1.基于人工智能的数据库索引建立方法，其特征在于，包括：

响应于所述用户行为记录获取请求，获取所述用户行为记录获取请求包括的发送方地址、发送方身份标识以及发送发权限；

将所述发送方地址、发送方身份标识以及发送发权限输入预先训练的用户身份识别模型，得到用户身份识别结果；

当所述用户身份识别结果表征为合法用户时，从用户行为存储服务器中获取目标用户行为记录，所述目标用户行为记录包括第一用户行为记录和第二用户行为记录；

建立根据所述第一用户行为记录确定的关键用户行为向量与根据所述第二用户行为记录确定的目标关键行为之间的数据库索引，以基于所述数据库索引确定训练用户行为评估模型的训练数据。

2.根据权利要求1所述的方法，其特征在于，所述建立根据所述第一用户行为记录确定的关键用户行为向量与根据所述第二用户行为记录确定的目标关键行为之间的数据库索引，包括：获取所述第一用户行为记录和所述第二用户行为记录；

基于关注度系数获取所述第一用户行为记录对应的所述第一用户行为序列，所述第一用户行为序列中两两行为切片之间的排序依据为所述关注度系数；

基于关注度系数获取所述第二用户行为记录对应的所述第二用户行为序列，所述第二用户行为序列中两两行为切片之间的排序依据为所述关注度系数，所述第一用户行为序列和所述第二用户行为序列分别包括多个不同关注度的行为切片；

确定所述第一用户行为记录在所述第一用户行为序列的任一行为切片的基础用户行为向量，将所述第二用户行为序列中具有最高关注度行为切片确定为参考行为切片；

基于用户行为识别模型和业务场景将所述基础用户行为向量关联到所述参考行为切片，在所述参考行为切片中得到参考用户行为向量，并基于所述基础用户行为向量、所述参考用户行为向量，得到所述第一用户行为记录和所述第二用户行为记录之间的关联映射关系；

以所述参考用户行为向量为事件表征向量在所述参考行为切片中获取参考行为子切片，基于所述关联映射关系对应的逆关联映射关系，将所述参考行为子切片关联到所述基础用户行为向量所在行为切片，在所述基础用户行为向量所在行为切片中得到所述参考行为子切片对应的对比行为子切片，并确定所述对比行为子切片的事件表征向量为关键用户行为向量；

获取所述基础用户行为向量关联到所述参考行为切片中的目标用户行为向量集合；

基于所述对比行为子切片与所述目标用户行为向量集合上的多个待处理用户行为向量对应的待处理行为子切片之间的关联系数，在所述第二用户行为序列中遍历所述关键用户行为向量对应的目标关键行为，当确定出的所述目标关键行为所在行为切片的表征事件与所述关键用户行为向量在所述第一用户行为序列中的表征事件相同时，终止遍历下一行为切片中的目标关键行为，并建立所述关键用户行为向量与最终采集的目标关键行为之间的数据库索引。

3.根据权利要求1所述的方法，其特征在于，所述基于用户行为识别模型和业务场景将所述基础用户行为向量关联到所述参考行为切片，在所述参考行为切片中得到参考用户行为向量，并基于所述基础用户行为向量、所述参考用户行为向量，得到所述第一用户行为记录和所述第二用户行为记录之间的关联映射关系，包括：基于所述用户行为识别模型，将所述基础用户行为向量关联到业务场景上，得到基础业务操作；

基于所述第一用户行为记录对应的用户行为识别网络和所述第二用户行为记录对应的用户行为识别网络之间的网络差异参量，将所述基础业务操作对应至所述第二用户行为记录的业务操作体系下，得到待处理业务操作；

将所述待处理业务操作关联到所述第二用户行为记录的业务操作体系下具有预置业务标签的业务场景上，得到参考关联操作；

对所述参考关联操作进行特征提取操作，并基于所述用户行为识别模型将提取特征后的参考关联操作映射至所述参考行为切片中，得到所述参考用户行为向量；

在所述基础用户行为向量所在行为切片中获取基础辅助行为向量，所述基础辅助行为向量是以所述基础用户行为向量为为基准的关联行为向量；

基于所述用户行为识别模型和所述业务场景将所述基础辅助行为向量关联到所述参考行为切片，在所述参考行为切片中得到参考辅助行为向量；

基于所述基础用户行为向量与所述基础辅助行为向量之间的关联关系、所述参考用户行为向量以及所述参考辅助行为向量，得到所述第一用户行为记录和所述第二用户行为记录之间的关联映射关系。

4.根据权利要求3所述的方法，其特征在于，所述获取所述基础用户行为向量关联到所述参考行为切片中的目标用户行为向量集合，包括：将与所述基础用户行为向量对应的所述待处理业务操作，关联到所述第二用户行为记录的业务操作体系下具有低相关业务标签的业务场景上，得到低相关业务操作；

将与所述基础用户行为向量对应的所述待处理业务操作，关联到所述第二用户行为记录的业务操作体系下具有高相关业务标签的业务场景上，得到高相关业务操作；

将所述低相关业务操作和所述高相关业务操作的数据集合，确定为待定用户行为向量集合数据集；

对所述待定用户行为向量集合数据集中的每个用户行为向量元素进行特征提取操作，并基于所述用户行为识别模型将提取特征后的每个用户行为向量元素映射至所述参考行为切片中，得到所述目标用户行为向量集合。

5.根据权利要求1所述的方法，其特征在于，所述基于所述对比行为子切片与所述目标用户行为向量集合上的多个待处理用户行为向量对应的待处理行为子切片之间的关联系数，在所述第二用户行为序列中遍历所述关键用户行为向量对应的目标关键行为，当确定出的所述目标关键行为所在行为切片的表征事件与所述关键用户行为向量在所述第一用户行为序列中的表征事件相同时，终止遍历下一行为切片中的目标关键行为，并建立所述关键用户行为向量与最终采集的目标关键行为之间的数据库索引，包括：基于所述对比行为子切片与所述目标用户行为向量集合上的多个待处理用户行为向量对应的待处理行为子切片之间的关联系数，确定所述关键用户行为向量在所述参考行为切片中的关键行为，作为目标关键行为；

若所述参考行为切片的表征事件不等于所述关键用户行为向量在所述第一用户行为序列中的表征事件，则将所述目标关键行为与所述目标用户行为向量集合映射至所述参考行为切片的下一行为切片，根据映射至后的目标关键行为与映射至后的目标用户行为向量集合确定在所述下一行为切片中的关键行为，并将所述下一行为切片确定为所述参考行为切片，将所述下一行为切片中的关键行为确定为所述目标关键行为；

若所述参考行为切片在所述第二用户行为序列中的表征事件与所述关键用户行为向量在所述第一用户行为序列中的表征事件相同，则以所述关键用户行为向量为事件表征向量在所述对比行为子切片中获取参考对比行为子切片，并将最终采集的所述目标关键行为作为对比行为，并在所述对比行为所在的行为切片中获取以所述对比行为为事件表征向量的目标对比行为子切片，所述目标对比行为子切片的表征事件与所述参考对比行为子切片的表征事件相同；

基于所述目标对比行为子切片中的行为参量、所述参考对比行为子切片中的行为参量，确定所述目标对比行为子切片的区间切片优化系数，基于所述切片优化系数调整所述目标对比行为子切片的区间；

当所述切片优化系数对应的符合优化终止状态时，将区间优化后的所述目标对比行为子切片的事件表征向量确定为已优化关键行为，建立所述关键用户行为向量与所述已优化关键行为之间的数据库索引。

6.根据权利要求5所述的方法，其特征在于，所述将所述目标关键行为与所述目标用户行为向量集合映射至所述参考行为切片的下一行为切片，根据映射至后的目标关键行为与映射至后的目标用户行为向量集合确定在所述下一行为切片中的目标关键行为，包括：将所述目标关键行为与所述目标用户行为向量集合映射至所述参考行为切片的下一行为切片；根据在映射至后的目标用户行为向量集合中，确定以映射至后的目标关键行为为事件表征向量的待处理用户行为向量集合数据集；

获取在所述下一行为切片中的所述待处理用户行为向量集合数据集上的目标关键行为。

7.根据权利要求1所述的方法，其特征在于，所述基于所述对比行为子切片与所述目标用户行为向量集合上的多个待处理用户行为向量对应的待处理行为子切片之间的关联系数，确定所述关键用户行为向量在所述参考行为切片中的关键行为，作为目标关键行为，包括：在所述目标用户行为向量集合上确定待处理用户行为向量集合数据集，在所述待处理用户行为向量集合数据集上按照预置时序参量依次搜索用户行为，并将搜索到的用户行为确定为所述关键用户行为向量在所述参考行为切片上对应的多个待处理用户行为向量，并通过对所述多个待处理用户行为向量进行向量匹配，分别得到以每个待处理用户行为向量为事件表征向量的待处理行为子切片，所述待处理行为子切片的表征事件与所述对比行为子切片的表征事件相同；

基于所述每个待处理行为子切片中的行为参量和所述对比行为子切片中的行为参量，分别获取所述每个待处理行为子切片与所述对比行为子切片之间的关联系数，基于所述关联系数确定所述多个待处理用户行为向量中的高可信行为向量和次高可信行为向量；

若所述高可信行为向量和所述次高可信行为向量满足预设条件，则将所述高可信行为向量确定为所述关键用户行为向量在所述参考行为切片中的关键行为，并作为目标关键行为。

8.根据权利要求7所述的方法，其特征在于，所述若所述高可信行为向量和次高可信行为向量满足预设条件，则将所述高可信行为向量确定为所述关键用户行为向量在所述参考行为切片中的关键行为，并作为目标关键行为，包括：获取所述高可信行为向量对应的待处理行为子切片与所述对比行为子切片之间的关联系数，作为第一关联系数，并获取所述次高可信行为向量对应的待处理行为子切片与所述对比行为子切片之间的关联系数，作为第二关联系数；

若所述第一关联系数大于关联系数阈值，且所述第一关联系数与所述第二关联系数之间的系数差大于系数差范围，则将所述高可信行为向量确定为所述关键用户行为向量在所述参考行为切片中的关键行为，并作为目标关键行为。

9.根据权利要求8所述的方法，其特征在于，所述若所述高可信行为向量和次高可信行为向量满足预设条件，则将所述高可信行为向量确定为所述关键用户行为向量在所述参考行为切片中的关键行为，并作为目标关键行为，包括：获取所述高可信行为向量与所述次高可信行为向量所在切片区间之间的行为相似度；

若所述行为相似度小于行为相似度阈值，则将所述高可信行为向量确定为所述关键用户行为向量在所述参考行为切片中的关键行为，并作为目标关键行为。

10.一种基于人工智能的数据库索引建立系统，其特征在于，包括：

响应模块，用于响应于用户行为记录获取请求，获取所述用户行为记录获取请求包括的发送方地址、发送方身份标识以及发送发权限；

识别模块，用于将所述发送方地址、发送方身份标识以及发送发权限输入预先训练的用户身份识别模型，得到用户身份识别结果；

建立模块，用于当所述用户身份识别结果表征为合法用户时，从用户行为存储服务器中获取目标用户行为记录，所述目标用户行为记录包括第一用户行为记录和第二用户行为记录；建立根据所述第一用户行为记录确定的关键用户行为向量与根据所述第二用户行为记录确定的目标关键行为之间的数据库索引，以基于所述数据库索引确定训练用户行为评估模型的训练数据。

11.一种服务器，其特征在于，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述权利要求1‑8任一项所述的方法。