1.一种基于FHGS的动态网络边异常检测方法，其特征在于，所述方法包括：通过FHGS结构中的图数据存储子矩阵存储动态网络中的边信息，得到边存储位置；所述边信息包括源节点的指纹、所述源节点的地址索引、目标节点的指纹、所述目标节点的地址索引及边权重；通过FHGS结构接收动态网络中边信息 ，采用哈希函数将所述边信息根据动态图数据阶数存储至所述FHGS结构对应层级的图数据存储子矩阵，得到当前层级图数据存储子矩阵中边存储位置 ；其中， 为图数据存储子矩阵中边存储的行索引， 为图数据存储子矩阵中边存储的列索引；根据所述边存储位置构建单元稠密子矩阵，采用启发式算法确定所述图数据存储子矩阵中除所述单元稠密子矩阵外的剩余图数据存储子矩阵的行和或列和的最大值，并根据所述最大值对应的图数据存储子矩阵扩展所述单元稠密子矩阵，得到检测稠密子矩阵；根据所述边信息计算所述检测稠密子矩阵的密度，得到子矩阵密度，根据所述子矩阵密度迭代获取边异常检测结果。
2.根据权利要求1所述的方法，其特征在于，根据所述边存储位置构建单元稠密子矩阵，采用启发式算法确定所述图数据存储子矩阵中除所述单元稠密子矩阵外的剩余图数据存储子矩阵的行和或列和的最大值，并根据所述最大值对应的图数据存储子矩阵扩展所述单元稠密子矩阵，得到检测稠密子矩阵，包括：根据所述边存储位置构建矩阵阶数为1的单元稠密子矩阵 ，采用启发式算法确定所述图数据存储子矩阵中除所述单元稠密子矩阵外的剩余图数据存储子矩阵的行和或列和的最大值；根据所述最大值对应的所述剩余图数据存储子矩阵的行或列增加至所述单元稠密子矩阵，并将所述最大值对应的所述剩余图数据存储子矩阵的行或列从所述剩余图数据存储子矩阵中删除，得到检测稠密子矩阵。
3.根据权利要求2所述的方法，其特征在于，根据所述边信息计算所述检测稠密子矩阵的密度，得到子矩阵密度，根据所述子矩阵密度迭代获取边异常检测结果，包括：根据所述边信息计算所述检测稠密子矩阵的密度，将所述检测稠密子矩阵进行迭代扩展，在每一次迭代后计算当前迭代次对应的所述检测稠密子矩阵的密度，直至所述剩余图数据存储子矩阵的行和列均为空集，终止迭代，得到子矩阵密度： ;其中， 为所述FHGS结构当前存储结构层对应的存储层矩阵， 为所述图数据存储子矩阵的行索引集合， 为所述图数据存储子矩阵的列索引集合， 为所述图数据存储子矩阵 中源节点的指纹集合， 为所述图数据存储子矩阵 中目标节点的指纹集合， 为所述FHGS结构当前存储结构层对应的存储层矩阵 中第 行 列的矩阵元素的边权重， 为子矩阵密度；根据迭代扩展的次数获取每一层所述子矩阵密度的最大值作为当前层对应的子矩阵密度，取各层对应的子矩阵密度的最小值组成边异常检测结果。
4.根据所述权利要求3所述的方法，其特征在于，在通过FHGS结构中的图数据存储子矩阵存储动态网络中的边信息，得到边存储位置的步骤之前，还包括：预设的衰减因子与所述边权重每隔单位时间更新所述FHGS结构。
5.一种基于FHGS的动态网络边异常检测装置，其特征在于，所述装置包括：边存储位置获取模块，用于通过FHGS结构中的图数据存储子矩阵存储动态网络中的边信息，得到边存储位置；所述边信息包括源节点的指纹、所述源节点的地址索引、目标节点的指纹、所述目标节点的地址索引及边权重；通过FHGS结构接收动态网络中边信息 ，采用哈希函数将所述边信息根据动态图数据阶数存储至所述FHGS结构对应层级的图数据存储子矩阵，得到当前层级图数据存储子矩阵中边存储位置 ；其中， 为图数据存储子矩阵中边存储的行索引， 为图数据存储子矩阵中边存储的列索引；稠密子矩阵扩展模块，用于根据所述边存储位置构建单元稠密子矩阵，采用启发式算法确定所述图数据存储子矩阵中除所述单元稠密子矩阵外的剩余图数据存储子矩阵的行和或列和的最大值，并根据所述最大值对应的图数据存储子矩阵扩展所述单元稠密子矩阵，得到检测稠密子矩阵；异常检测结果获取模块，用于根据所述边信息计算所述检测稠密子矩阵的密度，得到子矩阵密度，根据所述子矩阵密度迭代获取边异常检测结果。
6.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述方法的步骤。
