1.一种基于人工智能的数据访问分析方法，其特征在于，应用于人工智能云平台，所述方法包括：

获得待进行越界预警分析的访问行为检测记录和所述访问行为检测记录对应的行为要素描述短语；其中，所述行为要素描述短语至少包括如下一项：访问行为检测记录中的访问类型、访问时段、访问权限认证结果、访问安全评价、访问行为状态和检测信噪比；

依据所述访问行为检测记录和所述行为要素描述短语，从联动AI模型集群中包含的多个候选神经网络中筛选不少于一个候选神经网络作为前处理神经网络；其中，所述联动AI模型集群为混合模型集；

通过所述前处理神经网络进行所述访问行为检测记录的决策知识挖掘操作，得到所述访问行为检测记录对应的行为越界决策知识；其中，所述决策知识挖掘操作为基于专家系统的特征提取处理；

其中，所述联动AI模型集群包括不少于一个AI算法模型，每个所述AI算法模型中包括多个候选神经网络；

所述依据所述访问行为检测记录和所述行为要素描述短语，从联动AI模型集群中包含的多个候选神经网络中筛选不少于一个候选神经网络作为前处理神经网络，包括：针对任一所述AI算法模型，依据所述访问行为检测记录和所述行为要素描述短语，从所述AI算法模型包含的多个候选神经网络中筛选不少于一个候选神经网络作为所述前处理神经网络；

其中，所述依据所述访问行为检测记录和所述行为要素描述短语，从所述AI算法模型包含的多个候选神经网络中筛选不少于一个候选神经网络作为前处理神经网络，包括：将行为要素隐含知识和行为要素描述短语进行合并，得到联动知识短语，所述行为要素隐含知识是通过对所述访问行为检测记录进行知识挖掘所得；依据所述联动知识短语得到神经网络筛选指示，所述神经网络筛选指示中包括X个筛选变量，X与所述AI算法模型中待筛选的多个候选神经网络的数目相等，且所述筛选变量用于表示对应所述筛选变量的候选神经网络的被筛选可能性；依据所述神经网络筛选指示中的筛选变量，从所述AI算法模型中待筛选的X个候选神经网络中确定所述前处理神经网络；

其中，针对任一所述AI算法模型，在从所述AI算法模型中筛选的所述前处理神经网络的数目为多个的基础上，所述通过所述前处理神经网络进行所述访问行为检测记录的决策知识挖掘操作，包括：针对任一所述AI算法模型，将行为要素隐含知识分别加载到从所述AI算法模型中确定的多个前处理神经网络，得到各前处理神经网络分别生成的前处理知识向量；所述行为要素隐含知识是通过对所述访问行为检测记录进行知识挖掘所得；将各前处理神经网络生成的前处理知识向量进行基于权重的合并处理，得到所述AI算法模型生成的行为越界决策知识。

2.如权利要求1所述的方法，其特征在于，所述依据所述神经网络筛选指示中的筛选变量，从所述AI算法模型中待筛选的X个候选神经网络中确定所述前处理神经网络，包括：从所述AI算法模型中待筛选的X个候选神经网络中，基于筛选变量确定所述被筛选可能性最大的候选神经网络作为所述前处理神经网络。

3.如权利要求1所述的方法，其特征在于，所述依据所述神经网络筛选指示中的筛选变量，从所述AI算法模型中待筛选的X个候选神经网络中确定所述前处理神经网络，包括：从所述AI算法模型中待筛选的X个候选神经网络中，基于筛选变量确定所述被筛选可能性在设定可能性区间内的多个候选神经网络作为多个前处理神经网络。

4.如权利要求1所述的方法，其特征在于，所述联动AI模型集群包括：第一AI算法模型和第二AI算法模型，所述第一AI算法模型和第二AI算法模型分别包括多个候选神经网络；

所述从联动AI模型集群中包含的多个候选神经网络中筛选不少于一个候选神经网络作为前处理神经网络，包括：对于所述第一AI算法模型和第二AI算法模型中的其中一个，由所述多个候选神经网络中筛选不少于一个候选神经网络作为前处理神经网络；

所述通过所述前处理神经网络进行所述访问行为检测记录的决策知识挖掘操作，得到所述访问行为检测记录对应的行为越界决策知识，包括：将通过所述第一AI算法模型中的所述前处理神经网络进行所述决策知识挖掘操作后生成的决策知识作为行为要素隐含知识，加载到所述第二AI算法模型；通过所述第二AI算法模型中的前处理神经网络对所述行为要素隐含知识进行所述决策知识挖掘操作；在所述第二AI算法模型是联动AI模型集群中的末尾的AI算法模型的基础上，将所述第二AI算法模型生成的行为越界决策知识作为所述访问行为检测记录对应的行为越界决策知识。

5.如权利要求1所述的方法，其特征在于，所述联动AI模型集群包括：第三AI算法模型；

所述第三AI算法模型中包括多个候选神经网络；

所述依据所述访问行为检测记录和所述行为要素描述短语，从联动AI模型集群中包含的多个候选神经网络中筛选不少于一个候选神经网络作为前处理神经网络，包括：通过所述联动AI模型集群中的向量挖掘单元对所述访问行为检测记录进行知识向量挖掘，得到行为要素隐含知识；将所述行为要素隐含知识和行为要素描述短语进行合并，得到联动知识短语；依据所述联动知识短语，由所述第三AI算法模型包含的所述多个候选神经网络中确定所述前处理神经网络。

6.如权利要求1所述的方法，其特征在于，所述行为要素描述短语包含以下至少一项：

所述访问行为检测记录中的访问行为对应的访问类型、访问时段、访问权限认证结果、访问安全评价、访问行为状态和检测信噪比。

7.如权利要求1所述的方法，其特征在于，所述方法还包括：依据所述行为越界决策知识进行越界预警分析处理；

其中，依据所述行为越界决策知识进行越界预警分析处理通过越界预警分析网络实现，所述越界预警分析网络包括联动AI模型集群，所述联动AI模型集群中包括多个候选神经网络；所述越界预警分析网络的调试步骤为：获得示例型访问行为检测记录、所述示例型访问行为检测记录的先验注释以及所述示例型访问行为检测记录对应的行为要素描述短语；

将所述示例型访问行为检测记录和所述示例型访问行为检测记录对应的行为要素描述短语加载到所述越界预警分析网络；

由所述越界预警分析网络依据所述示例型访问行为检测记录和所述行为要素描述短语，从所述多个候选神经网络中筛选不少于一个候选神经网络作为前处理神经网络，通过所述前处理神经网络进行所述示例型访问行为检测记录的决策知识挖掘操作，得到所述示例型访问行为检测记录的行为越界决策知识，依据所述行为越界决策知识对所述示例型访问行为检测记录进行越界预警分析，得到所述示例型访问行为检测记录的越界预警分析报告；

结合所述越界预警分析报告与所述先验注释之间的比较结果，改进所述越界预警分析网络的神经网络变量。

8.一种基于人工智能的数据访问分析系统，其特征在于，该系统包括互相通信的人工智能云平台和业务用户设备，所述人工智能云平台，用于：获得待进行越界预警分析的访问行为检测记录和所述访问行为检测记录对应的行为要素描述短语；依据所述访问行为检测记录和所述行为要素描述短语，从联动AI模型集群中包含的多个候选神经网络中筛选不少于一个候选神经网络作为前处理神经网络；通过所述前处理神经网络进行所述访问行为检测记录的决策知识挖掘操作，得到所述访问行为检测记录对应的行为越界决策知识；其中，所述行为要素描述短语至少包括如下一项：访问行为检测记录中的访问类型、访问时段、访问权限认证结果、访问安全评价、访问行为状态和检测信噪比；所述联动AI模型集群为混合模型集；所述决策知识挖掘操作为基于专家系统的特征提取处理；

其中，所述联动AI模型集群包括不少于一个AI算法模型，每个所述AI算法模型中包括多个候选神经网络；

所述依据所述访问行为检测记录和所述行为要素描述短语，从联动AI模型集群中包含的多个候选神经网络中筛选不少于一个候选神经网络作为前处理神经网络，包括：针对任一所述AI算法模型，依据所述访问行为检测记录和所述行为要素描述短语，从所述AI算法模型包含的多个候选神经网络中筛选不少于一个候选神经网络作为所述前处理神经网络；

其中，所述依据所述访问行为检测记录和所述行为要素描述短语，从所述AI算法模型包含的多个候选神经网络中筛选不少于一个候选神经网络作为前处理神经网络，包括：将行为要素隐含知识和行为要素描述短语进行合并，得到联动知识短语，所述行为要素隐含知识是通过对所述访问行为检测记录进行知识挖掘所得；依据所述联动知识短语得到神经网络筛选指示，所述神经网络筛选指示中包括X个筛选变量，X与所述AI算法模型中待筛选的多个候选神经网络的数目相等，且所述筛选变量用于表示对应所述筛选变量的候选神经网络的被筛选可能性；依据所述神经网络筛选指示中的筛选变量，从所述AI算法模型中待筛选的X个候选神经网络中确定所述前处理神经网络；

其中，针对任一所述AI算法模型，在从所述AI算法模型中筛选的所述前处理神经网络的数目为多个的基础上，所述通过所述前处理神经网络进行所述访问行为检测记录的决策知识挖掘操作，包括：针对任一所述AI算法模型，将行为要素隐含知识分别加载到从所述AI算法模型中确定的多个前处理神经网络，得到各前处理神经网络分别生成的前处理知识向量；所述行为要素隐含知识是通过对所述访问行为检测记录进行知识挖掘所得；将各前处理神经网络生成的前处理知识向量进行基于权重的合并处理，得到所述AI算法模型生成的行为越界决策知识。

9.一种人工智能云平台，其特征在于，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述权利要求

1‑7任一项所述的方法。