1.一种车辆保险理赔智能反欺诈方法，其特征在于：包括以下步骤，S1，采集与车辆保险业务相关的多维度的信息数据；

S2，对多维度的信息数据进行整合，形成统一标准接口的整合数据；

S3，将整合数据代入多维车辆保险理赔反欺诈模型中，计算车辆保险理赔欺诈概率；

S4，根据车辆保险理赔欺诈概率判断欺诈行为；

所述S3具体为，

通过所述多维车辆保险理赔反欺诈模型对所述整合数据进行征信分析和理赔分析，并根据征信分析结果和理赔分析结果得到车辆保险理赔欺诈概率；

根据征信分析结果和理赔分析结果得到车辆保险理赔欺诈概率具体为，采用下述公式计算车辆保险理赔欺诈概率，

其中，a、b为固定常数，且a+b＝1，x

2.根据权利要求1所述的车辆保险理赔智能反欺诈方法，其特征在于：所述S1具体为，从不同数据源采集与车辆保险业务相关的多维度的信息数据；其中，与车辆保险业务相关的多维度的信息数据包括车辆信息数据、事故信息数据、事故车主征信数据、事故车主社会关系数据和保单信息数据。

3.根据权利要求1所述的车辆保险理赔智能反欺诈方法，其特征在于：所述S2具体为，将所述信息数据转化为具有标准数据格式的标准数据；

校验所述标准数据的完整性和正确性，过滤不符合要求的标准数据；

将通过校验的标准数据持久化到数据库并整合存储，得到整合数据。

4.根据权利要求1至3任一项所述的车辆保险理赔智能反欺诈方法，其特征在于：在S3之前还包括以下步骤，构建多维车辆保险理赔反欺诈模型。

5.根据权利要求4所述的车辆保险理赔智能反欺诈方法，其特征在于：构建多维车辆保险理赔反欺诈模型的具体步骤为，从历史数据中过滤出与车辆正常保险相关的未欺诈数据和车辆欺诈保险相关的欺诈数据，形成大数据；

根据神经网络构建初始多维车辆保险理赔反欺诈模型；

将所述大数据分为训练集和测试集，通过所述训练集训练初始多维车辆保险理赔反欺诈模型，得到多维车辆保险理赔反欺诈模型。

6.根据权利要求5所述的车辆保险理赔智能反欺诈方法，其特征在于：构建多维车辆保险理赔反欺诈模型的具体步骤还包括，根据测试集对多维车辆保险理赔反欺诈模型进行测试；若测试结果大于预设的测试阈值，则多维车辆保险理赔反欺诈模型满足要求；若测试结果小于预设的测试阈值，则多维车辆保险理赔反欺诈模型不满足要求，且重新划分训练集和测试集，根据重新划分的训练集重新训练所述初始多维车辆保险理赔反欺诈模型。

7.根据权利要求1至3任一项所述的车辆保险理赔智能反欺诈方法，其特征在于：所述S4具体为，若车辆保险理赔欺诈概率大于等于0.8，则存在欺诈行为，否则不存在欺诈行为。