技术特征：
1.一种基于大数据和区块链的支付数据处理方法，其特征在于，包括：获取待处理的所述在线业务数据；对所述在线业务数据中各个支付业务数据依次进行业务行为分析，得到与每个支付业务数据对应的业务标签集，其中，所述业务标签集中包括所述支付业务数据的至少两个业务标签；根据所述业务标签集对所述在线业务数据中的全部支付业务数据进行聚类，得到第一支付业务数据列表，其中，所述第一支付业务数据列表中记录有所述在线业务数据中包含的多个支付环境分别对应的支付业务数据序列，每个支付业务数据序列中的首个支付业务数据为所述支付环境的关键支付业务数据；依次获取每个所述关键支付业务数据和位于所述关键支付业务数据之前的参考支付业务数据之间的数据校验结果的关联度；在所述数据校验结果的关联度达到设定条件的情况下，将所述关键支付业务数据所在第一支付环境中的支付业务数据序列，合并到所述参考支付业务数据所在第二支付环境中的支付业务数据序列中，以将所述第一支付业务数据列表更新为第二支付业务数据列表；按照所述第二支付业务数据列表对所述在线业务数据进行支付业务数据分析；根据所述在线业务数据对应的数据分析结果，确定与所述在线业务数据对应的至少两个区块链支付设备的设备安全性。2.根据权利要求1所述的方法，其特征在于，所述对所述在线业务数据中各个支付业务数据依次进行业务行为分析，得到与每个支付业务数据对应的业务标签集包括：依次将所述在线业务数据中的每个支付业务数据作为当前支付业务数据，以执行以下业务行为分析操作，直至遍历所述在线业务数据中的全部支付业务数据：将所述当前支付业务数据中各个支付业务节点数据映射至目标业务行为特征集中，以得到所述各个支付业务节点数据在所述目标业务行为特征集内各个节点类型数据的标签描述值，其中，所述目标业务行为特征集包括至少两个节点类型数据；根据所述各个支付业务节点数据的所述节点类型数据的标签描述值，确定与所述当前支付业务数据匹配的所述业务标签集。3.根据权利要求2所述的方法，其特征在于，所述根据所述各个支付业务节点数据的所述节点类型数据的标签描述值，确定与所述当前支付业务数据匹配的所述业务标签集包括：获取所述各个支付业务节点数据的第x个节点类型数据的标签描述值所对应的实时标签，得到所述当前支付业务数据的第x个业务标签，其中，所述x为大于等于1，小于等于i的整数，所述i为所述目标业务行为特征集中所述节点类型数据的数量，所述i为正整数。4.根据权利要求1所述的方法，其特征在于，所述根据所述业务标签集对所述在线业务数据中的全部支付业务数据进行聚类，得到第一支付业务数据列表包括：获取所述业务标签集中各个业务标签的关联业务标签，将所述业务标签的关联业务标签作为与所述支付业务数据匹配的目标业务标签；依次比对相邻两个支付业务数据各自对应的目标业务标签，得到比对结果；根据所述比对结果对全部支付业务数据进行聚类，得到所述第一支付业务数据列表；其中，依次比对相邻两个支付业务数据各自对应的目标业务标签，得到比对结果包括：获取第y+1个支付业务数据的目标业务标签与第y个支付业务数据的目标业务标签的业务类别互斥度，其中，所述y为大于等于1，小于等于j-1的整数，所述j为所述在线业务数
据中支付业务数据的数量；比对所述业务类别互斥度与相似度阈值，得到所述比对结果；所述根据所述比对结果对全部支付业务数据进行聚类，得到所述第一支付业务数据列表包括：在所述比对结果指示所述业务类别互斥度小于所述相似度阈值的情况下，确定所述第y+1个支付业务数据与所述第y个支付业务数据为同一个支付环境，则将所述第y+1个支付业务数据添加到所述第y个支付业务数据所在的支付业务数据序列中；在所述比对结果指示所述业务类别互斥度大于等于所述相似度阈值的情况下，确定所述第y+1个支付业务数据与所述第y个支付业务数据并非同一个支付环境，则为所述第y+1个支付业务数据创建新的支付业务数据序列。5.根据权利要求1所述的方法，其特征在于，所述依次获取每个所述关键支付业务数据和位于所述关键支付业务数据之前的参考支付业务数据之间的数据校验结果的关联度包括：获取所述关键支付业务数据的关键支付业务处理记录和所述参考支付业务数据的参考支付业务处理记录；获取所述关键支付业务处理记录与所述参考支付业务处理记录之间的处理记录重复率，其中，所述数据校验结果的关联度包括所述处理记录重复率；获取所述关键支付业务数据和所述参考支付业务数据中的有效业务数据；获取所述有效业务数据在所述关键支付业务数据中的第一业务优先级和所述有效业务数据在所述参考支付业务数据中的第二业务优先级，其中，所述数据校验结果的关联度包括所述第一业务优先级和所述第二业务优先级；其中，所述获取所述关键支付业务数据的关键支付业务处理记录和所述参考支付业务数据的参考支付业务处理记录包括：对所述关键支付业务数据和所述参考支付业务数据分别进行业务数据筛分，得到候选关键支付业务数据和候选参考支付业务数据；将所述候选关键支付业务数据输入预先训练完成的业务记录提取模型，以得到所述关键支付业务处理记录，并将所述候选参考支付业务数据输入所述预先训练完成的业务记录提取模型，以得到所述参考支付业务处理记录，其中，所述预先训练完成的业务记录提取模型为利用多组样本业务数据对及对应的业务标签进行深度学习后所得到的用于生成业务记录的支付业务处理记录的神经网络，所述多组样本业务数据对中的每组样本业务数据对包括样本业务事件中第一样本支付环境中的第一个样本业务数据和第二样本支付环境的最后一个样本业务数据，所述第二样本支付环境与所述第一样本支付环境相邻且位于所述第一样本支付环境之前，所述业务标签包括所述第一个样本业务数据的支付环境标签及所述最后一个样本业务数据的支付环境标签；其中，在所述获取待处理的在线业务数据之前，还包括：获取多个所述样本业务事件，并提取每个所述样本业务事件中的所述多组样本业务数据对；将每组样本业务数据对作为当前组样本业务数据对，执行以下操作，直至达到所述预先训练完成的业务记录提取模型的预设指标条件：将所述当前组样本业务数据对中的所述第一样本支付环境中的第一个样本业务数据
输入第一目标业务记录提取模型中，以得到第一支付业务处理记录，并将所述当前组样本业务数据对中的所述第二样本支付环境中的最后一个样本业务数据输入第二目标业务记录提取模型中，以得到第二支付业务处理记录，其中，所述预先训练完成的业务记录提取模型训练时使用两个相对应的训练网络拓扑，所述两个相对应的训练网络拓扑包括所述第一目标业务记录提取模型和所述第二目标业务记录提取模型，且所述第一目标业务记录提取模型和所述第二目标业务记录提取模型共享训练样本和训练权重值；获取所述第一支付业务处理记录及所述第二支付业务处理记录之间的处理记录重复率，将所述第一支付业务处理记录及所述第二支付业务处理记录之间的处理记录重复率作为业务配对率；将所述业务配对率及所述业务标签输入业务记录评价函数，以计算得到当前业务评价值；获取所述当前业务评价值及所述当前业务评价值的上一个业务评价值的业务评价值差值；在所述业务评价值差值指示所述两个相对应的训练网络拓扑达到所述预设指标条件的情况下，则将当前完成训练的所述第一目标业务记录提取模型或所述第二目标业务记录提取模型作为所述预先训练完成的业务记录提取模型。6.根据权利要求5所述的方法，其特征在于，所述获取所述关键支付业务数据和所述参考支付业务数据中的有效业务数据包括：将所述关键支付业务数据转换为关键支付业务数据特征集，并将所述参考支付业务数据转换为参考支付业务数据特征集；采用特征维度不变的特征提取模型，从所述关键支付业务数据特征集中提取关键业务特征集，并从所述参考支付业务数据特征集中提取参考业务特征集；比对所述关键业务特征集和所述参考业务特征集，以获取所述有效业务数据；其中，在所述依次获取每个所述关键支付业务数据和位于所述关键支付业务数据之前的参考支付业务数据之间的数据校验结果的关联度之后，还包括：在所述处理记录重复率大于设定重复率阈值的情况下，确定所述数据校验结果的关联度达到所述设定条件；在所述处理记录重复率小于等于所述设定重复率阈值，所述第一业务优先级大于第一优先级阈值且所述第二业务优先级大于第二优先级阈值的情况下，确定所述数据校验结果的关联度达到所述设定条件；在所述处理记录重复率小于等于所述设定重复率阈值，且所述第一业务优先级小于等于所述第一优先级阈值的情况下，确定所述数据校验结果的关联度并未达到所述设定条件，保留所述关键支付业务数据所在所述第一支付环境中的支付业务数据序列；在所述处理记录重复率小于等于所述设定重复率阈值，且所述第二业务优先级小于等于所述第二优先级阈值的情况下，确定所述数据校验结果的关联度并未达到所述设定条件，保留所述关键支付业务数据所在所述第一支付环境中的支付业务数据序列。7.根据权利要求1所述的方法，其特征在于，按照所述第二支付业务数据列表对所述在线业务数据进行支付业务数据分析，包括：基于所述第二支付业务数据列表的多个业务数据关联关系，获取在线业务数据中的至少一个支付业务数据对应的至少一个支付行为评价数据；所述至少一个支付行为评价数据描述了所述在线业务数据中的至少一个支付业务数据各自的支付行为特征；
依据所述至少一个支付行为评价数据，从所述在线业务数据中的至少一个支付业务数据中为所述多个业务数据关联关系中的每个业务数据关联关系，分别确定出支付行为评价指标和支付行为风险率；所述支付行为风险率表征所述支付行为评价指标为所述每个业务数据关联关系所对应的支付安全评价指标的置信度；根据所述支付行为风险率，从所述每个业务数据关联关系对应的所述支付行为评价指标中挑选出候选评价指标；获取所述候选评价指标的评价指标维度和评价指标时效特征，并基于所述评价指标时效特征、所述评价指标维度以及与所述候选评价指标对应的候选支付行为评价数据，确定出所述候选评价指标的评价指标使用率；所述评价指标使用率表征所述候选评价指标被选用的概率；依据所述评价指标使用率，确定所述候选评价指标是否为已选用的评价指标，得到评价指标选用结果；基于所述评价指标选用结果，对所述在线业务数据中的每个支付业务数据进行分析，得到所述在线业务数据对应的数据分析结果；其中，所述每个业务数据关联关系具有业务数据关联路径和业务数据关联对象；所述依据所述至少一个支付行为评价数据，从所述在线业务数据中的至少一个支付业务数据中为所述多个业务数据关联关系中的每个业务数据关联关系，分别确定出支付行为评价指标和支付行为风险率，包括：从所述至少一个支付行为评价数据中，解析出所述在线业务数据中的至少一个支付业务数据对应的支付业务对象和支付业务持续时长；根据所述每个业务数据关联关系的所述业务数据关联路径、所述每个业务数据关联关系的所述业务数据关联对象、所述在线业务数据中的至少一个支付业务数据的所述支付业务对象和所述在线业务数据中的至少一个支付业务数据的所述支付业务持续时长，计算出所述每个业务数据关联关系和所述在线业务数据中的至少一个支付业务数据的至少一个业务数据匹配度；从所述至少一个业务数据匹配度中，挑选出最大的业务数据匹配度；将所述在线业务数据中的至少一个支付业务数据中，与所述最大的业务数据匹配度对应的业务数据指标，作为所述每个业务数据关联关系的所述支付行为评价指标，并将所述最大的业务数据匹配度作为所述每个业务数据关联关系的所述支付行为风险率；其中，所述根据所述支付行为风险率，从所述每个业务数据关联关系对应的所述支付行为评价指标中挑选出候选评价指标，包括：从所述每个业务数据关联关系中，挑选出与当前支付行为评价指标相对应的一个或多个当前业务数据关联关系；所述一个或多个当前业务数据关联关系为匹配到所述当前支付行为评价指标的业务数据关联关系，所述当前支付行为评价指标为所述每个业务数据关联关系对应的支付行为评价指标中的任意业务数据指标；将所述一个或多个当前业务数据关联关系所对应的一个或多个当前支付行为风险率，分别与预设好的风险率阈值进行比较，得到一个或多个比较结果；所述一个或多个比较结果表征所述一个或多个当前支付行为风险率是否小于所述预设好的风险率阈值；当所述一个或多个比较结果表征所述一个或多个当前支付行为风险率均小于所述预
设好的风险率阈值时，将所述当前支付行为评价指标，作为所述候选评价指标；其中，所述基于所述评价指标时效特征、所述评价指标维度以及与所述候选评价指标对应的候选支付行为评价数据，确定出所述候选评价指标的评价指标使用率，包括：利用所述评价指标时效特征构造出第一指标使用权重；利用所述评价指标维度和所述候选支付行为评价数据，构造出第二指标使用权重；根据所述第一指标使用权重和所述第二指标使用权重，计算出所述评价指标使用率。8.根据权利要求1所述的方法，其特征在于，根据所述在线业务数据对应的数据分析结果，确定与所述在线业务数据对应的至少两个区块链支付设备的设备安全性，包括：根据所述数据分析结果中的多个设备安全分析指标，确定所述至少两个区块链支付设备的设备安全性。9.一种云服务器，其特征在于，包括处理引擎、网络模块和存储器；所述处理引擎和所述存储器通过所述网络模块通信，所述处理引擎从所述存储器中读取计算机程序并运行，以执行权利要求1-8所述的方法。10.一种计算机可读信号介质，其特征在于，其上存储有计算机程序，所述计算机程序在运行是实现权利要求1-8所述的方法。