1.一种基于隐半马尔可夫模型的5G通信协议异常检测方法，其特征在于，所述方法包括：通过对5G网络通信协议进行分析，将网元节点的隐藏状态映射为隐状态集合，将实际收发的信令数据映射为可观测集合；根据所述隐状态集合和所述可观测集合，构建出隐半马尔可夫模型的四元组参数；所述四元组参数包括使用隐状态概率转移a mn 描述网元节点的状态转换行为，使用隐状态驻留时间概率p m (d)描述网元节点动态持续时间，使用初始状态概率π i 描述任意初始时刻网元节点状态概率，使用可观测状态发射概率b m (k)建立网元节点状态与所收发信令的关系，构建出隐半马尔可夫模型四元组λ＝(A,B,P,Π)；A表示隐状态转移概率矩阵，B表示观测状态的生成概率矩阵，P表示隐状态的持续时间矩阵，Π表示隐状态的初始状态概率矩阵；使用滑动窗口将训练信令序列划分为等长的训练子序列进行迭代训练，使用前后向算法学习所述隐半马尔可夫模型的四元组参数；采取网元节点正常交互过程中产生的信令序列作为训练信令序列，使用滑动窗口将训练信令序列划分为等长的训练子序列，使用前后向算法分别计算得到训练子序列出现的前向概率和后向概率，使用前向概率和后向概率得到三种联合概率分布，根据三种联合概率迭代训练隐半马尔可夫模型四元组中的参数；前向概率和后向概率分别表示为：当t＝1，前向概率表示为：α 1 (m,d)＝π m b m (o 1 )p m (d)当t>1，前向概率表示为：当d>1,t<T时，后向概率表示为：β t (m,d)＝b m (o t+1 )β t+1 (m,d-1)当d＝1,t<T时，后向概率表示为：当d≥1,t＝T时，后向概率表示为：β T (m,d)＝1其中，T表示观测时间；α 1 (m,d)表示在初始时刻隐状态i t ＝s m 且持续时间τ＝d的前向概率，π m 表示初始状态概率，b m (o 1 )表示状态s m 下可观测序列o 1 的发射概率，p m (d)表示隐状态s m 驻留时间概率；α t (m,d)表示t时刻隐状态i t ＝s m 且持续时间τ＝d的前向概率，α t-1 (m,d+1)表示t-1时刻隐状态i t-1 ＝s m 且持续时间τ＝d+1的前向概率，b m (o t )表示状态s m 下可观测序列o t 的发射概率，α t-1 (n,1)表示在t-1时刻隐状态i t-1 ＝s n 且持续时间τ＝1的前向概率，a mn 表示当t时刻隐状态为i t ＝s m ，t+1时刻隐状态为i t+1 ＝s n 的隐状态转移概率，β t (m,d)表示在t时刻隐状态i t ＝s m 且持续时间τ＝d的反向概率，b m (o t+1 )表示状态s m 下可观测序列o t+1 的发射概率，β t+1 (m,d-1)表示在t+1时刻隐状态i t+1 ＝s m 且持续时间τ＝d-1的反向概率，β t (m,1)表示在t时刻隐状态i t ＝s m 且持续时间τ＝1的反向概率，b n (o t+1 )表示状态s n 下可观测序列o t+1 的发射概率，p n (d)表示隐状态s n 驻留时间概率，β t+1 (n,d)表示在t+1时刻隐状态i t+1 ＝s n 且持续时间τ＝d的反向概率，β T (m,d)表示在T时刻隐状态i T ＝s m 且持续时间τ＝d的反向概率；三种联合概率分别表示为：其中，ξ t (m,n)表示t时刻隐状态从s m 转移到s n 的联合概率，α t-1 (m,1)表示在t-1时刻隐状态i t-1 ＝s m 且持续时间τ＝1的前向概率，b n (o t )表示状态s n 下可观测序列o t 的发射概率，β t (n,d)表示在t时刻隐状态i t ＝s n 且持续时间τ＝d的反向概率；η t (m,d)表示t时刻的隐状态s n (n≠m)转移到隐状态s m 且持续时间为d的联合概率；γ t (m)表示t时刻的隐状态i t ＝s m 的联合概率；使用滑动窗口将待检测信令序列划分为等长的待测子序列，基于学习到的四元组参数使用前向算法计算各个待测子序列的概率值；也即是使用滑动窗口将待测信令序列划分为等长的待测子序列，带入学习到的四元组参数，根据前向算法依次计算滑动窗口所经过的待测子序列的概率值；待测子序列的概率值的表达式为：其中， 表示滑动窗口大小为w的子序列 概率对数值，α w-1 (m,d+1)表示在隐状态i w-1 ＝s m 且持续时间τ＝d+1的前向概率，b m (o w )表示状态s m 下可观测序列o w 的发射概率，α w-1 (n,1)表示在隐状态i w-1 ＝s n 且持续时间τ＝1的前向概率；当待测子序列的概率值低于检测阈值时，判定所述待测子序列为异常。
2.根据权利要求1所述的一种基于隐半马尔可夫模型的5G通信协议异常检测方法，其特征在于，所述通过对5G网络通信协议进行分析，将网元节点的隐藏状态映射为隐状态集合，将实际收发的信令数据映射为可观测集合包括根据网元在不同时刻发送或接收的信令将网元节点分解为多种状态，其中网元节点的所有状态称为隐状态集合，网元可发送或接收的信令称为可观测集合。
3.根据权利要求2所述的一种基于隐半马尔可夫模型的5G通信协议异常检测方法，其特征在于，所述隐状态集合包括网元节点发送初始注册信令和移动性注册信令时表示为注册状态，网元节点发送注册接受信令时表示为注册完成状态。
4.根据权利要求1所述的一种基于隐半马尔可夫模型的5G通信协议异常检测方法，其特征在于，隐半马尔可夫模型四元组中的参数公式分别表示为：其中，γ 1 (m)表示初始时刻的隐状态s m 的联合概率，γ 1 (n)表示初始时刻的隐状态s n 的联合概率，γ t (m)表示t时刻的隐状态s m 的联合概率，当可观测序列o t ＝v k 时δ(o t -v k )＝1，当可观测序列o t ≠v k 时δ(o t -v k )＝0，ξ t (m,d)表示t时刻的隐状态从s m 转移到s n 的联合概率。
