1.一种基于模型识别的对象异常诊断方法，其特征在于，所述方法包括：获取目标在线会话用户对应的候选对象行为数据；

将所述候选对象行为数据输入预设的异常知识点预测网络，生成用于表征各个对象行为数据分块是否包括异常行为知识点的结果；所述候选对象行为数据包括多个所述对象行为数据分块；

基于所述对象行为数据分块的异常行为知识点，生成相关对象行为数据分块序列对应的相关异常节点信息；所述相关对象行为数据分块序列中包括多个相互衔接的所述对象行为数据分块；

基于所述相关异常节点信息确定所述对象行为数据分块的异常挖掘结果；

基于所述异常挖掘结果生成所述目标在线会话用户对应的异常定位根因，并基于所述异常定位根因向目标在线会话用户进行异常拦截诊断；

其中，所述方法还包括：

获取用于对初始化神经网络进行网络权重参数更新的模板对象行为数据；

确定对所述模板对象行为数据进行拆解的拆解规则；

基于所述拆解规则对所述模板对象行为数据进行拆解生成多个拆解成员对象行为数据；

基于各个所述拆解成员对象行为数据的第一行为触发信息以及异常训练内容生成与所述模板对象行为数据对应的异常挖掘阵列；

对应于同一个所述拆解成员对象行为数据的第一行为触发信息与第二行为触发信息对应关联配置；

所述第一行为触发信息用于表征所述拆解成员对象行为数据在所述候选对象行为数据中的位置；所述第二行为触发信息用于表征基于所述拆解成员对象行为数据对应的异常训练内容生成的预设行为知识点在所述异常挖掘阵列中的位置；

基于所述模板对象行为数据以及与各个所述模板对象行为数据对应的异常挖掘阵列生成样本学习数据和样本测试数据；

通过所述样本学习数据对初始化神经网络进行网络权重参数更新，生成更新神经网络；

在通过所述样本测试数据对所述更新神经网络进行测试，并符合设定测试有效性条件后，将所述更新神经网络作为所述异常知识点预测网络。

2.根据权利要求1所述的基于模型识别的对象异常诊断方法，其特征在于，所述基于所述对象行为数据分块的异常行为知识点，生成相关对象行为数据分块序列对应的相关异常节点信息，包括；

确定所有所述对象行为数据分块中的目标对象行为数据分块的第一行为知识点；

在所有所述对象行为数据分块中，确定与目标对象行为数据分块符合行为关联条件的关联对象行为数据分块；所述相关对象行为数据分块序列包括：所述目标对象行为数据分块和关联对象行为数据分块；

确定各个所述关联对象行为数据分块对应的第二行为知识点；

基于所述第二行为知识点生成与所述关联对象行为数据分块对应的关联异常节点信息；

基于所述第一行为知识点和关联异常节点信息生成所述相关异常节点信息。

3.根据权利要求2所述的基于模型识别的对象异常诊断方法，其特征在于，所述基于所述第一行为知识点和关联异常节点信息生成所述相关异常节点信息，包括：基于每个所述对象行为数据分块的行为知识点，生成所述候选对象行为数据对应的整体异常节点信息；

将所述第一行为知识点、关联异常节点信息和整体异常节点信息基于设定融合模型进行计算后生成融合特征信息；

基于所述融合特征信息生成所述相关异常节点信息。

4.根据权利要求1所述的基于模型识别的对象异常诊断方法，其特征在于，所述基于各个所述拆解成员对象行为数据的第一行为触发信息以及异常训练内容生成与所述模板对象行为数据对应的异常挖掘阵列，包括：获取对所述模板对象行为数据进行异常先验标签配置生成的异常先验标签配置信息；

基于各个所述拆解成员对象行为数据中包括的所述异常先验标签配置信息的异常编码映射信息生成各个所述拆解成员对象行为数据对应的所述异常训练内容；

基于所述异常训练内容确定各个所述拆解成员对象行为数据中包括的所述异常先验标签配置信息的异常编码映射信息是否在预设映射区间内，生成各个所述拆解成员对象行为数据对应的预设行为知识点；

基于各个所述拆解成员对象行为数据在所述模板对象行为数据中的位置，生成与各个所述拆解成员对象行为数据对应的所述第一行为触发信息；

基于各个所述拆解成员对象行为数据对应的所述第一行为触发信息和预设行为知识点，生成与所述模板对象行为数据对应的异常挖掘阵列。

5.根据权利要求1所述的基于模型识别的对象异常诊断方法，其特征在于，在所述目标在线会话用户的属性类别为第一预设属性类别时；在所述基于所述异常挖掘结果生成所述目标在线会话用户对应的异常定位根因之后，还包括：基于所述异常定位根因确定所述目标在线会话用户的异常热力图信息；

在所述异常热力图信息存在大于设定热力值的异常会话环节时，判定所述目标在线会话用户为异常在线会话用户；

获取所述目标在线会话用户的目标在线会话用户行为触发信息；

基于所述目标在线会话用户行为触发信息生成与所述目标在线会话用户对应的拦截配置信息。

6.根据权利要求1所述的基于模型识别的对象异常诊断方法，其特征在于，在所述目标在线会话用户的属性类别为第二预设属性类别时；在所述基于所述异常挖掘结果生成所述目标在线会话用户对应的异常定位根因之后，还包括：基于所述异常定位根因确定所述目标在线会话用户的异常热力图信息；

在所述异常热力图信息存在大于设定热力值的异常会话环节时，获取所述目标在线会话用户的协同节点信息；

基于所述协同节点信息生成与所述目标在线会话用户对应的拦截配置信息。

7.一种基于模型识别的对象异常诊断系统，其特征在于，包括：获取单元，用于获取目标在线会话用户对应的候选对象行为数据；

第一生成单元，用于将所述候选对象行为数据输入预设的异常知识点预测网络，生成用于表征各个对象行为数据分块是否包括异常行为知识点的结果；所述候选对象行为数据包括多个所述对象行为数据分块；

第二生成单元，用于基于所述对象行为数据分块的异常行为知识点，生成相关对象行为数据分块序列对应的相关异常节点信息；所述相关对象行为数据分块序列中包括多个相互衔接的所述对象行为数据分块；

确定单元，用于基于所述相关异常节点信息确定所述对象行为数据分块的异常挖掘结果；

诊断单元，用于基于所述异常挖掘结果生成所述目标在线会话用户对应的异常定位根因，并基于所述异常定位根因向目标在线会话用户进行异常拦截诊断；

其中，所述异常知识点预测网络通过以下方式确定：

获取用于对初始化神经网络进行网络权重参数更新的模板对象行为数据；

确定对所述模板对象行为数据进行拆解的拆解规则；

基于所述拆解规则对所述模板对象行为数据进行拆解生成多个拆解成员对象行为数据；

基于各个所述拆解成员对象行为数据的第一行为触发信息以及异常训练内容生成与所述模板对象行为数据对应的异常挖掘阵列；

对应于同一个所述拆解成员对象行为数据的第一行为触发信息与第二行为触发信息对应关联配置；

所述第一行为触发信息用于表征所述拆解成员对象行为数据在所述候选对象行为数据中的位置；所述第二行为触发信息用于表征基于所述拆解成员对象行为数据对应的异常训练内容生成的预设行为知识点在所述异常挖掘阵列中的位置；

基于所述模板对象行为数据以及与各个所述模板对象行为数据对应的异常挖掘阵列生成样本学习数据和样本测试数据；

通过所述样本学习数据对初始化神经网络进行网络权重参数更新，生成更新神经网络；

在通过所述样本测试数据对所述更新神经网络进行测试，并符合设定测试有效性条件后，将所述更新神经网络作为所述异常知识点预测网络。

8.一种电子设备，其特征在于，包括：处理器、通信接口、存储器和通信总线，其中，所述处理器、通信接口和存储器通过通信总线完成相互间的通信； 所述存储器，用于存放计算机程序； 所述处理器，用于执行所述计算机程序时，实现权利要求1-6任一项所述的方法步骤。

9.一种可读存储介质，其特征在于，该可读存储介质上存储有计算机程序，该计算机程序被处理器运行时可以执行权利要求1-6任一项所述的方法步骤。