1.一种终端设备网络访问的异常判定方法，其特征在于，包括以下步骤：响应终端设备发送的网络访问请求，利用脚本获取所述终端设备的多个非线性的特征值，并形成非线性组合特征集；

对所述非线性组合特征集的特征值求取设定时间段内所有对应的特征值的平均值，并计算所述终端设备的特征值的卡方统计量，包括：根据在设定时间段内每一次网络访问请求的所述非线性组合特征集的多个特征值，得到对应的非线性组合特征集的多个特征值的维度向量作为所述非线性组合特征集的特征值，并根据所有所述非线性组合特征集的特征值，求取对应的第二平均值，对所述非线性组合特征集的特征值和所述第二平均值进行计算得到所述终端设备的所述非线性组合特征集的特征值的第二卡方统计量；

利用所述卡方统计量得到对应的特征值为离群点时，判定对应的网络访问为异常访问，其中，所述卡方统计量为第二卡方统计量。

2.根据权利要求1所述的方法，其特征在于，所述对所述非线性组合特征集的特征值求取设定时间段内所有对应的特征值的平均值，并计算所述终端设备的特征值的卡方统计量的步骤，包括：根据在设定时间段内每一次网络访问请求的所述非线性组合特征集的一特定的必要特征值，求取所述必要特征值的第一平均值；

根据所述必要特征值和所述第一平均值，计算得到所述终端设备的对应必要特征值的第一卡方统计量。

3.根据权利要求2所述的方法，其特征在于，在所述利用所述卡方统计量得到对应的特征值为离群点时，判定对应的网络访问为异常访问的步骤之前，还包括：

根据所述设定时间段内所得到的第一卡方统计量，计算得到所述第一卡方统计量的四分位距的上限值作为所述特征值对应的第一判断阈值。

4.根据权利要求1所述的方法，其特征在于，在所述利用所述卡方统计量得到对应的特征值为离群点时，判定对应的网络访问为异常访问的步骤之前，还包括：

根据设定时间段内所有网络访问请求对应的所述第二卡方统计量形成的曲线，并得到所述曲线的最大斜率对应的第二卡方统计量作为第二判断阈值。

5.根据权利要求1或2其中一项所述的方法，其特征在于，所述利用所述卡方统计量得到对应的特征值为离群点时，判定对应的网络访问为异常访问的步骤，包括：

通过所述终端设备的第一或第二卡方统计量大于对应的判断阈值时，对应的特征值为离群点；

根据得到的离群点的特征值，判定得到所述网络访问为异常访问。

6.根据权利要求1所述的方法，其特征在于，所述非线性组合特征集为通过对所述非线性组合特征集的特征值进行度量数据散布计算得到的识别离群点的有效衍生特征信息。

7.一种终端设备网络访问的异常判定装置，其特征在于，包括：获取模块，用于响应终端设备发送的网络访问请求，利用脚本获取所述终端设备的多个非线性的特征值，并形成非线性组合特征集；

计算模块，用于对所述非线性组合特征集的特征值求取设定时间段内所有对应的特征值的平均值，并计算所述终端设备的特征值的卡方统计量，包括：根据在设定时间段内每一次网络访问请求的所述非线性组合特征集的多个特征值，得到对应的非线性组合特征集的多个特征值的维度向量作为所述非线性组合特征集的特征值，并根据所有所述非线性组合特征集的特征值，求取对应的第二平均值，对所述非线性组合特征集的特征值和所述第二平均值进行计算得到所述终端设备的所述非线性组合特征集的特征值的第二卡方统计量；

判定模块，用于利用所述卡方统计量得到对应的特征值为离群点时，判定对应的网络访问为异常访问，其中，所述卡方统计量为第二卡方统计量。

8.一种服务器，其特征在于，包括：一个或多个处理器；

存储器；

一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个计算机程序配置用于执行根据权利要求1至6任一项所述的终端设备网络访问的异常判定方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现权利要求1至6任一项所述的终端设备网络访问的异常判定方法。