1.一种金融诈骗识别方法，其特征在于，包括：
获取目标用户的当前交易行为数据；
将所述当前交易行为数据输入底层分类器，得到所述底层分类器输出的判定结果；
其中，所述底层分类器通过以下步骤训练得到：
获取预设的上层分类器的分类器状态；
将获取到的所述分类器状态设置为所述底层分类器的初始化状态；
获取目标用户的历史交易行为数据；
根据所述目标用户的历史交易行为数据生成基于用户行为表现的第一聚集特征和第一时间特征；
将生成的所述第一聚集特征和第一时间特征确定为第一训练样本的输入；
将所述目标用户的历史交易行为数据的行为判定结果确定为所述第一训练样本的输出，所述行为判定结果为交易行为数据对应的交易行为是否为诈骗行为的判定结果；
将所述第一训练样本的输入和输出投入所述底层分类器进行训练，得到完成训练的底层分类器。
2.根据权利要求1所述的金融诈骗识别方法，其特征在于，所述上层分类器通过以下步骤预先训练得到：
搭建初始的上层分类器；
获取作为样本数据的各个用户的交易行为数据；
根据所述各个用户的交易行为数据生成基于用户基本状态的第二聚集特征和第二时间特征；
将生成的所述第二聚集特征和第二时间特征确定为第二训练样本的输入；
将所述各个用户的交易行为数据的行为判定结果确定为所述第二训练样本的输出；
将所述第二训练样本的输入和输出投入所述上层分类器进行训练，得到完成训练的上层分类器。
3.根据权利要求2所述的金融诈骗识别方法，其特征在于，在得到完成训练的底层分类器之后，还包括：
获取预设的分类器测试样本；
将所述分类器测试样本投入所述底层分类器，得到所述底层分类器输出的测试判定结果；
对所述测试判定结果进行ROC曲线评价；
若ROC曲线评价不通过，则返回执行获取作为样本数据的各个用户的交易行为数据的步骤。
4.根据权利要求1至3中任一项所述的金融诈骗识别方法，其特征在于，根据所述目标用户的历史交易行为数据生成基于用户行为表现的第一聚集特征包括：
从所述目标用户的历史交易行为数据中提取基于用户行为表现的预设第一维度的第一原始特征；
根据所述预设第一维度与预设第一分类的映射关系对所述第一原始特征进行整理，得到所述预设第一分类对应的各个第一聚集特征；
根据所述目标用户的历史交易行为数据生成基于用户行为表现的第一时间特征包括：
从所述目标用户的历史交易行为数据中提取基于用户行为表现的各个第一时间变量特征；
根据预设的第一聚集时长对所述各个第一时间变量特征进行整理，得到与所述第一聚集时长对应的各个时间段的第一时间特征。
5.根据权利要求2至3中任一项所述的金融诈骗识别方法，其特征在于，根据所述各个用户的交易行为数据生成基于用户基本状态的第二聚集特征包括：
从所述目标用户的历史交易行为数据中提取基于用户基本状态的预设第二维度的第二原始特征；
根据所述预设第二维度与预设第二分类的映射关系对所述第二原始特征进行整理，得到所述预设第二分类对应的各个第二聚集特征；
根据所述各个用户的交易行为数据生成基于用户基本状态的第二时间特征包括：
从所述目标用户的历史交易行为数据中提取基于用户基本状态的各个第二时间变量特征；
根据预设的第二聚集时长对所述各个第二时间变量特征进行整理，得到与所述第二聚集时长对应的各个时间段的第二时间特征。
6.一种金融诈骗识别系统，其特征在于，包括：
当前数据获取模块，用于获取目标用户的当前交易行为数据；
行为判定模块，用于将所述当前交易行为数据输入底层分类器，得到所述底层分类器输出的判定结果；
其中，所述底层分类器通过以下模块训练得到：
分类器状态获取模块，用于获取预设的上层分类器的分类器状态；
初始状态设置模块，用于将获取到的所述分类器状态设置为所述底层分类器的初始化状态；
历史数据获取模块，用于获取目标用户的历史交易行为数据；
第一特征生成模块，用于根据所述目标用户的历史交易行为数据生成基于用户行为表现的第一聚集特征和第一时间特征；
第一样本输入确定模块，用于将生成的所述第一聚集特征和第一时间特征确定为第一训练样本的输入；
第一样本输出确定模块，用于将所述目标用户的历史交易行为数据的行为判定结果确定为所述第一训练样本的输出，所述行为判定结果为交易行为数据对应的交易行为是否为诈骗行为的判定结果；
底层分类器训练模块，用于将所述第一训练样本的输入和输出投入所述底层分类器进行训练，得到完成训练的底层分类器。
7.根据权利要求6所述的金融诈骗识别系统，其特征在于，所述上层分类器通过以下模块预先训练得到：
上层分类器搭建模块，用于搭建初始的上层分类器；
样本行为数据获取模块，用于获取作为样本数据的各个用户的交易行为数据；
第二特征生成模块，用于根据所述各个用户的交易行为数据生成基于用户基本状态的第二聚集特征和第二时间特征；
第二样本输入确定模块，用于将生成的所述第二聚集特征和第二时间特征确定为第二训练样本的输入；
第二样本输出确定模块，用于将所述各个用户的交易行为数据的行为判定结果确定为所述第二训练样本的输出；
上层分类器训练模块，用于将所述第二训练样本的输入和输出投入所述上层分类器进行训练，得到完成训练的上层分类器。
8.根据权利要求7所述的金融诈骗识别系统，其特征在于，所述金融诈骗识别系统还包括：
测试样本获取模块，用于获取预设的分类器测试样本；
测试判定模块，用于将所述分类器测试样本投入所述底层分类器，得到所述底层分类器输出的测试判定结果；
判定结果评价模块，用于对所述测试判定结果进行ROC曲线评价；
触发模块，用于若所述判定结果评价模块的评价结果为不通过，则返回触发所述样本行为数据获取模块。
9.根据权利要求6至8中任一项所述的金融诈骗识别系统，其特征在于，所述第一特征生成模块包括：
第一聚集特征生成子模块，用于根据所述目标用户的历史交易行为数据生成基于用户行为表现的第一聚集特征；
第一时间特征生成子模块，用于根据所述目标用户的历史交易行为数据生成基于用户行为表现的第一时间特征；
所述第一聚集特征生成子模块包括：
第一原始特征提取单元，用于从所述目标用户的历史交易行为数据中提取基于用户行为表现的预设第一维度的第一原始特征；
第一聚集特征整理单元，用于根据所述预设第一维度与预设第一分类的映射关系对所述第一原始特征进行整理，得到所述预设第一分类对应的各个第一聚集特征；
所述第一时间特征生成子模块包括：
第一变量特征提取单元，用于从所述目标用户的历史交易行为数据中提取基于用户行为表现的各个第一时间变量特征；
第一时间特征整理单元，用于根据预设的第一聚集时长对所述各个第一时间变量特征进行整理，得到与所述第一聚集时长对应的各个时间段的第一时间特征。
10.根据权利要求7至8中任一项所述的金融诈骗识别系统，其特征在于，所述第二特征生成模块包括：
第二聚集特征生成子模块，用于根据所述各个用户的交易行为数据生成基于用户基本状态的第二聚集特征；
第二时间特征生成子模块，用于根据所述各个用户的交易行为数据生成基于用户基本状态的第二时间特征；
所述第二聚集特征生成子模块包括：
第二原始特征提取单元，用于从所述目标用户的历史交易行为数据中提取基于用户基本状态的预设第二维度的第二原始特征；
第二聚集特征整理单元，用于根据所述预设第二维度与预设第二分类的映射关系对所述第二原始特征进行整理，得到所述预设第二分类对应的各个第二聚集特征；
所述第二时间特征生成子模块包括：
第二变量特征提取单元，用于从所述目标用户的历史交易行为数据中提取基于用户基本状态的各个第二时间变量特征；
第二时间特征整理单元，用于根据预设的第二聚集时长对所述各个第二时间变量特征进行整理，得到与所述第二聚集时长对应的各个时间段的第二时间特征。