1.一种异常行为对象的识别方法，其特征在于，包括：

基于用户的网络历史行为数据，确定所述用户在预设的统计周期内每个时间段的历史行为模式；

以组成所述统计周期的所述时间段为序，构建历史行为模式序列；

基于所述用户的网络实时行为数据，确定所述用户的实时行为模式；

在所述历史行为模式序列中，查找与所述网络实时行为模式在所述时间段上重合的历史行为模式；

判断所述实时行为模式与查找到的所述历史行为模式是否匹配；

若所述实时行为模式与查找到的所述历史行为模式不匹配，则确定所述用户为异常行为对象；

其中，所述基于用户的网络历史行为数据，确定所述用户在预设的统计周期内每个时间段的历史行为模式，包括：根据所述用户的职能属性，确定出所述职能属性相同的N个行为对象；

在所述统计周期内，根据当前时刻所属的时间段，分别获取每一所述行为对象在该时间段的参考行为模式；

若所述用户的实时行为模式与M个所述行为对象在该时间段的所述参考行为模式均不相同，则将所述用户识别为异常行为潜在对象，并基于用户的网络历史行为数据，确定所述用户在预设的统计周期内每个时间段的历史行为模式；

其中，所述N为大于2的整数，所述M为大于零的整数，且M小于或等于N。

2.如权利要求1所述的异常行为对象的识别方法，其特征在于，在所述若所述用户的实时行为模式与M个所述行为对象在该时间段的所述参考行为模式均不相同，则将所述用户识别为异常行为潜在对象，并基于用户的网络历史行为数据，确定所述用户在预设的统计周期内每个时间段的历史行为模式之前，还包括：在点阵关系图中，分别生成对应所述实时行为模式的第一映射点以及对应各个所述参考行为模式的第二映射点；

确定所述点阵关系图中的各个质心点；

通过以下公式，分别计算各个映射点与每一所述质心点的距离值D，所述映射点包括所述第一映射点以及所述第二映射点：其中，所述Sk为当前时刻所述映射点所属的聚类集，所述xj为所述聚类集中所述映射点的坐标值，所述mk为所述聚类集中第k个所述质心点的坐标值；

对每一所述映射点，将该映射点与其所述距离值最小的一个所述质心点进行聚类处理，得到更新后的所述聚类集；

将聚类迭代次数的统计值加一，并返回执行所述确定所述点阵关系图中的各个质心点的操作，直至所述聚类迭代次数达到预设阈值；

在所述第一映射点最终所属的聚类集中，若存在所述参考行为模式对应的第二映射点，且所述第二映射点的数目小于N-M个，则确定所述用户的实时行为模式与M个所述行为对象在该时间段的所述参考行为模式均不相同。

3.如权利要求1所述的异常行为对象的识别方法，其特征在于，还包括：若所述实时行为模式与查找到的所述历史行为模式匹配，则确定所述用户为当前时刻的正常行为对象；

预测所述用户在下一时刻的潜在行为模式：

若与所述潜在行为模式在所述下一时刻所属时间段上重合的历史行为模式与所述潜在行为模式不匹配，则向所述用户发出关于行为约束处理的告警提示。

4.如权利要求1所述的异常行为对象的识别方法，其特征在于，还包括：将所述实时行为模式进行标记；

在最近预设时长内，根据所述实时行为模式的标记次数，通过预设的计算模型，获取所述实时行为模式的模式权重；

上述预设的计算模型具体为：

若所述模式权重大于预设阈值，则基于所述实时行为模式，对所述历史行为模式序列进行更新处理；

其中，所述Wt_mode为所述实时行为模式的模式权重，所述Sum_tag为所述实时行为模式的标记次数，所述Weight为预设的权值系数，所述Ti为所述实时行为模式在第i次被标记时的标记时刻，所述T0为所述历史行为模式所对应的产生时刻，所述D(Tagi-Tag0)表示所述实时行为模式在第i次被标记时，所述实时行为模式与与其在所述标记时刻上重合的历史行为模式的相似度。

5.一种终端设备，包括存储器以及处理器，所述存储器上存储有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下步骤：基于用户的网络历史行为数据，确定所述用户在预设的统计周期内每个时间段的历史行为模式；

以组成所述统计周期的所述时间段为序，构建历史行为模式序列；

基于所述用户的网络实时行为数据，确定所述用户的实时行为模式；

在所述历史行为模式序列中，查找与所述网络实时行为模式在所述时间段上重合的历史行为模式；

判断所述实时行为模式与查找到的所述历史行为模式是否匹配；

若所述实时行为模式与查找到的所述历史行为模式不匹配，则确定所述用户为异常行为对象；

其中，所述基于用户的网络历史行为数据，确定所述用户在预设的统计周期内每个时间段的历史行为模式，包括：根据所述用户的职能属性，确定出所述职能属性相同的N个行为对象；

在所述统计周期内，根据当前时刻所属的时间段，分别获取每一所述行为对象在该时间段的参考行为模式；

若所述用户的实时行为模式与M个所述行为对象在该时间段的所述参考行为模式均不相同，则将所述用户识别为异常行为潜在对象，并基于用户的网络历史行为数据，确定所述用户在预设的统计周期内每个时间段的历史行为模式；

其中，所述N为大于2的整数，所述M为大于零的整数，且M小于或等于N。

6.如权利要求5所述的终端设备，其特征在于，所述处理器执行所述计算机程序时，还实现如下步骤：在点阵关系图中，分别生成对应所述实时行为模式的第一映射点以及对应各个所述参考行为模式的第二映射点；

确定所述点阵关系图中的各个质心点；

通过以下公式，分别计算各个映射点与每一所述质心点的距离值D，所述映射点包括所述第一映射点以及所述第二映射点：其中，所述Sk为当前时刻所述映射点所属的聚类集，所述xj为所述聚类集中所述映射点的坐标值，所述mk为所述聚类集中第k个所述质心点的坐标值；

对每一所述映射点，将该映射点与其所述距离值最小的一个所述质心点进行聚类处理，得到更新后的所述聚类集；

将聚类迭代次数的统计值加一，并返回执行所述确定所述点阵关系图中的各个质心点的操作，直至所述聚类迭代次数达到预设阈值；

在所述第一映射点最终所属的聚类集中，若存在所述参考行为模式对应的第二映射点，且所述第二映射点的数目小于N-M个，则确定所述用户的实时行为模式与M个所述行为对象在该时间段的所述参考行为模式均不相同。

7.如权利要求5所述的终端设备，其特征在于，所述处理器执行所述计算机程序时，还实现如下步骤：若所述实时行为模式与查找到的所述历史行为模式匹配，则确定所述用户为当前时刻的正常行为对象；

预测所述用户在下一时刻的潜在行为模式：

若与所述潜在行为模式在所述下一时刻所属时间段上重合的历史行为模式与所述潜在行为模式不匹配，则向所述用户发出关于行为约束处理的告警提示。

8.一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4任一项所述方法的步骤。