1.一种结合人工智能的用户信息威胁分析方法，其特征在于，应用于人工智能服务器，所述方法包括：获得待分析数字用户活动信息和威胁事件捕捉模型model1，并通过所述威胁事件捕捉模型model1对所述待分析数字用户活动信息进行威胁事件捕捉操作，确定出所述待分析数字用户活动信息的第一威胁事件捕捉数据；其中，所述威胁事件捕捉模型model1通过将威胁事件捕捉模型model2进行模型轻量化处理所得；所述模型轻量化处理的思路包括：将所述威胁事件捕捉模型model2的任意一个模型单元生成的风险行为知识短语的细节评价值进行调整；

所述威胁事件捕捉模型model2包括第一风险行为挖掘子模型，获得威胁事件捕捉模型model1，包括：获得所述威胁事件捕捉模型model2，所述威胁事件捕捉模型model2为完成配置的威胁事件捕捉模型；

在所述第一风险行为挖掘子模型的第q阶知识短语挖掘单元与第q+1阶知识短语挖掘单元之间添配p倍短语精简操作，得到第二风险行为挖掘子模型；其中，p为正整数，所述第一风险行为挖掘子模型的知识短语挖掘单元的数目不小于q+1；

利用所述第二风险行为挖掘子模型和所述威胁事件捕捉模型model2中除所述第一风险行为挖掘子模型以外的模型配置，确定出所述威胁事件捕捉模型model1；

其中，所述利用所述第二风险行为挖掘子模型和所述威胁事件捕捉模型model2中除所述第一风险行为挖掘子模型以外的模型配置，确定出所述威胁事件捕捉模型model1，包括：在所述第二风险行为挖掘子模型的第q+1阶知识短语挖掘单元之后添配p倍短语衍生操作，得到第三风险行为挖掘子模型；利用所述第三风险行为挖掘子模型和所述威胁事件捕捉模型model2中除所述第一风险行为挖掘子模型以外的模型配置，确定出所述威胁事件捕捉模型model1。

2.根据权利要求1所述的方法，其特征在于，所述获得所述威胁事件捕捉模型model2，包括：

获得威胁事件捕捉模型model3，所述威胁事件捕捉模型model3为完成配置的威胁事件捕捉模型，且所述威胁事件捕捉模型model3包括第四风险行为挖掘子模型，所述第四风险行为挖掘子模型的配置与所述第一风险行为挖掘子模型的配置一致；所述第四风险行为挖掘子模型的第q+1阶知识短语挖掘单元包括目标滑动滤波节点，所述目标滑动滤波节点的规模大于所述第一风险行为挖掘子模型的第q+1阶知识短语挖掘单元的滑动滤波节点的规模；

将所述威胁事件捕捉模型model3中的所述目标滑动滤波节点的规模压缩为第一规模，确定出所述威胁事件捕捉模型model2，所述第一规模为所述第一风险行为挖掘子模型的第q+1阶知识短语挖掘单元的滑动滤波节点的规模。

3.根据权利要求2所述的方法，其特征在于，所述威胁事件捕捉操作所捕捉的威胁事件为目标信息威胁事件；所述获得威胁事件捕捉模型model3，包括：获得威胁事件捕捉模型model4和数字用户活动信息示例，所述威胁事件捕捉模型model4的配置与所述威胁事件捕捉模型model3的配置一致；所述威胁事件捕捉模型model4中的所述目标滑动滤波节点的规模为所述第一规模；所述数字用户活动信息示例的先验注释包括所述目标信息威胁事件的种类和所述目标信息威胁事件的捕捉窗口在数字用户活动信息中的分布；

将所述威胁事件捕捉模型model4中的所述目标滑动滤波节点的规模由所述第一规模衍生为第二规模，得到威胁事件捕捉模型model5；

基于所述数字用户活动信息示例对所述威胁事件捕捉模型model5进行调试，确定出所述威胁事件捕捉模型model3。

4.根据权利要求3所述的方法，其特征在于，在所述目标滑动滤波节点的规模为第一规模的基础上，所述目标滑动滤波节点包括w个变量；所述基于所述数字用户活动信息示例对所述威胁事件捕捉模型model5进行调试，确定出所述威胁事件捕捉模型model3，包括：基于所述数字用户活动信息示例对所述威胁事件捕捉模型model5进行调试，在所述目标滑动滤波节点中的指定变量的数目不大于w的基础上，确定出所述威胁事件捕捉模型model3，所述指定变量的取值为目标值；

其中，所述数字用户活动信息示例包括第一已认证数字用户活动信息；所述基于所述数字用户活动信息示例对所述威胁事件捕捉模型model5进行调试，在所述目标滑动滤波节点中的指定变量的数目不大于w的基础上，确定出所述威胁事件捕捉模型model3，包括：基于所述威胁事件捕捉模型model5对所述第一已认证数字用户活动信息进行威胁事件捕捉操作，确定出所述第一已认证数字用户活动信息的第二威胁事件捕捉数据；

在所述威胁事件捕捉模型model5对所述第一已认证数字用户活动信息进行威胁事件捕捉操作的过程中，所述第四风险行为挖掘子模型中的第h阶知识短语挖掘单元生成第一风险行为知识短语；

通过基于所述威胁事件捕捉模型model4对所述第一已认证数字用户活动信息进行威胁事件捕捉操作，确定出所述第h阶知识短语挖掘单元生成第二风险行为知识短语；

利用所述第二威胁事件捕捉数据与所述第一已认证数字用户活动信息的先验注释的第一比较结果，得到模型代价cost1，所述模型代价cost1与所述第一比较结果存在设定关系；

利用所述第一风险行为知识短语与所述第二风险行为知识短语的第二比较结果，得到模型代价cost2，所述模型代价cost2与所述第二比较结果存在设定关系；

利用所述模型代价cost1和所述模型代价cost2，改进所述威胁事件捕捉模型model5的变量，在所述目标滑动滤波节点中的所述指定变量的数目不大于w的基础上，确定出所述威胁事件捕捉模型model3。

5.根据权利要求2所述的方法，其特征在于，所述将所述威胁事件捕捉模型model3中的所述目标滑动滤波节点的规模压缩为第一规模，确定出所述威胁事件捕捉模型model2，包括：通过对所述威胁事件捕捉模型model3中的所述目标滑动滤波节点进行短语精简操作，将所述目标滑动滤波节点的规模压缩为所述第一规模，确定出所述威胁事件捕捉模型model2。

6.根据权利要求2所述的方法，其特征在于，所述利用所述第二风险行为挖掘子模型和所述威胁事件捕捉模型model2中除所述第一风险行为挖掘子模型以外的模型配置，确定出所述威胁事件捕捉模型model1，包括：整合所述第二风险行为挖掘子模型和所述威胁事件捕捉模型model2中除所述第一风险行为挖掘子模型以外的模型配置，得到威胁事件捕捉模型model6；

基于所述威胁事件捕捉模型model3对第二已认证数字用户活动信息进行威胁事件捕捉操作，确定出所述第二已认证数字用户活动信息的第三威胁事件捕捉数据；

基于所述威胁事件捕捉模型model4对所述第二已认证数字用户活动信息进行威胁事件捕捉操作，确定出所述第二已认证数字用户活动信息的第四威胁事件捕捉数据；

基于所述威胁事件捕捉模型model6对所述第二已认证数字用户活动信息进行威胁事件捕捉操作，确定出所述第二已认证数字用户活动信息的第五威胁事件捕捉数据；

利用所述第三威胁事件捕捉数据与所述第五威胁事件捕捉数据之间的第三比较结果，得到模型代价cost3，所述模型代价cost3与所述第三比较结果存在设定关系；

利用所述第四威胁事件捕捉数据与所述第五威胁事件捕捉数据之间的第四比较结果，得到模型代价cost4，所述模型代价cost4与所述第四比较结果存在设定关系；

利用所述模型代价cost3和所述模型代价cost4，改进所述威胁事件捕捉模型model6的变量，确定出所述威胁事件捕捉模型model1。

7.根据权利要求1所述的方法，其特征在于，所述威胁事件捕捉操作的选定信息威胁事件包括隐私窃取事件；所述待分析数字用户活动信息为对指定数字业务交互会话进行信息获取得到的数字用户活动信息；

在确定出所述第一威胁事件捕捉数据后，所述方法还包括：利用所述第一威胁事件捕捉数据，确定所述待分析数字用户活动信息中的隐私窃取事件数，作为所述指定数字业务交互会话内的隐私窃取事件数。

8.根据权利要求1所述的方法，其特征在于，所述威胁事件捕捉操作的选定信息威胁事件包括隐私窃取倾向关键词；在确定出所述第一威胁事件捕捉数据后，所述方法还包括：利用所述第一威胁事件捕捉数据，从所述待分析数字用户活动信息中确定待进行隐私窃取倾向提取的信息集；

对所述待进行隐私窃取倾向提取的信息集进行隐私窃取倾向提取，得到隐私窃取倾向关键词。

9.一种人工智能服务器，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，使得所述人工智能服务器执行如权利要求1‑8中任意一项所述的方法。