1.一种网络空间风险数据流检测预警方法，其特征在于：该方法包括以下步骤：

S1、银行线下运营数据检测：获取指定分部银行所在区域位置，对指定分部银行在设定监测周期内线下各运营业务对应的运营数据进行检测，其中，运营业务包括取款、存款和贷款；

S2、银行线上运营数据检测：对指定分部银行在设定监测周期内关联线上业务处理终端对应的运营数据进行检测；

所述指定分部银行在设定监测周期内关联线上业务处理终端对应的运营数据具体包括注册用户数目、办理业务次数和各次办理业务对应的业务类型；

S3、银行服务评价数据检测：对指定分部银行在设定周期内各工作人员对应的关联服务评价数据进行检测；

S4、银行运营风险评估与预警解析：对指定分部银行的运营风险进行评估，得到指定分部银行对应的综合运营风险评估指数，将指定分部银行对应的综合运营风险评估指数与设定的预警运营风险评估指数进行对比，若指定分部银行对应的综合运营风险评估指数大于或者等于设定的预警运营风险评估指数，则判定指定分部银行存在运营风险，反之则判定指定分部银行不存在运营风险；

所述对指定分部银行的运营风险进行评估，具体评估过程为：

第一步、基于指定分部银行在设定监测周期内线下各运营业务对应的运营数据，分析得到指定分部银行在设定周期内对应的线下运营风险评估指数，并记为β1；

第二步、基于指定分部银行在设定监测周期内关联线上业务处理终端对应的运营数据，分析得到指定分部银行在设定周期内对应的线上运营风险评估指数，并记为β2；

所述分析得到指定分部银行在设定周期内对应的线上运营风险评估指数，具体分析过程包括以下步骤：从指定分部银行在设定监测周期内关联线上业务处理终端对应的运营数据中提取注册用户数目、办理业务次数和各次办理业务对应的业务类型，其中，业务类型为查询类型和支付类型；

将各次办理业务对应的业务类型进行相互对比，统计查询类型对应的办理业务次数和支付类型对应的办理业务次数；

将查询类型办理业务的次数与支付类型对应的办理业务次数进行作差，将差值记为业务办理次数差；

将业务办理次数差与设定的参考业务办理次数差范围进行对比，若业务办理次数差在设定的参考业务办理次数差范围内，则判断业务办理倾向类型为均匀办理，从业务数据库中提取均匀办理对应的运营风险权重因子，记为σ1；

若业务办理次数差不在设定的参考业务办理次数差范围内且大于0，则判断业务办理倾向类型为查询办理，从业务数据库中提取查询办理对应的运营风险权重因子，记为σ2；

若业务办理次数差不在设定的参考业务办理次数差范围内且小于0，则判断业务办理倾向类型为支付办理，从业务数据库中提取支付办理对应的运营风险权重因子，记为σ3，由此得到指定分部银行在设定监测周期内关联线上业务处理终端业务办理倾向类型对应的运营风险权重因子，并记为τ，τ取值为σ1或σ2或σ3，其中，σ1<σ2<σ3；

通过分析公式 分析得到指定分部银行在设定周

期内对应的线上运营风险评估指数β2，h1、h2分别表示为注册用户数目、办理业务次数对应的权重因子，n、y分别表示为指定分部银行在设定监测周期内关联线上业务处理终端中的注册用户数目、办理业务次数，n′、y′分别表示为设定的银行关联线上业务处理终端在设定监测周期内对应的参考注册用户数目、参考办理业务次数；

第三步、基于指定分部银行在设定监测周期内各工作人员对应的关联服务评价数据，分析得到指定分部银行在设定周期内服务状态对应的运营风险评估指数，并记为β3；

第四步、基于指定分部银行在设定周期内对应的线下运营风险评估指数、线上运营风险 评 估 指 数 和 服 务 状 态 对 应 的 运 营 风险 评 估 指 数 ，通 过 分 析 公 式分析得到指定分部银行对应的综合运营风险评估指数λ，e表示为自然数，α1、α2、α3分别表示为设定的银行线下运营风险、线上运营风险、服务运营风险对应的权重因子，α1＞α2＞α3，且α1+α2+α3＝1；

S5、银行运营风险反馈:当指定分部银行存在运营风险时，启动运营风险预警指令，同时将该指定分部银行所在区域位置以及运营风险预警指令传输至指定分部银行对应所属总行。

2.根据权利要求1所述的一种网络空间风险数据流检测预警方法，其特征在于：所述取款对应的运营数据具体包括取款次数、各次取款对应的取款时间点和各次取款对应的取款金额；存款对应的运营数据具体包括存款次数和各次存款对应的存款金额；贷款对应的运营数据具体包括贷款次数和各次贷款对应的贷款额度。

3.根据权利要求1所述的一种网络空间风险数据流检测预警方法，其特征在于：所述各工作人员对应的关联服务评价数据具体包括评价次数和好评次数。

4.根据权利要求1所述的一种网络空间风险数据流检测预警方法，其特征在于：所述分析得到指定分部银行在设定周期内对应的线下运营风险评估指数，具体分析过程包括以下步骤：基于指定分部银行所在区域位置，设置线下运营影响权重因子，并记为

从指定分部银行在设定监测周期内线下各运营业务对应的运营数据中定位出取款次数、各次取款对应的取款时间点和各次取款对应的取款金额，将各次取款对应的取款金额进行累加，得到指定分部银行在设定监测周期内对应的综合取款金额，并记为M；

基于指定分部银行在设定监测周期内线下各次取款对应的取款时间点，获取首次取款和尾次取款之间的取款间隔时长，并记为T；

基于指定分部银行在设定监测周期内线下取款次数、取款间隔时长和综合取款金额，利用计算公式计算得出指定分部银行在设定监测周期内取款风险评估指数，并记为ε1；

其中， c′、f、M′、ΔM分别表示为设定的银

行线下在设定监测周期内参考取款次数、参考取款频率、参考取款额度、许可取款额度差，c表示为指定分部银行在设定监测周期内线下取款次数，a1,a2,a3分别表示为设定的取款次数、取款频率、取款额度对应的权重因子；

从指定分部银行在设定监测周期内线下各运营业务对应的运营数据中定位出存款次数和各次存款对应的存款金额，将各次存款对应的存款金额进行累加，得到指定分部银行在设定监测周期内综合存款金额，并记为M0；

基于指定分部银行在设定监测周期内线下存款次数和综合存款金额，通过分析公式分析得到得到指定分部银行在设定监测周期内存款风险评估指数，并记为ε2；

其中， b1,b2分别表示为设定的存款次数，存款金额

对应的权重因子，c′0、M0′分别表示为设定的银行线下在设定监测周期内参考存款次数、参考存款额度；

从指定分部银行在设定监测周期内线下各运营业务对应的运营数据中定位出贷款次数和各次贷款对应的贷款额度，将各次贷款对应的贷款额度进行累加，得到指定分部银行在设定监测周期内综合贷款额度，并记为M1；

基于指定分部银行在设定监测周期内线下贷款次数和综合贷款额度，通过分析公式分析得到指定分部银行在设定监测周期内贷款风险评估指数，并记为ε3；

其中， d1、d2分别表示为设定的贷款次数，综合贷款

额度对应的权重因子，c′1、M′1分别表示为设定的银行线下在设定监测周期内对应的参考贷款次数、参考贷款额度；

基于指定分部银行在设定监测周期内取款风险评估指数、存款风险评估指数、贷款风险评估指数和线下运营影响权重因子，通过分析公式 分析得到指定分部银行在设定周期内对应的线下运营风险评估指数β1，μ1、μ2、μ3分别表示为设定的取款信息、存款信息、贷款信息对应的权重因子。

5.根据权利要求1所述的一种网络空间风险数据流检测预警方法，其特征在于：所述分析得到指定分部银行在设定周期内服务状态对应的运营风险评估指数，具体分析过程如下：从指定分部银行在设定监测周期内各工作人员对应的关联服务评价数据中提取评价次数和好评次数，并分别记为Jt和Ht，t表示各工作人员对应的编号，t＝1,2,......m，由此通过计算公式 分析得到指定分部银行在设定周期内服务状态对应的运营风险评估指数β3， 为设定的服务评价修正因子，m表示为工作人员数目。

6.一种网络空间风险数据流检测预警系统，用于执行上述权利要1‑5任一项所述的方法，其特征在于：该系统包括：银行线下运营数据检测模块，用于获取指定分部银行所在区域位置，对指定分部银行在设定监测周期内线下各运营业务对应的运营数据进行检测，其中，运营业务包括取款、存款和贷款；

银行线上运营数据检测模块，用于对指定分部银行在设定监测周期内关联线上业务处理终端对应的运营数据进行检测；

银行服务评价数据检测模块，对指定分部银行在设定周期内各工作人员对应的关联服务评价数据进行检测；

业务数据库，用于存储各业务办理倾向类型对应的运营风险权重因子；

银行运营风险预警解析模块，用于对指定分部银行的运营风险进行评估，得到指定分部银行对应的综合运营风险评估指数，由此对指定分部银行运营风险状态进行判断；

银行运营风险反馈终端，用于当指定分部银行存在运营风险时，启动运营风险预警指令，同时将该指定分部银行所在区域位置以及运营风险预警指令传输至指定分部银行对应所属总行。

7.一种网络空间风险数据流检测预警计算机存储介质，其特征在于：所述网络空间风险数据流检测预警计算机存储介质烧录有计算机程序，所述计算机程序在服务器的内存中运行时实现上述权利要求1‑5任一项所述的方法。