1.一种云计算服务的异常用户行为处理方法，其特征在于，应用于云计算安防服务器，所述方法包括：通过目标云服务互动流式记录和所述目标云服务互动流式记录存在时序先后关系的在先云服务互动流式记录，确定若干个异常用户标签捕捉窗口和所述若干个异常用户标签捕捉窗口对应的若干个窗口权重评分；其中，所述若干个异常用户标签捕捉窗口中的各个异常用户标签捕捉窗口对应一个窗口权重评分；

基于所述目标云服务互动流式记录，确定所述若干个异常用户标签捕捉窗口中每两个异常用户标签捕捉窗口之间的扰动权重评分；

基于所述若干个窗口权重评分和所述扰动权重评分，从所述若干个异常用户标签捕捉窗口中确定出目标异常用户标签捕捉窗口，并确定所述目标异常用户标签捕捉窗口中携带的第一目标异常用户标签，以对所述第一目标异常用户标签进行操作行为持续化分析。

2.如权利要求1所述的方法，其特征在于，所述通过目标云服务互动流式记录和所述目标云服务互动流式记录存在时序先后关系的在先云服务互动流式记录，确定若干个异常用户标签捕捉窗口和所述若干个异常用户标签捕捉窗口对应的若干个窗口权重评分，包括：基于所述目标云服务互动流式记录，确定所述若干个异常用户标签捕捉窗口和所述若干个异常用户标签捕捉窗口对应的若干个标签捕捉可信系数，所述若干个异常用户标签捕捉窗口中的各个异常用户标签捕捉窗口对应一个标签捕捉可信系数；

基于所述目标云服务互动流式记录和所述在先云服务互动流式记录，确定所述若干个异常用户标签捕捉窗口对应的若干个时序关联变量，所述各个异常用户标签捕捉窗口对应一个时序关联变量；

基于所述若干个标签捕捉可信系数和所述若干个时序关联变量，确定所述若干个异常用户标签捕捉窗口对应的若干个窗口权重评分。

3.如权利要求2所述的方法，其特征在于，所述基于所述目标云服务互动流式记录和所述在先云服务互动流式记录，确定所述若干个异常用户标签捕捉窗口对应的若干个时序关联变量，包括：在所述在先云服务互动流式记录中，确定若干个在先异常用户标签捕捉窗口；

确定第一异常用户标签捕捉窗口与所述若干个在先异常用户标签捕捉窗口之间的若干个相对分布特征值，所述第一异常用户标签捕捉窗口为所述若干个异常用户标签捕捉窗口中的其中一个异常用户标签捕捉窗口；

将所述若干个相对分布特征值中的最大特征值确定为所述第一异常用户标签捕捉窗口对应的第一时序关联变量；

确定若干个所述第一异常用户标签捕捉窗口对应的若干个第一时序关联变量，以确定出所述若干个异常用户标签捕捉窗口对应的所述若干个时序关联变量。

4.如权利要求1所述的方法，其特征在于，所述基于所述目标云服务互动流式记录，确定所述若干个异常用户标签捕捉窗口中每两个异常用户标签捕捉窗口之间的扰动权重评分，包括：在所述目标云服务互动流式记录中，确定每两个异常用户标签捕捉窗口之间的相对分布共性变量和记录内容共性变量；

基于所述相对分布共性变量和所述记录内容共性变量，确定出所述每两个异常用户标签捕捉窗口之间的扰动权重评分。

5.如权利要求4所述的方法，其特征在于，所述在所述目标云服务互动流式记录中，确定每两个异常用户标签捕捉窗口之间的相对分布共性变量，包括：分别获取第一异常用户标签捕捉窗口的信息捕捉单元和第二异常用户标签捕捉窗口的信息捕捉单元，所述第一异常用户标签捕捉窗口和所述第二异常用户标签捕捉窗口为所述每两个异常用户标签捕捉窗口；

基于所述第一异常用户标签捕捉窗口的信息捕捉单元和所述第二异常用户标签捕捉窗口的信息捕捉单元，确定所述第一异常用户标签捕捉窗口和所述第二异常用户标签捕捉窗口之间的相对分布共性变量，以确定出所述每两个异常用户标签捕捉窗口之间的相对分布共性变量。

6.如权利要求1所述的方法，其特征在于，所述基于所述若干个窗口权重评分和所述扰动权重评分，从所述若干个异常用户标签捕捉窗口中确定出目标异常用户标签捕捉窗口，包括：以所述若干个窗口权重评分作为捕捉扰动关系网的扰动特征成员的影响因子；

将每两个异常用户标签捕捉窗口之间的扰动权重评分，作为所述每两个异常用户标签捕捉窗口对应的两个扰动特征成员之间的连接向量的影响因子，生成捕捉扰动关系网；

在所述捕捉扰动关系网中确定不少于一个局部关系网，并基于所述不少于一个局部关系网携带的窗口权重评分和扰动权重评分，从所述不少于一个局部关系网中确定出第一局部关系网；

将所述第一局部关系网携带的异常用户标签捕捉窗口确定为所述目标异常用户标签捕捉窗口。

7.如权利要求6所述的方法，其特征在于，所述基于所述不少于一个局部关系网携带的窗口权重评分和扰动权重评分，从所述不少于一个局部关系网中确定出第一局部关系网，包括：分别确定不少于一个局部关系网对应的不少于一组局部流式记录，所述不少于一个局部关系网中的各个局部关系网对应一组局部流式记录，所述一组局部流式记录中包括不少于一个局部流式记录；

基于所述不少于一个局部流式记录携带的窗口权重评分和扰动权重评分，确定所述不少于一个局部关系网中各个局部关系网对应的不少于一个解析指数，所述不少于一个局部流式记录中的各个局部流式记录对应一个解析指数；

从所述各个局部关系网对应的不少于一个解析指数确定出解析指数最大的目标解析指数，直到确定出所述不少于一个局部关系网对应的不少于一个目标解析指数；

从所述不少于一个局部关系网中，确定所述不少于一个目标解析指数对应的不少于一个关系网特征分布；

将所述不少于一个关系网特征分布拼接为所述第一局部关系网。

8.如权利要求1所述的方法，其特征在于，所述确定所述目标异常用户标签捕捉窗口中携带的第一目标异常用户标签之后，所述方法还包括：基于所述目标云服务互动流式记录，确定所述第一目标异常用户标签对应的活动事件识别结果和噪声标签对应的噪声事件识别结果，所述噪声标签为与所述第一目标异常用户标签中的目标异常用户标签的相关度最高的用户标签；

基于所述目标云服务互动流式记录之前的在先云服务互动流式记录集，确定所述第一目标异常用户标签对应的在先互动行为描述字段集和噪声标签对应的在先噪声行为描述字段集；

通过和所述目标云服务互动流式记录存在时序先后关系的后一云服务互动流式记录，确定第二目标异常用户标签对应的当前活动事件分布特征和当前互动行为描述字段，所述第二目标异常用户标签为所述后一云服务互动流式记录的目标异常用户标签捕捉窗口中包括的目标异常用户标签；

基于所述活动事件识别结果、所述在先互动行为描述字段集、所述当前活动事件分布特征和所述当前互动行为描述字段，确定所述第一目标异常用户标签和所述第二目标异常用户标签之间的标签词向量距离；

基于所述噪声事件识别结果、所述在先噪声行为描述字段集、所述当前活动事件分布特征和所述当前互动行为描述字段，确定噪声词向量距离；

基于所述标签词向量距离和所述噪声词向量距离，确定所述第一目标异常用户标签的操作行为分析指示。

9.如权利要求8所述的方法，其特征在于，所述基于所述标签词向量距离和所述噪声词向量距离，确定所述第一目标异常用户标签的操作行为分析指示，包括：基于所述标签词向量距离和所述噪声词向量距离，确定所述第一目标异常用户标签和所述第二目标异常用户标签之间的操作行为上下游特征；

结合所述操作行为上下游特征，在所述第二目标异常用户标签中抽取与所述第一目标异常用户标签存在联系的风险用户标签，以确定所述第一目标异常用户标签的操作行为分析指示。

10.一种云计算安防服务器，其特征在于，包括：存储器和处理器；所述存储器和所述处理器耦合；所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令；其中，当所述处理器执行所述计算机指令时，使得所述云计算安防服务器执行如权利要求1‑9中任意一项所述的方法。