参数，其中，Fi~Fw1为所述第一对象和任一对象的信息，Fw~Fm1为所述第一对象 和任一对象的行为习惯，Fm~F、1为所述第一对象和任一对象的资金链周转关系，F、~Fy1 为第一对象和任一对象的交易操作场景，Fy~Fw为所述第一对象和任一对象的设备信息。
[0042] 可W理解的是，本申请通过上述公式确定第一对象与任一对象的关系类型，郝么 对于Fi(i= 1，…，n)，假设i= 1，Fi同时包括第一对象的信息和上述任一对象的信息。 举例来说，上述任一对象为第二对象，第一对象、第二对象的信息只包括注册地，且假设第 一对象的注册地为北京，第二对象的注册地为西安，在通过上述公式确定第一对象与第二 对象的所属的关系类型是否为家人时，则P(Fi|C) =P(Fi;北京、西安I家人）。
[0043] 对于上述公式，假设C只包括两个类别；家人关系和朋友关系，分别用C= 0和C =1表示，且只保留特征属性F、和Fy，即在确定第一对象与任一对象的关系类型时，只考虑 第一对象和任一对象的交易操作场景W及第一对象和任一对象的设备信息，则上述公式可 W简化为：
[0044]
[0045] 得到上述简化公式之后，从数据库中统计任意有关联关系的两个对象向同一信用 卡还款次数，且将还款次数进行分段，假设分段后的区间为；不大于10,大于10且不大于 50,大于50,则Fx的分段范围可W表示为；{Fx《10,10<Fx《50,Fx巧0}，同样从数据库中 统计任意有关联关系的两个对象使用同一手机的次数，且将使用同一手机的次数也进行分 段，假设分段后的区间为；不大于100,大于100且不大于1000,大于1000,则Fy的分段范围 可W表示为；化《100,100<Fy《1000,Fy〉1000}。
[0046] 在获取到上述Fx和Fy的分段范围之后，再从数据库中获取20对用户作为训练样 本，其中，15对用户为家人关系，其余5对用户为朋友关系。则：
[0047] P(C= 0) = 15/20 = 0. 75 ；
[0048] p(C= 1) = 5/20 = 0. 25。
[0049] 并根据上述训练样本，计算每个类别条件下各个特征属性划分的概率为：
[0050] P(Fx《l〇|C= 0) = 0. 3 ;
[0051] P(10<Fx《5〇|C= 0) = 0. 5 ;
[0052] P化巧0IC= 0) = 0. 2 ;
[0053] p(Fx《l〇|C= 1) = 0. 8 ;
[0054] P(10<Fx《5〇|C= 1) = 0. 1 ;
[00 巧]P化巧〇|C= 1) = 0. 1 ;
[0056] P(Fy《100|C= 0) = 0. 1 ;
[0057] P(100<Fy《1000IC= 0) = 0. 7 ;
[0058] P化〉1000|C= 0) = 0. 2 ;
[0059] P(Fy《100|C= 1) = 0. 7 ;
[0060] P(100<Fy《lOOOlC= 1) = 0. 2 ;
[0061] P化〉1000|C= 1) = 0. 1 ;
[0062] 在计算得到上述概率值之后，对从数据库中获取的任一对有关联关系的第一对象 和第二对象，假设第一对象和第二对象向信用卡X还款12次，且第一对象和第二对象使用 同一手机的次数为20次，则确定第一对象和第二对象的关系类型的方法如下：
[0063] P(C= 0)P(10<Fx《50IC= 0)P化《100IC= 0) = 0. 75*0. 5*0. 1 = 0. 375
[0064] P(C= 1)P(10<Fx《50IC= 1)P化《100IC= 1) = 0. 25*0. 1*0. 7 = 0. 175
[0065] 由于，0. 375〉0. 175,则可W确定第一对象与第二对象所属的关系类型为家人关 系。
[0066] 步骤B;将所述第一对象与所述第二对象所属的关系类型对应的概率值，确定为 所述第一对象与所述第二对象的关联数据。
[0067] 如前述例子，则所述第一对象与所述第二对象的关联数据为0. 375。
[0068] 此外，在对从数据库中获取的所有相关联的两个对象，当确定上述两个对象的关 系类型和关联数据时，可W通过图2所示的对象关系示意图，来表示相关联的两个对象关 系的分值。图2中，对象A与G(家人）的关系分值大于对象B与G(同事）的关系分值，而 对象B与G的关系分值又大于F与G(朋友）的关系分值。
[0069] 步骤1103,当所述第一对象与所述任一对象的关联数据大于预设的第一阔值时， 将所述任一对象的指标参数添加到所述第一对象的指标参数中，得到所述第一对象的交易 操作参数。
[0070] 举例来说，假设其他对象为第二对象或者第H对象，且假设根据上述方法计算的 第一对象与第二对象的关联数据为0. 375,第一对象与第H对象的关联数据为0. 3,而预设 的第一阔值为0. 35,则将第二对象的指标参数添加到第一对象的指标参数中。
[0071] 即假设第一对象的指标参数为；第一对象的注册地；北京，第一对象的行为习惯： 购买金额在80-200元之间，第一对象的资金周转关系：向第H对象转账20次，第一对象的 交易操作场景：向信用卡Y还款10次，第一对象的设备信息：使用设备A20次。且假设第二 对象的指标参数为；第二对象的注册地；西安，第二对象的行为习惯：在20 ;00-22 ;00之间 付款，第二对象的资金周转关系：向第四对象转账100次，第二对象的交易操作场景：向信 用卡Z还款10次，第二对象的设备信息：使用设备B10次。
[0072] 则，第一对象的交易操作参数为；第一对象的注册地；北京、西安；第一对象的行 为习惯：购买金额在80-200元之间、在20 ;00-22 ;00之间付款；第一对象的资金周转关系： 向第H对象转账20次、向第四对象转账100次；第一对象的交易操作场景；向信用卡Y还款 10次、向信用卡Z还款10次；第一对象的设备信息：使用设备A20次、使用设备B10次。
[0073] 步骤120,根据所述第一对象的交易操作参数和预设的第二模型，从所述第一对象 的交易操作中，识别安全度值大于预设的第二阔值的交易操作。
[0074] 可选地，该预设的第二模型为决策树，将第一对象的交易操作参数作为决策树的 各个变量，然后通过该决策树计算所述第一对象的交易操作的安全度值，并将上述计算得 到的安全度值与预设的第二阔值进行比较，从中选取安全度值大于预设的第二阔值的交易 操作。
[0075] 需要说明的是，上述预设的第二模型还可W为支持向量机等，支持向量机或者决 策树等模型为现有成熟的模型，其识别方法业务现有成熟技术。因此，本步骤不再详细阐 述。
[0076] 需要说明的是，本申请只是W第一对象为例，说明了获取第一对象的交易操作参 数的方法，本领域的技术人员还可W通过本申请提供的方法获取其他对象的交易操作参 数，并根据其他对象的交易操作参数，从其他对象的交易操作中，识别安全度值大于预设的 第二阔值的交易操作。
[0077] 本申请实施例提供的交易操作的识别方法，可W准确识别高安全交易操作。如前 述例子中，假设仅根据第一对象的指标参数，识别安全度值大于预设的第二阔值的交易操 作为；第一对象向第H对象转账；根据第一对象的交易操作参数，识别安全度值大于预设 的第二阔值的交易操作为：第一对象向第H对象转账，第一对象向第四对象转账。事实上， 由于第一对象与第二对象所述的关系类型为家人关系，而第二对象已经向第四对象转账 100次，因此，第一对象向第四对象转账应该也是安全的。所W，本申请可W准确识别高安全 交易操作。
[0078] 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和识别单元302。
[0079] 获取单元301，用于获取第一对象的交易操作参数，其中，获取单元301包括；提取 单元3011、确定单元3012和添加单元3013。
[0080] 提取单元3011，用于提取第一对象的指标参数和其他对象的指标参数。
[0081] 确定单元3012,用于对所述其他对象中任一对象，根据提取单元3011提取的所述 第一对象的指标参数、所述任一对象的指标参数和预设的第一模型，确定所述第一对象与 所述任一对象的关联数据，所述关联数据用于表示所述第一对象与所述任一对象关系的分 值。
[0082] 添加单元3013,用于当确定单元3012确定的所述第一对象与所述任一对象的关 联数据大于预设的第一阔值时，将所述任一对象的指标参数添加到所述第一对象的指标参 数中，得到所述第一对象的交易操作参数。
[0083] 识别单元302,用于根据获取单元301获取的所述第一对象的交易操作参数和预 设的