1.基于动态网络环境下的未知流量数据识别方法，其特征在于，所述方法包括：获取需要进行识别的网络流量数据集，所述网络流量数据集中包括多个已知流量数据和/或未知流量数据，其中已知流量数据和未知流量数据中均包括有正常流量数据和恶意流量数据；基于流量特征排序对所述网络流量数据集进行预处理，得到多个维度的流量数据特征；将所述多个维度的流量数据特征输入已知网络流量分类模型对所述网络流量数据集中的各流量数据的类别进行预测，并输出相应的类别预测结果；依据自适应调整的置信度原则对所述类别预测结果对应的流量数据进行未知流量数据的初步判断，得到未知流量数据，包括：若所述类别预测结果小于置信度阈值，则判断所述类别预测结果对应的流量数据为未知流量数据；若所述类别预测结果大于等于置信度阈值，则判断所述类别预测结果对应的流量数据为已知流量数据；当所述网络流量数据集中超过预设数量的流量数据初步判断为未知流量数据，则将类别预测结果最低的预设数量的流量数据判断为未知流量数据；当根据类别预测结果以及置信度阈值进行未知流量数据的初步判断时：所述自适应的置信度阈值的初始值为预设值，当所述网络流量数据集中不足预设数量的流量数据初步判断为未知流量数据，则以（1+a）的比例提高预设值，其中a为预设参数；根据自适应聚类方法对所述未知流量数据划分成不同的类别，并依据划分的类别对未知流量数据进行初始标注；根据相似系数估计方法对所述未知流量数据的类别进行识别，识别出未知流量数据中为恶意流量的类别以及正常流量的类别；将所述未知流量数据中已经识别出来的恶意流量数据和正常流量数据作为已知流量数据对所述已知网络流量分类模型进行训练并更新。
2.根据权利要求1所述的未知流量数据识别方法，其特征在于，在利用所述已知网络流量分类模型对网络流量数据集中的各流量数据的类别进行预测之前还对所述已知网络流量分类模型进行训练，包括：获取已知流量数据训练集，所述已知流量数据训练集中包括已知正常流量数据，已知恶意流量数据以及已知正常流量数据以及已知恶意流量数据的混合流量数据；分别对各所述已知流量训练数据进行预处理后，输入已知网络流量分类模型进行训练，直至使其具备对已知流量数据进行分类的能力，所述已知网络流量分类模型包括三个子流量分类网络，将所述已知正常流量数据，已知恶意流量数据以及混合流量数据分别对三个子流量分类网络进行训练。
3.根据权利要求2所述的未知流量数据识别方法，其特征在于，各所述子流量分类网络均包括一维深度神经网络、二维深度神经网络、三维深度神经网络以及决策信息融合层；在对所述已知流量训练数据进行预处理后得到与各所述已知流量训练数据对应的一维向量数据、二维向量数据以及三维向量数据；在对各所述子流量分类网络进行训练时，将与所述已知流量训练数据对应的一维向量数据、二维向量数据以及三维向量数据输入对应的所述一维深度神经网络、二维深度神经网络以及三维深度神经网络进行特征提取，将分别提取的特征输入所述决策信息融合层进行融合后再输出所述已知流量训练数据的类别预测结果。
4.根据权利要求3所述的未知流量数据识别方法，其特征在于，所述一维深度神经网络、二维深度神经网络以及三维深度神经网络分别包括进行特征提取的两个连续的卷积层，以及连接在各所述卷积层后的一个ReLU激活函数、全连接层和Softmax输出层；所述决策信息融合层将三个不同维度深度神经网络的输出结果进行融合。
5.根据权利要求1所述的未知流量数据识别方法，其特征在于，所述根据自适应聚类方法对所述未知流量数据划分成不同的类别，并依据划分的类别对未知流量数据进行初始标注包括：将所述未知流量数据采用主成分分析方法进行特征降维；将降维后的未知流量数据利用聚类方法得到未知流量数据的类别标签。
6.根据权利要求1所述的未知流量数据识别方法，其特征在于，根据相似系数估计方法对所述未知流量数据的类别进行识别，识别出未知流量数据中为恶意流量的类别以及正常流量的类别的过程中，通过计算两种流量数据特征的K-L散度指标，估计流量数据的相似程度。
7.根据权利要求1所述的未知流量数据识别方法，其特征在于，基于流量特征排序的数据预处理包括采用时序优先，随机抽样，载荷降序和载荷升序四种处理方法。
8.一种基于动态网络环境下的未知流量数据识别装置，其特征在于，所述装置包括：网络流量数据集获取模块，用于获取需要进行识别的网络流量数据集，所述网络流量数据集中包括多个已知流量数据和/或未知流量数据，其中已知流量数据和未知流量数据中均包括有正常流量数据和恶意流量数据；网络流量数据集预处理模块，用于基于流量特征排序对所述网络流量数据集进行预处理，得到多个维度的流量数据特征；已知流量数据类别预测模块，用于将所述多个维度的流量数据特征输入已知网络流量分类模型对所述网络流量数据集中的各流量数据的类别进行预测，并输出相应的类别预测结果；未知流量数据初步判断模块，用于依据自适应调整的置信度原则对所述类别预测结果对应的流量数据进行未知流量数据的初步判断，得到未知流量数据，包括：若所述类别预测结果小于置信度阈值，则判断所述类别预测结果对应的流量数据为未知流量数据；若所述类别预测结果大于等于置信度阈值，则判断所述类别预测结果对应的流量数据为已知流量数据；当所述网络流量数据集中超过预设数量的流量数据初步判断为未知流量数据，则将类别预测结果最低的预设数量的流量数据判断为未知流量数据；当根据类别预测结果以及置信度阈值进行未知流量数据的初步判断时：所述自适应的置信度阈值的初始值为预设值，当所述网络流量数据集中不足预设数量的流量数据初步判断为未知流量数据，则以（1+a）的比例提高预设值，其中a为预设参数；未知流量数据类别标注模块，用于根据自适应聚类方法对所述未知流量数据划分成不同的类别，并依据划分的类别对未知流量数据进行初始标注；恶意流量类别识别模块，用于根据相似系数估计方法对所述未知流量数据的类别进行识别，识别出未知流量数据中为恶意流量的类别以及正常流量的类别；已知网络流量分类模型训练更新模块，用于将所述未知流量数据中已经识别出来的恶意流量数据和正常流量数据作为已知流量数据对所述已知网络流量分类模型进行训练并更新。
