1.一种网络流量监测方法，其特征在于，包括：

采集正常网络流量，所述正常网络流量包括至少一个预设应用场景和与所述预设应用场景相对应的正常行为特征；

对同一所述预设应用场景下的所有正常行为特征进行计算，获取对应的平均值和标准差；

基于所述平均值和所述标准差，获取所述应用场景基准线；

继续获取下一预设应用场景对应的预设应用场景基准线，直至完成获取所有预设应用场景基准线；

获取实际网络流量，调用所述预设应用场景基准线，划分所述实际网络流量，获取与所述实际网络流量对应的至少一个预设应用场景和与所述预设应用场景相对应的实际特征向量；

基于至少一个所述预设应用场景查询预设的正常流量模型库，获得与每一所述预设应用场景对应的正常特征向量；

若同一预设应用场景对应的所述实际特征向量和所述正常特征向量的交集小于第一阈值，则所述预设应用场景对应的所述实际特征向量为异常流量集；

统计获取所述异常流量集的对应的异常占比，若所述异常占比大于第二阈值，则所述实际网络流量为异常网络流量。

2.如权利要求1所述的网络流量监测方法，其特征在于，所述基于所述实际网络流量获取对应的至少一个预设应用场景和实际特征向量，包括：基于所述实际网络流量，调用预设的应用场景基准线对所述实际网络流量进行划分，获取对应的预设应用场景；

基于所述实际网络流量，采用与所述预设应用场景相对应的特征提取算法对所述实际网络流量进行特征提取和特征向量化，获取对应的实际特征向量。

3.如权利要求1所述的网络流量监测方法，其特征在于，在所述获取实际网络流量的步骤之前，所述网络流量监测方法还包括：创建正常流量模型库；

所述创建正常流量模型库，包括：

获取正常网络流量，基于预设的应用场景基准线划分所述正常网络流量，以获得对应的预设应用场景；

对所述正常网络流量进行特征提取和特征向量化，获得对应的正常特征向量；

将所述预设应用场景和所述正常特征向量关联存储到数据库中，形成正常流量模型库。

4.如权利要求3所述的网络流量监测方法，其特征在于，所述对所述正常网络流量进行特征提取和特征向量化，获得对应的正常特征向量，包括：对所述正常网络流量进行特征提取，获取场景特征数据；

采用矩阵计算对所述场景特征数据进行特征向量化，获得对应的正常特征向量。

5.如权利要求1所述的网络流量监测方法，其特征在于，所述统计获取所述异常流量集的对应的异常占比，包括：初始化异常总数和流量总数；

若所述预设应用场景对应的所述实际特征向量为异常流量集，则所述异常总数和所述流量总数均加1；

若所述预设应用场景对应的所述实际特征向量不为异常流量集，则所述流量总数加1；

将所述异常总数除以所述流量总数，获取所述异常占比。

6.一种网络流量监测装置，其特征在于，包括：

采集网络流量子单元，用于采集正常网络流量，所述正常网络流量包括至少一个预设应用场景和与所述预设应用场景相对应的正常行为特征；

获取平均值子单元，用于对同一所述预设应用场景下的所有正常行为特征进行计算，获取对应的平均值和标准差；

获取基准线子单元，用于基于所述平均值和所述标准差，获取所述应用场景基准线；

获取基准线单元，用于继续获取下一预设应用场景对应的预设应用场景基准线，直至完成获取所有预设应用场景基准线；

获取网络流量模块，用于获取实际网络流量，调用所述预设应用场景基准线，划分所述实际网络流量，获取与所述实际网络流量对应的至少一个预设应用场景和与所述预设应用场景相对应的实际特征向量；

获得特征向量模块，用于基于至少一个所述预设应用场景查询预设的正常流量模型库，获得与每一所述预设应用场景对应的正常特征向量；

对应特征向量模块，用于若同一预设应用场景对应的所述实际特征向量和所述正常特征向量的交集小于第一阈值，则所述预设应用场景对应的所述实际特征向量为异常流量集；

统计异常占比模块，用于统计获取所述异常流量集的对应的异常占比，若所述异常占比大于第二阈值，则所述实际网络流量为异常网络流量。

7.如权利要求6所述的网络流量监测装置，其特征在于，所述获得特征向量模块包括：获取应用场景单元，用于基于所述实际网络流量，调用预设的应用场景基准线对所述实际网络流量进行划分，获取对应的预设应用场景；

获取特征向量单元，用于基于所述实际网络流量，采用与所述预设应用场景相对应的特征提取算法对所述实际网络流量进行特征提取和特征向量化，获取对应的实际特征向量。

8.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至

5任一项所述网络流量监测方法的步骤。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，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任一项所述网络流量监测方法的步骤。