1.一种针对于数字化业务软件应用的异常分析方法，其特征在于，应用于AI决策系统，所述方法包括：对指定数字化业务软件应用的应用授权上传报告中的风险操作行为数据进行欺诈决策，获得对应的欺诈决策结果；

结合所述欺诈决策结果，获取符合欺诈溯源要求的欺诈节点，并跟踪提取所述指定数字化业务软件应用针对所述欺诈节点所对应的用户操作引导数据；

对所述用户操作引导数据进行异常引导通道决策，生成对应的异常引导通道数据，并结合所述异常引导通道数据与所述欺诈节点，对所述指定数字化业务软件应用进行业务执行流程报告；

所述对指定数字化业务软件应用的应用授权上传报告中的风险操作行为数据进行欺诈决策，获得对应的欺诈决策结果，通过以下步骤实现：结合指定数字化业务软件应用的应用授权上传报告中的风险操作行为数据中的风险要素表征信息，对所述风险操作行为数据进行事件输出，获得多个第一风险操作事件，所述风险要素表征信息通过所述风险操作行为数据中的风险要素特征进行确定，所述风险要素表征信息的集中度与输出的第一风险操作事件的定位区域大小负关联；

结合具有锁定聚焦元素的融合性特征聚焦机制和具有变化聚焦元素的融合性特征聚焦机制，对所述多个第一风险操作事件进行聚焦式识别，获得所述多个第一风险操作事件的聚焦式表征向量信息，对所述多个第一风险操作事件的聚焦式表征向量信息进行事件恢复，获得所述多个第一风险操作事件的聚焦式操作事件，各所述聚焦式操作事件具有有聚焦权重值；

结合所述多个第一风险操作事件的聚焦式操作事件进行欺诈决策，获得各所述第一风险操作事件的欺诈节点数据；

结合各所述第一风险操作事件的欺诈节点数据，对所述风险操作行为数据进行欺诈节点数据输出，获得所述风险操作行为数据的欺诈决策结果。

2.根据权利要求1所述的针对于数字化业务软件应用的异常分析方法，其特征在于，所述对所述多个第一风险操作事件的聚焦式表征向量信息进行事件恢复，获得所述多个第一风险操作事件的聚焦式操作事件，通过以下步骤实现：对于每个第一风险操作事件，对所述第一风险操作事件的聚焦式表征向量信息进行事件恢复，获得所述第一风险操作事件中多个风险要素特征对应的聚焦权重值；

结合所述第一风险操作事件中多个风险要素特征对应的聚焦权重值，获得所述第一风险操作事件的聚焦式操作事件，所述聚焦式操作事件中各个风险要素特征的集中度表征对应的聚焦权重值。

3.根据权利要求1所述的针对于数字化业务软件应用的异常分析方法，其特征在于，所述结合所述多个第一风险操作事件的聚焦式操作事件进行欺诈决策，获得各所述第一风险操作事件的欺诈节点数据，通过以下步骤实现：对于每个第一风险操作事件的聚焦式操作事件，获取所述第一风险操作事件的聚焦式操作事件中每个聚焦权重值对应的风险要素特征的聚焦节点；

结合所述每个聚焦权重值对应的风险要素特征的聚焦节点，确定所述第一风险操作事件的欺诈节点数据。

4.根据权利要求1所述的针对于数字化业务软件应用的异常分析方法，其特征在于，所述结合指定数字化业务软件应用的应用授权上传报告中的风险操作行为数据中的风险要素表征信息，对所述风险操作行为数据进行事件输出，获得多个第一风险操作事件，通过以下步骤实现：对所述风险操作行为数据进行风险分布空间构建，获得所述风险操作行为数据的风险分布子空间，所述风险分布子空间表征所述风险操作行为数据中不同风险操作行为处的风险要素表征信息的集中度；

结合所述风险分布子空间中不同风险操作行为处的风险要素表征信息的集中度，确定对应风险操作行为的定位区域大小；

结合所述定位区域大小，对所述风险操作行为数据进行事件输出，获得所述多个第一风险操作事件。

5.根据权利要求1所述的针对于数字化业务软件应用的异常分析方法，其特征在于，所述结合具有锁定聚焦元素的融合性特征聚焦机制和具有变化聚焦元素的融合性特征聚焦机制，对所述多个第一风险操作事件进行聚焦式识别，获得所述多个第一风险操作事件的聚焦式表征向量信息，通过以下步骤实现：对于每个第一风险操作事件，对所述第一风险操作事件进行分桶，获得多个第二风险操作事件；

获取所述多个第二风险操作事件的有向关系图，所述多个第二风险操作事件的有向关系图由所述多个第二风险操作事件的行为描述知识与所述多个第二风险操作事件的事件联系描述知识进行融合构建的；

结合所述具有锁定聚焦元素的融合性特征聚焦机制和所述具有变化聚焦元素的融合性特征聚焦机制，对所述多个第二风险操作事件的有向关系图进行聚焦式识别，获得所述第一风险操作事件的聚焦式表征向量信息；

所述结合所述具有锁定聚焦元素的融合性特征聚焦机制和所述具有变化聚焦元素的融合性特征聚焦机制，对所述多个第二风险操作事件的有向关系图进行聚焦式识别，获得所述第一风险操作事件的聚焦式表征向量信息，通过以下步骤实现：结合所述具有锁定聚焦元素的融合性特征聚焦机制、空间映射网络以及RBF神经元网络，对所述多个第二风险操作事件的有向关系图进行聚焦式识别，获得所述多个第二风险操作事件的参考聚焦式表征向量信息；

结合具有变化聚焦元素的融合性特征聚焦机制、空间映射网络以及RBF神经元网络，对所述多个第二风险操作事件的参考聚焦式表征向量信息进行聚焦式识别，获得所述第一风险操作事件的聚焦式表征向量信息；

所述结合所述具有锁定聚焦元素的融合性特征聚焦机制、空间映射网络以及RBF神经元网络，对所述多个第二风险操作事件的有向关系图进行聚焦式识别，获得所述多个第二风险操作事件的参考聚焦式表征向量信息，通过以下步骤实现：结合第一空间映射网络，对所述多个第二风险操作事件的有向关系图进行固定维度空间映射；

结合所述具有锁定聚焦元素的融合性特征聚焦机制，对固定维度空间映射后的所述多个第二风险操作事件的有向关系图进行聚焦式向量编码，获得第一参考聚焦式编码向量；

结合所述多个第二风险操作事件的有向关系图和所述第一参考聚焦式编码向量，确定第二参考聚焦式编码向量；

结合第二空间映射网络，对所述第二参考聚焦式编码向量进行固定维度空间映射；

结合所述RBF神经元网络，对固定维度空间映射后的所述第二参考聚焦式编码向量进行处理，获得所述多个第二风险操作事件的参考聚焦式表征向量信息。

6.根据权利要求1所述的针对于数字化业务软件应用的异常分析方法，其特征在于，所述欺诈决策结果包括所述风险操作行为数据的欺诈节点数据；

所述结合各所述第一风险操作事件的欺诈节点数据，对所述风险操作行为数据进行欺诈节点数据输出，获得所述风险操作行为数据的欺诈决策结果，通过以下步骤实现：结合每个欺诈节点数据对应的第一风险操作事件的聚焦节点，确定所述每个欺诈节点数据所对应的欺诈影响参数；

结合所述每个欺诈节点数据所对应的欺诈影响参数，对所述风险操作行为数据进行欺诈节点数据输出，获得所述风险操作行为数据的欺诈决策结果。

7.根据权利要求1所述的针对于数字化业务软件应用的异常分析方法，其特征在于，所述结合所述多个第一风险操作事件的聚焦式操作事件进行欺诈决策，获得各所述第一风险操作事件的欺诈节点数据，通过以下步骤实现：针对每个第一风险操作事件的聚焦式操作事件，结合所述聚焦式操作事件中多个风险要素特征之间的风险操作行为关系，对所述聚焦式操作事件中多个风险要素特征对应的聚焦权重值进行调整；

结合调整后的所述聚焦式操作事件中每个聚焦权重值对应的风险要素特征的聚焦节点，获得所述第一风险操作事件的欺诈节点数据。

8.根据权利要求1所述的针对于数字化业务软件应用的异常分析方法，其特征在于，所述方法还包括：对所述多个第一风险操作事件的聚焦式操作事件进行关联配置，获得所述风险操作行为数据的聚焦式操作事件，所述风险操作行为数据的聚焦式操作事件表征所述风险操作行为数据中聚焦式风险操作行为的操作事件；

或者，对调整后的所述多个第一风险操作事件的聚焦式操作事件进行关联配置，获得所述风险操作行为数据的聚焦式操作事件。

9.一种AI决策系统，其特征在于，所述AI决策系统包括处理器和机器可读存储介质，该机器可读存储介质中存储有机器可执行指令，该机器可执行指令由该处理器加载并执行以实现权利要求1‑8中任意一项的针对于数字化业务软件应用的异常分析方法。