1.一種智能識別與預警方法，其特征在于，包括：
2.根據(jù)權利要求1所述的方法，其特征在于，所述基于所述潛在異常活動列表，運用時空動態(tài)圖神經(jīng)流算法，通過所述時空動態(tài)圖神經(jīng)流算法中的連續(xù)時間圖卷積機制，對所述異常活動列表中異常活動的時間序列數(shù)據(jù)與空間關聯(lián)性進行動態(tài)捕捉，采用特征加權方法，對動態(tài)捕捉結果中的關鍵時空特征點進行加權處理，生成異常行為趨勢預測模型，包括：
3.根據(jù)權利要求2所述的方法，其特征在于，所述基于所述異構數(shù)據(jù)集，運用時空動態(tài)圖神經(jīng)流算法，通過所述時空動態(tài)圖神經(jīng)流算法中的連續(xù)時間圖卷積機制，對所述異常活動列表中異常活動的時間序列數(shù)據(jù)與空間關聯(lián)性進行動態(tài)捕捉，生成異常行為特征圖譜，包括：
4.根據(jù)權利要求2所述的方法，其特征在于，所述基于所述異常行為特征圖譜，采用特征加權方法，對動態(tài)捕捉結果中的關鍵時空特征點進行加權處理，對加權處理結果中具有重要影響特征點進行識別，生成關鍵時空特征集，包括：
5.根據(jù)權利要求2所述的方法，其特征在于，所述基于所述異常行為趨勢預測模型，運用基于差分隱私的聯(lián)邦遷移學習算法，對所述異常行為趨勢預測模型輸出的風險評分進行緊急度分級分析，提取所述風險評分的關鍵特征，動態(tài)設定所述風險評分的分級閾值，采用因果推斷技術，對緊急度分級分析結果進行因果關系分析，動態(tài)調(diào)整所述分級閾值，生成異常行為緊急度，包括：
6.根據(jù)權利要求5所述的方法，其特征在于，所述基于所述風險概率分布圖，運用基于差分隱私的聯(lián)邦遷移學習算法，對所述異常行為趨勢預測模型輸出的風險評分進行緊急度分級分析，提取所述風險評分的關鍵特征，動態(tài)設定所述風險評分的分級閾值，生成初步緊急度分級結果，包括：
7.根據(jù)權利要求1所述的方法，其特征在于，所述基于所述異常行為緊急度輸出定制化安全通知，發(fā)送至所述實時環(huán)境感知數(shù)據(jù)的目標來源群體，對所述目標來源群體的用戶行為與環(huán)境變化進行持續(xù)監(jiān)控，動態(tài)更新所述異常模式庫，生成智能識別與預警策略，包括：
8.一種智能識別與預警系統(tǒng)，其特征在于，包括：
9.一種計算設備，其特征在于，包括處理組件以及存儲組件；所述存儲組件存儲一個或多個計算機指令；所述一個或多個計算機指令用以被所述處理組件調(diào)用執(zhí)行，實現(xiàn)如權利要求1～7任一項所述的一種智能識別與預警方法。
10.一種計算機存儲介質(zhì)，其特征在于，存儲有計算機程序，所述計算機程序被計算機執(zhí)行時，實現(xiàn)如權利要求1～7任一項所述的一種智能識別與預警方法。