1.一种系统权限授权方法，其特征在于，所述系统权限授权方法包括：

接收第三方应用程序发送的系统权限授权请求，其中，所述系统权限授权请求中包括：

第三方应用程序标识和系统权限及所述系统权限的权限属性；

识别所述第三方应用程序标识，并提取所述第三方应用程序的安全属性特征和上报资料；

将所述第三方应用程序的安全属性特征和所述系统权限输入至预先训练好的安全认证模型，获得第一安全认证评分，其中，所述安全认证模型的训练过程包括：获取多个其他第三方应用程序的多个样本系统权限；提取每个样本系统权限的多个样本安全属性特征及对应的样本安全认证评分；将所述多个样本系统权限及对应的样本安全属性特征和样本安全认证评分作为样本数据集；从所述样本数据集中划分出训练集和测试集；将所述训练集中的多个样本系统权限及对应的样本安全属性特征和样本安全认证评分输入预设神经网络中进行训练，得到安全认证模型；将所述测试集输入至所述安全认证模型中进行测试，并计算测试通过率；若所述测试通过率大于预设通过率阈值，确定所述安全认证模型训练结束；若所述测试通过率小于预设通过率阈值，增加训练集的数量，重新进行安全认证模型的训练；

校验所述上报资料得到校验结果，获得第二安全认证评分，包括：提取所述第三方应用程序的认证申请资料中的所有认证系统权限及每个认证系统权限的所有安全属性特征；提取所述上报资料中所有上报系统权限及每个上报系统权限的所有安全属性特征，其中，所述上报资料存储于区块链节点上；将所述所有上报系统权限与所述所有认证系统权限进行一一匹配，及将所述每个上报系统权限的所有安全属性特征与对应认证系统权限的所有安全属性特征进行一一匹配；提取与所述所有认证系统权限不匹配的上报系统权限，并获取每个所述不匹配的上报系统权限的第一预设安全认证评分，及提取与所述对应认证系统权限的所有安全属性特征不匹配的上报系统权限的安全属性特征，并获取每个所述不匹配的上报系统权限的安全属性特征的第二预设安全认证评分；累加所述第一预设安全认证评分得到第三预设安全认证评分，及累加所述第二预设安全认证评分得到第四预设安全认证评分；计算所述第三预设安全认证评分与预设的系统权限权重阈值的乘积，得到第一乘积，及计算所述第四预设安全认证评分与预设的安全属性特征权重阈值的乘积，得到第二乘积；

计算所述第一乘积和所述第二乘积总和得到第二安全认证评分；将所述第二安全认证评分作为校验所述上报资料得到的校验结果；

根据所述第一安全认证评分和所述第二安全认证评分计算所述系统权限的最终安全认证评分；

基于所述最终安全认证评分及所述系统权限的权限属性按照预设的配置规则对所述系统权限配置多个授权选项；

当侦测到所述多个授权选项中的目标授权选项被选定时，根据被选定的目标授权选项确定是否授权所述系统权限给所述第三方应用程序。

2.如权利要求1所述的系统权限授权方法，其特征在于，所述基于所述最终安全认证评分及所述系统权限的权限属性按照预设的配置规则对所述系统权限配置多个授权选项包括：获取所述系统权限对应的预设的授权权限阈值；

将所述最终安全认证评分与所述预设的授权权限阈值进行比对；

当确定所述最终安全认证评分大于或者等于所述预设的授权权限阈值时，获取所述系统权限的权限属性，根据所述权限属性按照预设的配置规则对所述系统权限配置多个授权选项。

3.如权利要求1所述的系统权限授权方法，其特征在于，所述根据所述第一安全认证评分和所述第二安全认证评分计算所述系统权限的最终安全认证评分包括：计算所述第一安全认证评分与预设的第一权重值的乘积，得到第一最终安全认证评分；

计算所述第二安全认证评分与预设的第二权重值的乘积，得到第二最终安全认证评分；

计算所述第一最终安全认证评分和所述第二最终安全认证评分的总和得到所述系统权限的最终安全认证评分。

4.如权利要求1所述的系统权限授权方法，其特征在于，所述当侦测到所述多个授权选项中的目标授权选项被选定时，根据被选定的目标授权选项确定是否授权所述系统权限的权限给所述第三方应用程序包括：当侦测到所述多个授权选项中的同意授权选项或者虚拟授权选项被选定时，确定授权所述系统权限的权限给所述第三方应用程序；

当侦测到所述多个授权选项中的取消授权选项被选定时，确定不授权所述系统权限的权限给所述第三方应用程序。

5.如权利要求2所述的系统权限授权方法，其特征在于，所述系统权限授权方法还包括：

当确定所述最终安全认证评分小于所述预设的授权权限阈值时，不为所述系统权限配置授权选项。

6.一种系统权限授权装置，其特征在于，所述系统权限授权装置包括：

接收模块，用于接收第三方应用程序发送的系统权限授权请求，其中，所述系统权限授权请求中包括：第三方应用程序标识和系统权限及所述系统权限的权限属性；

识别模块，用于识别所述第三方应用程序标识，并提取所述第三方应用程序的安全属性特征和上报资料；

输入模块，用于将所述第三方应用程序的安全属性特征和所述系统权限输入至预先训练好的安全认证模型，将所述第三方应用程序的安全属性特征和所述系统权限输入至预先训练好的安全认证模型，获得第一安全认证评分，其中，所述安全认证模型的训练过程包括：获取多个其他第三方应用程序的多个样本系统权限；提取每个样本系统权限的多个样本安全属性特征及对应的样本安全认证评分；将所述多个样本系统权限及对应的样本安全属性特征和样本安全认证评分作为样本数据集；从所述样本数据集中划分出训练集和测试集；将所述训练集中的多个样本系统权限及对应的样本安全属性特征和样本安全认证评分输入预设神经网络中进行训练，得到安全认证模型；将所述测试集输入至所述安全认证模型中进行测试，并计算测试通过率；若所述测试通过率大于预设通过率阈值，确定所述安全认证模型训练结束；若所述测试通过率小于预设通过率阈值，增加训练集的数量，重新进行安全认证模型的训练；

获取模块，用于校验所述上报资料得到校验结果，获得第二安全认证评分，包括：提取所述第三方应用程序的认证申请资料中的所有认证系统权限及每个认证系统权限的所有安全属性特征；提取所述上报资料中所有上报系统权限及每个上报系统权限的所有安全属性特征，其中，所述上报资料存储于区块链节点上；将所述所有上报系统权限与所述所有认证系统权限进行一一匹配，及将所述每个上报系统权限的所有安全属性特征与对应认证系统权限的所有安全属性特征进行一一匹配；提取与所述所有认证系统权限不匹配的上报系统权限，并获取每个所述不匹配的上报系统权限的第一预设安全认证评分，及提取与所述对应认证系统权限的所有安全属性特征不匹配的上报系统权限的安全属性特征，并获取每个所述不匹配的上报系统权限的安全属性特征的第二预设安全认证评分；累加所述第一预设安全认证评分得到第三预设安全认证评分，及累加所述第二预设安全认证评分得到第四预设安全认证评分；计算所述第三预设安全认证评分与预设的系统权限权重阈值的乘积，得到第一乘积，及计算所述第四预设安全认证评分与预设的安全属性特征权重阈值的乘积，得到第二乘积；计算所述第一乘积和所述第二乘积总和得到第二安全认证评分；将所述第二安全认证评分作为校验所述上报资料得到的校验结果；

计算模块，用于根据所述第一安全认证评分和所述第二安全认证评分计算所述系统权限的最终安全认证评分；

配置模块，用于基于所述最终安全认证评分及所述系统权限的权限属性按照预设的配置规则对所述系统权限配置多个授权选项；

确定模块，用于当侦测到所述多个授权选项中的目标授权选项被选定时，根据被选定的目标授权选项确定是否授权所述系统权限给所述第三方应用程序。

7.一种电子设备，其特征在于，所述电子设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至5中任意一项所述的系统权限授权方法。

8.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中任意一项所述的系统权限授权方法。