欺诈性行为智能分析是一种利用人工智能和数据分析技术对欺诈行为进行自动识别和预防的方法。具体而言，欺诈性行为智能分析可以通过以下步骤实现：

数据收集：收集与欺诈行为相关的数据，包括历史欺诈记录、用户行为数据、交易数据等。

数据预处理：对收集到的数据进行清洗、去重、标准化等预处理操作，以便于后续的分析和建模。

特征提取：利用数据分析技术，提取与欺诈行为相关的特征，包括用户的行为特征、交易特征、时空特征等。

模型构建：利用机器学习算法，构建欺诈行为识别模型，包括分类模型、异常检测模型等。

智能识别：将实时产生的数据与欺诈行为识别模型进行比对和分析，利用智能识别算法，发现欺诈行为的踪迹和模式。

预防和处理：根据智能识别的结果，采取相应的预防和处理措施，包括拦截欺诈交易、冻结账户、报警等。

目前，欺诈性行为智能分析已经被广泛应用于金融、电商、保险等领域。通过对欺诈行为进行智能分析和预防，可以降低企业的风险和损失，提高用户的安全感和信任度。

需要注意的是，欺诈行为的类型和手段不断更新和变化，因此欺诈性行为智能分析需要不断更新和优化模型和算法，以适应新的欺诈行为模式。同时，还需要保护用户的隐私和数据安全，避免数据泄露和滥用。

欺诈性行为智能分析是一种基于人工智能和数据分析技术的自动识别和预防欺诈行为的方法，可以帮助企业降低风险和提高安全性能。