1.一种脱敏数据还原的方法，其特征在于，包括：

接收数据还原指令，获取第一数据对象的敏感数据访问记录；

对所述第一数据对象的敏感数据访问记录进行特征提取，得到第一行为特征向量；

将所述第一行为特征向量导入预先训练好的行为偏好模型，得到所述第一数据对象的行为偏好信息；

基于所述行为偏好信息确定待还原的目标脱敏数据；

查找所述目标脱敏数据对应的目标数据还原策略，并利用所述目标数据还原策略对所述目标脱敏数据进行数据还原，得到目标数据；

将所述目标数据发送至所述第一数据对象的客户端；

对所述第一数据对象的敏感数据访问记录进行特征提取，得到第一行为特征向量包括：对所述第一数据对象的敏感数据访问记录进行特征提取，得到行为特征数据；

对所述行为特征数据进行向量转化，得到第一行为特征向量；

对所述行为特征数据进行向量转化，得到第一行为特征向量包括：对所述行为特征数据进行向量转化，生成初始特征向量；

基于预设的特征权重算法计算所述行为特征数据的权重，得到特征权重；

基于所述特征权重对所述初始特征向量进行调整，得到第一行为特征向量；

在将所述第一行为特征向量导入预先训练好的行为偏好模型，得到所述第一数据对象的行为偏好信息之前，还包括：获取第二数据对象的敏感数据访问记录，并获取所述第二数据对象对所述敏感数据访问记录的反馈信息；

基于所述反馈信息对所述第二数据对象的敏感数据访问记录进行标注，得到第二行为偏好标签；

对所述第二数据对象的敏感数据访问记录进行特征提取，并对提取到的行为特征进行特性向量转化，得到第二行为特征向量；

将所述第二行为特征向量作为所述行为偏好模型的输入，将所述第二行为偏好标签作为所述行为偏好模型的期望输出，对所述行为偏好模型进行训练，得到训练好的行为偏好模型；

所述行为偏好模型采用梯度决策树模型进行训练，所述梯度决策树模型中配置有回归决策树，将所述第二行为特征向量作为所述行为偏好模型的输入，将所述第二行为偏好标签作为所述行为偏好模型的期望输出，对所述行为偏好模型进行训练，得到训练好的行为偏好模型包括：将所述第二行为特征向量导入到所述回归决策树，得到初始行为回归标签；

获取所述回归决策树的权重，并基于所述回归决策树的权重对所述初始行为回归标签进行调整，得到行为回归标签；

基于所述行为回归标签和所述第二行为偏好标签对所述行为偏好模型进行迭代更新，得到训练好的行为偏好模型。

2.如权利要求1所述的脱敏数据还原的方法，其特征在于，基于预设的特征权重算法计算所述行为特征数据的权重，得到特征权重包括：为所述行为特征数据赋予相同的初始权重；

对赋予所述初始权重后的行为特征数据进行分类，得到若干个特征数据组合；

基于特征权重算法，计算特征数据组合中每一个所述行为特征数据的特征权重。

3.如权利要求1所述的脱敏数据还原的方法，其特征在于，将所述第一行为特征向量导入预先训练好的行为偏好模型，得到所述第一数据对象的行为偏好信息包括：将所述第一行为特征向量导入到所述行为偏好模型，得到初始行为特征标签；

获取所述行为偏好模型的权重，并基于所述行为偏好模型的权重对所述初始行为特征标签进行调整，得到第一行为偏好标签；

基于所述第一行为偏好标签生成所述第一数据对象的行为偏好信息。

4.一种脱敏数据还原的装置，其特征在于，所述脱敏数据还原的装置使用如权利要求1至3中任一项所述的脱敏数据还原的方法的步骤，所述脱敏数据还原的装置包括：第一敏感数据模块，用于接收数据还原指令，获取第一数据对象的敏感数据访问记录；

第一特征提取模块，用于对所述第一数据对象的敏感数据访问记录进行特征提取，得到第一行为特征向量；

行为偏好预测模块，用于将所述第一行为特征向量导入预先训练好的行为偏好模型，得到所述第一数据对象的行为偏好信息；

脱敏数据确定模块，用于基于所述行为偏好信息确定待还原的目标脱敏数据；

脱敏数据还原模块，用于查找所述目标脱敏数据对应的目标数据还原策略，并利用所述目标数据还原策略对所述目标脱敏数据进行数据还原，得到目标数据；

明文数据输出模块，用于将所述目标数据发送至所述第一数据对象的客户端。

5.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至3中任一项所述的脱敏数据还原的方法的步骤。

6.一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上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至3中任一项所述的脱敏数据还原的方法的步骤。