1.一种点击式动态验证码的数据安全验证方法，其特征在于，包括以下步骤：步骤S1：对目标用户客户端与预设的验证码服务器进行安全通信隧道构建，得到加密会话密钥数据；

步骤S2：基于加密会话密钥数据对目标用户客户端进行人机交互模式分析，得到用户交互特征数据；

步骤S3：根据用户交互特征数据对目标用户客户端进行个性化验证数据生成，得到个性化验证码数据；

步骤S4：基于加密会话密钥数据将个性化验证码数据发送至目标用户客户端；对目标用户客户端进行多维交互行为捕捉，得到用户跨模态交互响应数据；

步骤S5：对用户跨模态交互响应数据进行认知延迟模式识别，得到用户认知延迟性指数；根据用户认知延迟性指数对目标用户进行访问权限授予或拒绝。

2.根据权利要求1所述的点击式动态验证码的数据安全验证方法，其特征在于，步骤S1包括以下步骤：步骤S11：对目标用户客户端进行身份认证请求数据采集，得到身份认证原始数据；

步骤S12：对身份认证原始数据进行合法性校验，得到身份合法性判断结果数据；

步骤S13：基于身份合法性判断结果数据利用预设的验证码服务器进行随机加密种子生成，得到初始加密种子数据；

步骤S14：对目标用户客户端与预设的验证码服务器进行密钥参数协商，得到密钥协商参数数据；

步骤S15：对目标用户客户端与预设的验证码服务器分别基于初始加密种子数据和密钥协商参数数据进行加密种子混合与非对称密钥对生成，得到混合加密种子数据和非对称密钥对数据；

步骤S16：根据混合加密种子数据和非对称密钥对数据对目标用户客户端与预设的验证码服务器进行安全密钥交换，得到加密会话密钥数据。

3.根据权利要求1所述的点击式动态验证码的数据安全验证方法，其特征在于，步骤S2包括以下步骤：步骤S21：基于加密会话密钥数据对目标用户客户端进行历史交互行为数据采集，得到历史交互行为数据集；

步骤S22：对历史交互行为数据集进行验证码模态分类，得到分模态验证码交互数据集；

步骤S23：对分模态验证码交互数据集进行统计模式挖掘，得到用户交互模式分布数据；

步骤S24：根据用户交互模式分布数据与分模态验证码交互数据集对目标用户客户端进行人机交互模式分析，得到用户交互特征数据。

4.根据权利要求3所述的点击式动态验证码的数据安全验证方法，其特征在于，步骤S24包括以下步骤：步骤S241：对用户交互模式分布数据进行交互行为知识图谱构建，得到交互行为知识本体图谱；

步骤S242：对分模态验证码交互数据集进行交互序列挖掘，得到用户典型交互模式序列；

步骤S243：对交互行为知识本体图谱与用户典型交互模式序列进行时序融合编码，得到动态交互认知指纹数据；

步骤S244：对动态交互认知指纹数据进行异构交互元素分解，得到用户多元交互特征集；

步骤S245：对用户多元交互特征集进行异构融合编码，得到用户交互特征数据。

5.根据权利要求1所述的点击式动态验证码的数据安全验证方法，其特征在于，步骤S3包括以下步骤：步骤S31：对用户交互特征数据进行嵌入映射，得到低维交互习惯语义向量；

步骤S32：根据低维交互习惯语义向量对相应目标用户进行交互模态分类，得到用户交互模态标签数据；

步骤S33：当用户交互模态标签数据为正常用户数据时，对目标用户客户端进行个性化视觉验证码生成，得到个性化视觉验证码数据；

步骤S34：当用户交互模态标签数据为视障用户数据时，对目标用户客户端进行个性化语音验证码生成，得到个性化语音验证码数据；

步骤S35：将个性化视觉验证码数据或个性化语音验证码数据作为个性化验证码数据。

6.根据权利要求5所述的点击式动态验证码的数据安全验证方法，其特征在于，步骤S33包括以下步骤：步骤S331：当用户交互模态标签数据为正常用户数据时，获取用户交互行为日志数据以及用户账户风险熵值评分；

步骤S332：根据预设的渐进式复杂度映射矩阵对用户账户风险熵值评分进行验证码困难度评级，得到期望验证码复杂度等级数据；

步骤S333：对用户交互行为日志数据进行异常模式探测与信赖度评估，得到验证信任度指数；

步骤S334：根据用户交互行为日志数据对目标用户进行情景感知与认知能力评估，得到认知偏好指数数据；

步骤S335：根据期望验证码复杂度等级数据、验证信任度指数以及认知偏好指数数据对目标用户客户端进行个性化视觉验证码生成，得到个性化视觉验证码数据。

7.根据权利要求6所述的点击式动态验证码的数据安全验证方法，其特征在于，步骤S335包括以下步骤：步骤S3351：基于期望验证码复杂度等级数据进行验证码生成种子库构建，得到分级视觉元素种子库；

步骤S3352：根据验证信任度指数对分级视觉元素种子库进行干扰元素注入强度及干扰模式确定，得到干扰元素库数据以及叠加策略数据；

步骤S3353：根据认知偏好指数数据进行用户视觉认知偏好模型构建，得到用户视觉认知偏好模型；

步骤S3354：将分级视觉元素种子库输入视觉认知偏好模型，生成初始验证码画面数据；

步骤S3355：根据干扰元素库数据对初始验证码画面数据进行对抗生成噪声注入，得到对抗性视觉噪声层数据；

步骤S3356：根据叠加策略数据将对抗性视觉噪声层数据叠加到初始验证码画面数据，得到个性化视觉验证码数据。

8.根据权利要求5所述的点击式动态验证码的数据安全验证方法，其特征在于，步骤S34包括以下步骤：步骤S341：当用户交互模态标签数据为视障用户数据时，对目标用户客户端进行语音验证码交互历史数据采集，得到语音验证码交互历史数据集；

步骤S342：对语音验证码交互历史数据集进行成功通过验证的语音片段提取，得到历史成功语音验证数据集；

步骤S343：对历史成功语音验证数据集进行语音验证码参数分析，得到语音验证码参数模式数据；

步骤S344：根据语音验证码参数模式数据对目标用户客户端进行个性化语音验证码生成，得到个性化语音验证码数据。

9.根据权利要求8所述的点击式动态验证码的数据安全验证方法，其特征在于，步骤S344包括以下步骤：步骤S3441：根据语音验证码参数模式数据进行个性化语音元素库构建，得到分级语音元素库；

步骤S3442：对目标用户进行生物听觉特征数据采集，得到用户听觉生理数据；

步骤S3443根据用户听觉生理数据对目标用户进行个性化听觉认知评估，得到用户听觉认知评估向量；

步骤S3444：根据用户听觉认知评估向量按照预设的语音验证码语法规则进行语音验证码生成池构造，得到语音验证码原型库；

步骤S3445：根据用户听觉生理数据对语音验证码原型库进行个性化语音失真校正，得到个性化语音验证码候选集；

步骤S3446：对个性化语音验证码候选集进行随机抽取，得到个性化语音验证码数据。

10.根据权利要求1所述的点击式动态验证码的数据安全验证方法，其特征在于，步骤S5包括以下步骤：步骤S51：对用户跨模态交互响应数据进行交互操作时间序列提取，得到交互操作时间序列；

步骤S52：根据交互操作时间序列对目标用户进行操作时间流失致性分析，得到时间连贯性评估向量；

步骤S53：基于交互操作时间序列对用户跨模态交互响应数据进行认知响应时间分析，得到用户认知响应特征数据；

步骤S54：根据时间连贯性评估向量与用户认知响应特征数据对目标用户进行认知延迟模式识别，得到用户认知延迟性指数；

步骤S55：将用户认知延迟性指数与预设的认知时间阈值进行比较，当用户认知延迟性指数小于或等于预设的认知时间阈值时，拒绝目标用户进行访问并提示用户该账户可能正在遭受机器人攻击；

步骤S56：当用户认知延迟性指数大于预设的认知时间阈值时，对目标用户授予访问权限。