有依赖关系的属性特征对 可以具体包括：
[0044] 步骤1301，根据所述依赖关系，创建呈树状结构的有向无环图，所述有向无环图包 括父节点和子节点，其中，每个节点对应所述属性特征集合中一个属性特征，所述子节点对 应的属性特征依赖于所述父节点对应的属性特征。
[0045] 举例来说，属性特征集合S ={特征1，特征2,特征3,特征4,特征5,特征6}，假 设对属性特征集合S中各个属性特征之间的依赖关系的分析结果为：特征2和特征4均依 赖于特征1，特征3依赖于特征2,特征5依赖于特征4,特征6依赖于特征4 ;则根据上述特 征之间的依赖关系，可以创建呈树状结构的有向无环图。具体可参见如图2所示的本申请 提供的有向无环图，图2中，包括六个节点，且第一节点至第六节点分别对应属性特征集合 S中特征1至特征6。图2中，第一节点为第二节点和第四节点的父节点，第二节点和第四 节点分别为第一节点的子节点，第二节点为第三节点的父节点，第三节点为第二节点的子 节点，第四节点为第五节点和第六节点的父节点，第五节点和第六节点分别为第四节点的 子节点，即该有向无环图包括父节点和子节点。此外，因为特征2和特征4均依赖于特征1， 而与特征1对应的节点为第一节点，与特征2对应的节点为第二节点，与特征4对应的节点 为第四节点，也即子节点对应的属性特征依赖于父节点对应的属性特征。
[0046] 步骤1302,从所述有向无环图中读取父节点和子节点，将读取的父节点对应的属 性特征和子节点对应的属性特征作为有依赖关系的属性特征对。
[0047] 如前述例子，从有向无环图中读取的父节点和子节点包括：第一节点和第二节点， 第二节点和第三节点，第一节点和第四节点，第四节点和第五节点，第四节点和第六节点； 而因为第一节点至第六节点分别对应特征1至特征6,所以有依赖关系的属性特征对包括： 特征1和特征2,特征2和特征3,特征1和特征4,特征4和特征5,特征4和特征6。
[0048] 步骤140,对读取的每对有依赖关系的属性特征对，根据预设的训练样本，计算所 述第二属性特征依赖于所述第一属性特征的条件概率值。
[0049] 如前述例子中的属性特征对：特征1和特征2,因为特征2依赖于特征1，因此，特 征2为第二属性特征，特征1为第一属性特征，也即前述例子中，需要计算特征2依赖于特 征1的条件概率值；同理，需要计算特征3依赖于特征2的条件概率值，特征4依赖于特征 1的条件概率值，特征5依赖于特征4的条件概率值以及特征6依赖于特征4的条件概率 值。
[0050] 具体地，如表1所示的内容，假设第一属性特征为账户绑定手机归属地，第二属性 特征为卡bin所属地，则第二属性特征依赖于第一属性特征的条件概率值为：2/3 = 67%。
[0051] 再一个例子中，预设的训练样本中包括100个交易操作，其中，89个交易操作为不 安全的交易操作，11个交易操作为安全的交易操作，且假设第二属性特征为交易操作的环 境变量中当前交易操作的环境是否为黑环境，则依据上述条件概率值的计算方法得到的结 果信息可以如表2所示：
[0052] 表 2
[0053]
[0054] 需要说明的是，根据如上条件概率值的计算方法，可以计算出读取到的每对属性 特征对中第二属性特征依赖于第一属性特征的条件概率值，其中，对于没有父节点的节点 对应的属性特征，如第一节点对应的特征1，其概率值可以根据经验值给出。
[0055] 步骤150,根据所述条件概率值和预设的第一模型，识别所述交易操作的类型。
[0056] 其中，步骤150可以具体包括：
[0057] 根据所述条件概率值和预设的第一模型，计算所述交易操作的安全度值；
[0058] 当所述安全度值大于预设阈值时，则识别所述交易操作为不安全的交易操作。
[0059] 预设的第一模型可以如公式1所示：
[0060]
(公式 1)
[0061] 公式1中，1_Ρ(χ" x2, · · ·，xm)为所述交易操作的安全度值，m为所述属性特征 集合中属性特征的个数，Xl为所述第二属性特征，Parents (Xl)为所述第一属性特征， P (Xi | Parents (xj)为所述第二属性特征依赖于所述第一属性特征的条件概率值。
[0062] 如前述例子中，m的值为6,也即需要计算6个属性特征的条件概率值，其中，特征 1对应的节点由于没有父节点，则直接给出经验值，可以为值1，且将前述计算出的特征2依 赖于特征1的条件概率值表示为值2,将特征3依赖于特征2的条件概率值表示为值3,特 征4依赖于特征1的条件概率值表示为值4,特征5依赖于特征4的条件概率值表示为值5 以及特征6依赖于特征4的条件概率值表示为值6。则交易操作的安全度值=1-值1 X值 2X值3X值4X值5X值6。
[0063] 如前述例子，假设计算得到的安全度值为0. 33,而预设阈值为0. 5,因为计算得到 的安全度值小于预设阈值，所以可以直接识别所述交易操作为安全的交易操作；而如果计 算得到的安全度值为0. 6,即安全度值大于预设阈值，则识别所述交易操作为不安全的交易 操作，例如，识别所述交易操作为盗卡交易操作。
[0064] 需要说明的是，上述预设阈值是预先设定的，可以根据实际情况设定大小，保存在 服务器中。
[0065] 可选地，所述方法还包括：
[0066] 当所述属性特征集合中属性特征的个数不是预先设定的个数时，对所述预设的第 一模型进行优化，得到第二模型；
[0067] 所述根据所述条件概率值和预设的第一模型，识别所述交易操作的类型包括：
[0068] 根据所述条件概率值和所述第二模型，识别所述交易操作的类型。
[0069] 如前述例子中，属性特征集合S ={特征1，特征2，特征3，特征4，特征5，特征6}, 而假设预设的个数为7,即特征7是不可见的，或者是隐藏的。此时，属性特征集合S中属性 特征的个数不是预先设定的个数，需要对预设的第一模型进行优化，例如，可以通过梯度下 降算法来对预设的第一模型进行优化，得到第二模型；根据第二模型，识别所述交易操作的 类型。
[0070] 在此说明，通过梯度下降算法来对预设的第一模型进行优化属于现有成熟技术， 因此在本申请中不作赘述。
[0071] 本申请实施例提供的交易操作的识别方法，可以解决现有技术中基于朴素贝叶斯 方法对交易操作的安全性进行分析时，由于忽略了交易操作的属性特征之间的依赖性，而 不能对交易操作的安全性进行准确分析，进而浪费计算机资源的问题。
[0072] 与上述交易操作的识别方法对应地，本申请实施例还提供的一种服务器，如图3 所示，该服务器包括：获取单元301、分析单元302、读取单元303、计算单元304和识别单元 305。
[0073] 获取单元301，用于获取交易操作的属性特征集合。
[0074] 在此说明，交易操作可以包括但不限定于支付交易操作和转账操作。所述属性特 征集合中属性特征包括：交易操作的静态属性、交易操作的关联信息、交易操作的环境变量 和交易操作的资金异常行为信息。
[0075] 分析单元302,用于分析获取单元301获取的所述属性特征集合中各个属性特征 之间的依赖关系。
[0076] 可以基于预设的训练样本，对属性特征集合中各属性特征之间的依赖关系进行分 析。
[0077] 读取单元303,用于根据分析单元302分析的所述依赖关系，从所述属性特征集合 中读取有依赖关系的属性特征对，所述属性特征对包括第一属性特征和第二属性特征，且 所述第二属性特征依赖于所述第一属性特征。
[0078] 属性特征对是指有依赖关系的两个属性特征（即第一属性特征和第二属性特 征），该两个属性特征可以属于同一大类，如，可以是同属于交易操作的静态属性的账户绑 定手机归属地和卡bin所属地。
[0079] 读取单元303具体用于：
[0080] 根据所述依赖关系，创建呈树状结构的有向无环图，所述有向无环图包括父节点 和子节点，其中，每个节点对应所述属性特征集合中一个属性特征，所述子节点对应的属性 特征依赖于所述父节点对应的属性特征；
[0081] 从所述有向无环图中读取父节点和子节点，将读取的父节点对应的属性特征和子 节点对应的属性特征作为有依赖关系的属性特征对。
[0082] 计算单元304,用于对读取单元303读取的每对有依赖关系的属性特征对，根据预 设的训练样本，计算所述第二属性特征依赖于所述第一属性特征的条件概率值。
[0083] 根据步骤140中条件概率值的计算方法，可以计算出读取到的每对属性特征对中 第二属性特征依赖于第一属性特征的条件概率值，其中，对于没有父节点的节点对应的属 性特征，如第一节点对应的特征