异常行为识别(AD)算法在实际应用中,通常会面临特征组合优化困难、分类器准确率难提高、模型应用效率低等技术挑战。用户所产生的多维数据具有丰富的空间结构信息,围绕这些多维数据的特点,在通过同态加密的隐私保护方式进行数据脱敏的基础上,针对特征组合优化困难的技术挑战,提出并实现了首个基于特征分箱的自动化特征组合优化模型算法,该算法在特征组合优化方面提升了99.93%的计算效率。基于自动化特征组合优化模型筛选出的重要特征所组合的规则仍存在分类器准确率难提高的技术挑战,故将自动化筛选出的重要特征融入识别模型中,设计并实现了首个规则和算法的交叉应用模型,并将该方式应用到基于用户多维信息的异常行为识别中,在识别先享不付类异常用户的具体场景中实现资金挽损效率提升27.78%。