘，相当于对于本技术实施例而言是一种权重附加式的互动目的挖掘方式，也即针对每一轮的相关信息集的加权处理，均将加权处理结果乘以所述第一重要性分析结果。对于本技术实施例而言，是将第一互动目的挖掘单元的重要性描述与就诊用户互动信息的特征向量进行加权处理，而每个加权处理结果均乘以所述第一重要性分析结果，然后进一步求和。
26.在本技术的一种独立实施的实施例中，针对步骤-103，所述在确定所述第一互动目的挖掘结果之后，所述方法还包括：基于标量变换指标对所述第一互动目的挖掘结果进行标量变换操作；所述标量变换指标为通过所述就诊用户互动信息所对应的所述视觉性约束条件的就诊用户互动信息的量化统计结果得到。
27.对于一些可能的实施例而言，如果采用线性重要性分析策略，则某一多维映射列表内的就诊用户互动事件的量化统计结果为4个，则在针对这4个就诊用户互动信息中的每个就诊用户互动信息进行互动目的挖掘确定第一互动目的挖掘结果之后，基于数值4对该第一互动目的挖掘结果进行标量变换操作。对于另一些可能的实施例而言，如果采用高斯重要性分析策略，则就诊用户互动事件的量化统计结果为2个，则在针对这2个就诊用户互动信息中的每个就诊用户互动信息进行互动目的挖掘确定第一互动目的挖掘结果之后，基于数值2对该第一互动目的挖掘结果进行标量变换操作（归一化处理）。
28.本技术实施例步骤-103中，通过第一重要性分析结果和第一互动目的挖掘单元的重要性描述对就诊用户互动信息进行第一互动目的挖掘，也即将就诊用户互动信息迁移到符合设定要求的第一互动目的挖掘单元的重要性描述对应的分布标签处后，通过第一互动目的挖掘单元的重要性描述对就诊用户互动信息进行互动目的挖掘，从而确定表征就诊用户互动信息的危险目的检测结果的特征向量，也即确定第一互动目的挖掘结果。
29.在实际实施过程中，可以通过ai模型的不同处理任务和需求，通过ai模型（分类器）识别就诊用户互动信息的危险目的检测结果进而确定待检测就诊交互状态中的智慧医疗客户端的区分性标签，所述智慧医疗客户端的区分性标签比如手机、立柜式机器人等等，
通过该ai模型可直接输出待检测就诊交互状态中的智慧医疗客户端的区分性标签（类别）。也可通过ai模型识别就诊用户互动信息中不少于一个就诊用户互动信息的危险目的检测结果进而确定就诊用户互动信息中的不少于一个就诊用户互动信息的异常操作事项，就诊用户互动信息的异常操作事项可表示就诊用户互动信息的区分性标签，所述就诊用户互动信息的区分性标签表明所述就诊用户互动信息所属的智慧医疗客户端信息，比如，待检测就诊交互状态中包括立柜式机器人、手机等多个智慧医疗客户端，则可通过就诊用户互动信息的异常操作事项识别，确定就诊用户互动信息中的就诊用户互动信息对应的智慧医疗客户端是立柜式机器人或是手机，则可通过就诊用户互动信息的异常操作事项识别确定对应于立柜式机器人的全部就诊用户互动信息以及对应于手机的全部就诊用户互动信息。
30.本技术实施例步骤-104中，通过对就诊用户互动信息进行第一互动目的挖掘，目的使就诊用户互动信息中的就诊用户互动信息与其他就诊用户互动信息之间的区别更加显著，从而确定所述就诊用户互动信息中至少部分就诊用户互动信息的危险目的检测结果，为后续确定待检测就诊交互状态中的智慧医疗客户端以及该智慧医疗客户端的区分性标签，或者确定就诊用户互动信息中不少于一个就诊用户互动信息的异常操作事项提供尽可能丰富的数据基础。
31.应用于本技术实施例，通过对就诊用户互动信息进行重要性分析，确定就诊用户互动信息与第一互动目的挖掘单元之间的关联，能够确定反映就诊用户互动信息迁移到第一互动目的挖掘单元的重要性描述对应的分布标签处的重要性指数，进而将相对杂乱的的就诊用户互动信息与互动目的挖掘单元的重要性描述进行匹配，获得反映就诊用户互动信息和第一互动目的挖掘单元之间的适配情况，以便于在互动目的挖掘时能够尽可能准确完整地确定就诊用户互动信息的危险目的检测结果，以提高医疗信息防护的可信度。
32.本技术实施例还提供了一种应用于ai的信息防护方法。本技术一可独立实施的实施例的应用于ai的信息防护方法的技术方案，所述方法可以包括以下内容。
33.步骤-201：确定待检测就诊交互状态中的就诊用户互动信息以及第一互动目的挖掘单元的重要性描述。
34.步骤-202：结合所述就诊用户互动信息和所述第一互动目的挖掘单元的重要性描述对所述就诊用户互动信息进行重要性分析，确定第一重要性分析结果；所述第一重要性分析结果表征所述就诊用户互动信息迁移到所述第一互动目的挖掘单元的重要性描述对应的分布标签处的重要性指数；其中，所述第一互动目的挖掘单元的重要性描述为x个，所述第一重要性分析结果为x个，x为不小于2的整数。
35.步骤-203：通过第i个第一重要性分析结果以及第i个第一互动目的挖掘指示对第i个第一互动目的挖掘单元的重要性描述和所述就诊用户互动信息进行第i次第一互动目的挖掘，确定第i次第一互动目的挖掘结果；所述第i个第一互动目的挖掘指示对应于第i次第一互动目的挖掘的维度特征；i为不小于1且不大于x的整数。
36.步骤-204：结合x个第一互动目的挖掘结果确定所述就诊用户互动信息的危险目的检测结果。
37.本技术实施例步骤-201至步骤-202的进一步说明示例性地可以参阅上述技术方案中的步骤-101至步骤-102中的进一步说明，在此不再进行更多说明。同理，本技术实施例各步骤中的重要性分析和互动目的挖掘的进一步说明示例性地可以参阅上述技术方案中
步骤-102至步骤-103的进一步说明，在此不再进行更多说明。
38.在本技术的一种独立实施的实施例中，针对步骤-202，所述第一互动目的挖掘单元的重要性描述为x个；则所述结合所述就诊用户互动信息和所述第一互动目的挖掘单元的重要性描述对所述就诊用户互动信息进行重要性分析，确定第一重要性分析结果，包括：结合所述就诊用户互动信息和第i个第一互动目的挖掘单元的重要性描述分别对所述就诊用户互动信息进行重要性分析，确定第i个第一重要性分析结果；i为不小于1不大于x的整数；x为不小于2的整数。举例而言，第一互动目的挖掘单元的重要性描述可具有x个，将就诊用户互动信息和x个第一互动目的挖掘单元的重要性描述中的第i个第一互动目的挖掘单元的重要性描述分别输入至上采样算法，确定第i个第一重要性分析结果。换言之，将就诊用户互动信息和x个第一互动目的挖掘单元的重要性描述分别输入上采样算法对应的模型中，可确定x个第一重要性分析结果。
39.对于本技术实施例而言，全局互动目的挖掘单元在进行互动目的挖掘过程中对应于一多维映射列表，则该多维映射列表的多个关键列表单元对应于多个重要性描述（记为第一互动目的挖掘单元的重要性描述），每个全局互动目的挖掘单元对应有互动目的挖掘指示，也即该全局互动目的挖掘单元对应的第一互动目的挖掘单元的重要性描述对应有互动目的挖掘指示，所述互动目的挖掘指示可包括互动目的挖掘单元尺寸描述；其中，所述互动目的挖掘单元尺寸描述用于确定互动目的挖掘处理的维度特征，也即用于确定着多维映射列表的尺寸大小。
40.对于本技术实施例而言，针对就诊用户互动信息，采用第i个第一重要性分析结果以及第i个第一互动目的挖掘指示对第i个第一互动目的挖掘单元的重要性描述和就诊用户互动信息进行第i次第一互动目的挖掘，确定第i次第一互动目的挖掘结果，示例性的第一互动目的挖掘过程可参照上述技术方案所述，在此不再进行更多说明。举例而言，对于本技术实施例而言的重要性分析和互动目的挖掘可通过ai模型中的卷积单元实现。可以理解，对于本技术实施例而言通过x个卷积单元分别对同一就诊用户互动信息进行重要性分析、互动目的挖掘，从而确定x个第一互动目的挖掘结果。
41.其中，所述第i个第一互动目的挖掘指示对应于第i次第一互动目的挖掘的维度特征，换言之，x个第一互动目的挖掘指示中至少部分第一互动目的挖掘指示对应的互动目的挖掘的维度特征不同。可以理解，所述第一互动目的挖掘指示越大，互动目的挖掘的维度特征越大，信息覆盖范围越大；相应的，所述第一互动目的挖掘指示越小，互动目的挖掘的维度特征越小，信息覆盖范围越小。本技术实施例可通过较小的第一互动目的挖掘指示对应的一组第一互动目的挖掘单元的重要性描述对就诊用户互动信息进行互动目的挖掘，确定目标智慧医疗客户端更为精准的危险目的检测结果；可通过较大的第一互动目的挖掘指示对应的一组第一互动目的挖掘单元的重要性描述对就诊用户互动信息进行互动目的挖掘，确定范围型的危险目的检测结果。可以理解，包含对于本技术实施例而言的x个卷积单元的模型，能够分别通过x个第一互动目的挖掘单元的重要性描述中的第i个第一互动目的挖掘单元的重要性描述以及对应的第i个第一互动目的挖掘指示对就诊用户互动信息进行重要性分析以及互动目的挖掘，该网络为具有多信息覆盖范围的ai模型，能够捕获就诊用户互动信息的更为精准的危险目的检测结果和范围型的危险目的检测结果。
42.基于以上实施例，是针对就诊用户互动信息结合x个第一互动目的挖掘单元的重
要性描述以及x个第一互动目的挖掘指示采用分布式处理的思路进行的一次的重要性分析和互动目的挖掘，基于得到x个第一互动目的挖掘结果确定所述就诊用户互动信息的危险目的检测结果。在其他实施方式中，为了更加精准可靠地确定就诊用户互动信息的危险目的检测结果，可以依次进行多次的重要性分析和互动目的挖掘，在每次的重要性分析和互动目的挖掘过程中，可基于多组第一互动目的挖掘单元的重要性描述以及多组第一互动目的挖掘指示采用分布式处理的思路进行重要性分析和互动目的挖掘。
43.在本技术的一种独立实施的实施例中，所述结合所述x个第一互动目的挖掘结果确定所述就诊用户互动信息的危险目的检测结果，包括：通过第一中间挖掘结果和第二互动目的挖掘单元的重要性描述对所述第一中间挖掘结果进行重要性分析，确定第二重要性分析结果；所述第二重要性分析结果表征所述第一中间挖掘结果迁移到所述第二互动目的挖掘单元的重要性描述对应的分布标签处的重要性指数；其中，所述第一中间挖掘结果根据上一轮互动目的挖掘的结果确定，在上一轮互动目的挖掘的结果为x个第一互动目的挖掘结果的前提下，所述第一中间挖掘结果根据所述x个第一互动目的挖掘结果确定；结合所述第二重要性分析结果和所述第二互动目的挖掘单元的重要性描述对所述第一中间挖掘结果进行第二互动目的挖掘，确定第二互动目的挖掘结果；结合所述第二互动目的挖掘结果，确定所述就诊用户互动信息的危险目的检测结果。
44.对于一些可能的实施例而言，对于本技术实施例而言对x个第一互动目的挖掘结果进行整合，确定第一中间挖掘结果。举例而言，可对x个第一互动目的挖掘结果中的每个第一互动目的挖掘结果中的对应对应通道的信息进行全局融合加权，从而确定第一中间挖掘结果。进一步采用第二互动目的挖掘单元的重要性描述针对所述第一中间挖掘结果进行重要性分析，以及，基于第二互动目的挖掘单元的重要性描述和第二重要性分析结果对所述第一数据进行互动目的挖掘，确定第二互动目的挖掘结果。其中，重要性分析和互动目的挖掘的进一步实施方式与上述技术方案相同，在此不再进行更多说明。在其他实施方式中，可根据上一轮互动目的挖掘的结果确定所述第一中间挖掘结果，所述第一中间挖掘结果的确定方式与上述相关内容类似，在此不再进行更多说明。
45.对于本技术实施例而言，所述第二互动目的挖掘单元的重要性描述为z个，所述第二重要性分析结果为z个，z为不小于2的整数；所述结合所述第二重要性分析结果和所述第二互动目的挖掘单元的重要性描述对所述第一中间挖掘结果再次进行互动目的挖掘，包括：通过第j个第二重要性分析结果以及第j个第二互动目的挖掘指示对第j个第二互动目的挖掘单元的重要性描述和所述第一中间挖掘结果进行第j次第二互动目的挖掘，确定第j次第二互动目的挖掘结果；所述第j个第二互动目的挖掘指示对应于第j次互动目的挖掘的维度特征；j为不小于1且不大于l的整数；所述基于第二互动目的挖掘结果，确定所述就诊用户互动信息的危险目的检测结果，包括：通过z个第二互动目的挖掘结果确定所述就诊用户互动信息的危险目的检测结果。其中，z的数值与x的数值相同或不同。
46.可以理解，以就诊用户互动信息依次进行两次的重要性分析和互动目的挖掘为例，则就诊用户互动信息先通过x个第一互动目的挖掘单元的重要性描述中的第i个第一互动目的挖掘单元的重要性描述分别进行重要性分析，以及通过x个第一互动目的挖掘单元的重要性描述中的第i个第一互动目的挖掘单元的重要性描述和x个第一卷积单元变量中的第i个第一互动目的挖掘指示分别进行互动目的挖掘后，确定x个第一互动目的挖掘结
果；再将x个第一互动目的挖掘结果整合为第一中间挖掘结果后，再通过z个第二互动目的挖掘单元的重要性描述中的第j个第二互动目的挖掘单元的重要性描述进行重要性分析，以及通过z个第二互动目的挖掘单元的重要性描述中的第j个第二互动目的挖掘单元的重要性描述和z个第二互动目的挖掘指示中的第j个第二互动目的挖掘指示分别进行互动目的挖掘，确定z个第二互动目的挖掘结果，通过z个第二互动目的挖掘过程确定所述就诊用户互动信息的危险目的检测结果。换言之，对于本技术实施例而言的就诊用户互动信息经过了上采样-互动目的挖掘-上采样-互动目的挖掘的处理过程，每次重要性分析和互动目的挖掘过程中又分别通过多种通道对就诊用户互动信息进行重要性分析和互动目的挖掘。举例而言，循环轮数可基于实际情况确定，比如可以为3轮。
47.在本技术的一种独立实施的实施例中，所述方法还包括：步骤-207：结合所述就诊用户互动信息的危险目的检测结果确定所述待检测就诊交互状态中的智慧医疗客户端的区分性标签。
48.对于本技术实施例而言，基于输出的表征就诊用户互动信息的危险目的检测结果的多个维度的信息确定所述就诊用户互动信息对应的智慧医疗客户端的区分性标签，也即确定待检测就诊交互状态中的智慧医疗客户端的区分性标签。示例性的，结合所述多个维度的信息中数值最大的维度的信息确定所述智慧医疗客户端的区分性标签。
49.应用于本技术实施例，一方面，通过对就诊用户互动信息进行重要性分析，确定旨在生成就诊用户互动信息与第一互动目的挖掘的关联的重要性分析结果，能够确定反映就诊用户互动信息迁移到第一互动目的挖掘单元的重要性描述对应分布标签的重要性指数，从而使得将相对杂乱的就诊用户互动信息与互动目的挖掘单元的重要性描述进行匹配，便于在互动目的挖掘时能够尽可能准确完整地确定就诊用户互动信息的危险目的检测结果，以提高医疗信息防护的可信度；另一方面，通过不同的互动目的挖掘指示的分别对就诊用户互动信息进行互动目的挖掘，实现了就诊用户互动信息的更为精准的危险目的检测结果和范围型的危险目的检测结果的获取，能够提升就诊用户互动信息对应的智慧医疗客户端分析的准确性。
50.本技术实施例还提供了一种应用于ai的信息防护方法。本技术一可独立实施的实施例的应用于ai的信息防护方法可以包括以下内容。
51.步骤-301：确定待检测就诊交互状态中的就诊用户互动信息以及第一互动目的挖掘单元的重要性描述。
52.步骤-302：结合所述就诊用户互动信息和所述第一互动目的挖掘单元的重要性描述对所述就诊用户互动信息进行重要性分析，确定第一重要性分析结果；所述第一重要性分析结果表征所述就诊用户互动信息迁移到所述第一互动目的挖掘单元的重要性描述对应的分布标签处的重要性指数。
53.步骤-303：结合所述第一重要性分析结果和所述第一互动目的挖掘单元的重要性描述对所述就诊用户互动信息进行第一互动目的挖掘，确定第一互动目的挖掘结果、步骤-304：对所述第一互动目的挖掘结果进行第一挖掘结果扩展操作，确定第一挖掘结果扩展操作结果。
54.步骤-305：结合所述第一挖掘结果扩展操作结果确定所述就诊用户互动信息中不少于一个就诊用户互动信息的危险目的检测结果。
55.本技术实施例步骤-301至步骤-302的进一步说明示例性地可以参阅上述技术方案中的步骤-101至步骤-102中的进一步说明，在此不再进行更多说明。同理，本技术实施例各步骤中的重要性分析和互动目的挖掘的进一步说明示例性地可以参阅上述技术方案中步骤-102至步骤-103的进一步说明，在此不再进行更多说明。
56.对于本技术实施例而言，为了能够提取出的就诊用户互动信息中不少于一个就诊用户互动信息的危险目的检测结果，从而后续便于基于不少于一个就诊用户互动信息的危险目的检测结果确定不少于一个就诊用户互动信息的异常操作事项，对于本技术实施例而言在对就诊用户互动信息进行第一互动目的挖掘之后，由于互动目的挖掘过程伴附带维度精简，因此需要对所述第一互动目的挖掘结果进行第一挖掘结果扩展操作，从而还原第一互动目的挖掘结果的维度，也即将第一互动目的挖掘结果的维度进行扩展，确定第一挖掘结果扩展操作结果，结合所述第一挖掘结果扩展操作结果确定所述就诊用户互动信息中不少于一个就诊用户互动信息的危险目的检测结果。举例而言，重要性分析和互动目的挖掘对应的处理方式可称为编码处理，挖掘结果扩展操作对应的处理方式可称为解码处理。
57.基于以上实施例，是针对就诊用户互动信息的一次重要性分析、互动目的挖掘以及挖掘结果扩展操作，在其他实施方式中，为了更加精准可靠地确定就诊用户互动信息中的不少于一个就诊用户互动信息的危险目的检测结果，可以依次进行多次的重要性分析、互动目的挖掘和挖掘结果扩展操作。
58.在本技术的一种独立实施的实施例中，所述结合所述第一挖掘结果扩展操作结果确定所述就诊用户互动信息中不少于一个就诊用户互动信息的危险目的检测结果，包括：基于上一轮挖掘结果扩展操作后的结果和第三互动目的挖掘单元的重要性描述对所述上一轮挖掘结果扩展操作后的结果进行重要性分析，确定第三重要性分析结果；所述第三重要性分析结果表征上一轮挖掘结果扩展操作后的结果迁移到所述第三互动目的挖掘单元的重要性描述对应的分布标签处的重要性指数；在上一轮挖掘结果扩展操作是对第一互动目的挖掘结果进行的第一挖掘结果扩展操作的前提下，上一轮挖掘结果扩展操作后的结果为第一挖掘结果扩展结果；结合所述第三重要性分析结果和所述第三互动目的挖掘单元的重要性描述对所述上一轮挖掘结果扩展操作后的结果进行第三互动目的挖掘，确定第三互动目的挖掘结果；对所述第三互动目的挖掘结果进行第二挖掘结果扩展操作，确定第二挖掘结果扩展操作结果；结合所述第二挖掘结果扩展操作结果确定所述就诊用户互动信息中不少于一个就诊用户互动信息的危险目的检测结果。
59.可以理解，将就诊用户互动信息进行一次重要性分析、第一互动目的挖掘以及第一挖掘结果扩展操作后，可重复进行重要性分析，第二互动目的挖掘以及第二挖掘结果扩展操作，重复的次数可依据实际情况预先配置。
60.在本技术的一种独立实施的实施例中，所述方法还包括步骤-306：结合所述就诊用户互动信息中不少于一个就诊用户互动信息的危险目的检测结果确定所述不少于一个就诊用户互动信息的异常操作事项。
61.对于本技术实施例而言，基于输出的表征不少于一个就诊用户互动信息的危险目的检测结果的多个维度的信息确定所述不少于一个就诊用户互动信息的异常操作事项，也即确定所述不少于一个就诊用户互动信息的区分性标签，所述就诊用户互动信息的区分性标签表明所述就诊用户互动信息所属的智慧医疗客户端信息，比如，待检测就诊交互状态
中包括立柜式机器人、手机等多个智慧医疗客户端，则可通过就诊用户互动信息的异常操作事项识别，确定就诊用户互动信息中的就诊用户互动信息对应的智慧医疗客户端是立柜式机器人或是手机，则可通过就诊用户互动信息的异常操作事项识别确定对应于立柜式机器人的全部就诊用户互动信息以及对应于手机的全部就诊用户互动信息。示例性的，结合所述不少于一个就诊用户互动信息中每个就诊用户互动信息对应的多个维度的特征信息中数值最大的维度的信息确定该就诊用户互动信息的异常操作事项。比如，针对每个就诊用户互动信息输出x个维度的特征信息，每个维度的信息可对应一个区分性标签，则从x个维度的信息中确定数值最大的维度的信息，将数值最大的维度的信息对应的区分性标签确定为该就诊用户互动信息的异常操作事项。
62.应用于本技术实施例，通过对就诊用户互动信息进行重要性分析，确定旨在生成就诊用户互动信息与第一互动目的挖掘的关联的重要性分析结果，能够确定反映就诊用户互动信息迁移到第一互动目的挖掘单元的重要性描述对应分布标签的重要性指数，从而使得将相对杂乱的就诊用户互动信息与互动目的挖掘单元的重要性描述进行匹配，便于在互动目的挖掘时能够尽可能准确完整地确定就诊用户互动信息的危险目的检测结果，以提高医疗信息防护的可信度，从而更好的获取就诊用户互动信息的异常操作事项。
63.除此之外，对于一些可独立实施的设计思路而言，在确定所述就诊用户互动信息中至少部分就诊用户互动信息的危险目的检测结果之后，该方法还可以包括以下内容：在所述危险目的检测结果表征所述至少部分就诊用户互动信息存在信息威胁风险的前提下，根据所述至少部分就诊用户互动信息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，并结合不同的预设行为描述处理模型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；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。
64.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。
65.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。
66.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。
67.除此之外，对于一些可独立实施的设计思路而言，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，可以通过以下技术方案实现。
68.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。
69.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。
70.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。
71.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。
72.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。
73.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。
74.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。
75.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。
76.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。
77.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。
78.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。
79.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。
80.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。
81.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。
82.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针对智慧医疗服务的大数据风险识别方法中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。
83.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。
84.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。
85.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。
86.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。
87.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。
88.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。
89.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针对智慧医疗服务的大数据风险识别方法中的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。
90.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。
91.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。
92.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。
93.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。
94.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。
95.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。
96.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。
97.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。
98.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。
99.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）。
100.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。
101.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。
102.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。
103.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针对智慧医疗服务的大数据风险识别方法中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。
104.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。
105.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。
106.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。
107.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。
108.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。
109.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。
110.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。
111.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。
112.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。
113.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。
114.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。
115.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。
116.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。
117.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。
118.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。
119.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。
120.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针对智慧医疗服务的大数据风险识别方法中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。
121.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。
122.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。
123.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。
124.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。
125.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针对智慧医疗服务的大数据风险识别方法中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。
126.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。
127.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。
128.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。
129.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。
130.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。
131.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。
132.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。
133.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。
134.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。
135.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。
136.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。
137.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。
138.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。
139.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。
140.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针对智慧医疗服务的大数据风险识别方法中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。
141.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。
142.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。
143.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。
144.比如可以通过池化处理得到精简后的异常互动行为描述。
145.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。
146.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。
147.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。
148.基于上述相关内容，能够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。
149.基于上述同样的发明构思，还提供了一种应用于ai的信息防护装置20，应用于信息防护平台系统10，所述装置包括：重要性分析模块21，用于确定待检测就诊交互状态中的就诊用户互动信息以及第一互动目的挖掘单元的重要性描述，并结合所述就诊用户互动信息和所述第一互动目的挖掘单元的重要性描述对所述就诊用户互动信息进行重要性分析，确定第一重要性分析结果；所述第一重要性分析结果表征所述就诊用户互动信息迁移到所述第一互动目的挖掘单元的重要性描述对应的分布标签处的重要性指数；所述第一互动目的挖掘单元的重要性描述用于表征互动目的挖掘单元在互动目的挖掘时对应的多维映射列表的关键列表单元对应的重要性描述；危险目的检测模块22，用于结合所述第一重要性分析结果和所述第一互动目的挖掘单元的重要性描述对所述就诊用户互动信息进行第一互动目的挖掘，确定第一互动目的挖掘结果；结合所述第一互动目的挖掘结果，确定所述就诊用户互动信息中至少部分就诊用户互动信息的危险目的检测结果。
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。