1.一种入侵检测方法，其特征在于，包括：

对构造的各入侵类型的数据子集进行初步降维处理，得到至少一个入侵类型对应的特征点，以及基于所述特征点构造得到的特征拓扑；

基于所述特征拓扑，确定改进蚁群算法中每次蚂蚁移动得到特征子集；

基于预设的调和函数对预设的入侵检测模型进行训练，优化所述入侵检测模型中所述改进蚁群算法的参数和基于支持向量机的分类器的参数，所述调和函数为F‑Measure；

根据所述入侵检测模型的参数和所述蚂蚁移动得到特征子集，确定预设训练次数之后蚁群求解的目标特征子集，以通过所述目标特征子集检测待检测对象中存在的入侵类型；

所述基于所述特征拓扑，确定改进蚁群算法中每次蚂蚁移动得到特征子集之前，还包括：将预设数量的蚂蚁平均分配至所述特征拓扑中预设数量的特征点上，并进行迭代移动；

根据每次迭代移动时每只蚂蚁选取的特征子集中的特征点数量，计算蚂蚁的分配比例，并根据所述分配比例确定所述改进蚁群算法中每只蚂蚁的初始位置；

计算第一特征点的特征属性和第二特征点的特征属性之间相似性，并根据所述相似性确定蚂蚁的选择期望，作为所述改进蚁群算法的启发函数；

根据蚂蚁从所述第一特征点转移到所述第二特征点的信息素残量、信息素增量，确定所述改进蚁群算法的信息素更新策略；

根据所述启发函数和所述信息素更新策略，确定所述改进蚁群算法中蚂蚁从所述第一特征点转移到所述第二特征点的状态转移概率函数公式，以此构成所述改进蚁群算法。

2.如权利要求1所述的入侵检测方法，其特征在于，所述对构造的各入侵类型的数据子集进行初步降维处理，得到至少一个入侵类型对应的特征点，以及基于所述特征点构造得到的特征拓扑，包括：基于已有的数据集构造所述各入侵类型的数据子集；

对所述数据子集进行初步降维处理，得到所述至少一个入侵类型对应的特征点；

基于所述至少一个入侵类型对应的特征点构造特征拓扑。

3.如权利要求2所述的入侵检测方法，其特征在于，所述对所述数据子集进行降维处理，得到所述至少一个入侵类型对应的特征点，包括：根据所述数据子集的特征属性中第x个特征取第y个值的样本个数、所述第x个特征的全部取值个数，计算所述第x个特征属性取第y个值的概率；

根据所述第x个特征属性取第y个值的概率、所述第x个特征的不同取值个数，计算所述第x个特征的信息熵；

根据所述第x个特征的信息熵，计算所述第x个特征的差异系数；

根据所述差异系数计算所述第x个特征属性的权重系数；

根据所述权重系数的大小，选取预设数量的权重系数对应的特征点作为所述至少一个入侵类型对应的特征点。

4.如权利要求1所述的入侵检测方法，其特征在于，所述基于预设的调和函数对预设的入侵检测模型进行训练，优化所述入侵检测模型中所述改进蚁群算法的参数和基于支持向量机的分类器的参数，包括：根据预设的模型参数，通过训练循环十折交叉验证求取平均值的方法，对所述入侵检测模型进行训练，确定所述入侵检测模型中所述改进蚁群算法的参数和基于支持向量机的分类器的参数。

5.如权利要求1所述的入侵检测方法，其特征在于，所述根据所述入侵检测模型的参数和所述蚂蚁移动得到特征子集，确定预设训练次数之后蚁群求解的目标特征子集，包括：确定预设训练次数过程中，所述蚂蚁移动得到特征子集中每个所述特征点出现的频次和；

根据所述频次和、所述入侵检测模型的参数从所述特征点中选出目标特征点组成所述目标特征子集。

6.如权利要求1所述的入侵检测方法，其特征在于，所述根据所述入侵检测模型的参数和所述蚂蚁移动得到特征子集，确定预设训练次数之后蚁群求解的目标特征子集，以通过所述目标特征子集检测待检测对象中存在的入侵类型之后，还包括：在得到最大的调和函数值时，计算并输出训练评估指标；所述训练评估指标用于评价所述入侵检测方法的性能，所述训练评估指标包括召回率指标、查准率指标、调和函数值、训练时间以及测试时间。

7.一种入侵检测装置，其特征在于，包括：

降维模块，用于对构造的各入侵类型的数据子集进行初步降维处理，得到至少一个入侵类型对应的特征点，以及基于所述特征点构造得到的特征拓扑；

蚁群模块，用于基于所述特征拓扑，确定改进蚁群算法中每次蚂蚁移动得到特征子集；

调参模块，用于基于预设的调和函数对预设的入侵检测模型进行训练，优化所述入侵检测模型中所述改进蚁群算法的参数和基于支持向量机的分类器的参数，所述调和函数为F‑Measure；

确定模块，用于根据所述入侵检测模型的参数和所述蚂蚁移动得到特征子集，确定预设训练次数之后蚁群求解的目标特征子集，以通过所述目标特征子集检测待检测对象中存在的入侵类型；

所述入侵检测装置在所述蚁群模块之前，还包括：

移动单元，用于将预设数量的蚂蚁平均分配至所述特征拓扑中预设数量的特征点上，并进行迭代移动；

初始位置单元，用于根据每次迭代移动时每只蚂蚁选取的特征子集中的特征点数量，计算蚂蚁的分配比例，并根据所述分配比例确定所述改进蚁群算法中每只蚂蚁的初始位置；

第五计算单元，用于计算第一特征点的特征属性和第二特征点的特征属性之间相似性，并根据所述相似性确定蚂蚁的选择期望，作为所述改进蚁群算法的启发函数；

信息素更新单元，用于根据蚂蚁从所述第一特征点转移到所述第二特征点的信息素残量、信息素增量，确定所述改进蚁群算法的信息素更新策略；

转移概率单元，用于根据所述启发函数和所述信息素更新策略，确定所述改进蚁群算法中蚂蚁从所述第一特征点转移到所述第二特征点的状态转移概率函数公式，以此构成所述改进蚁群算法。

8.一种入侵检测装置，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6任一项所述方法的步骤。

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6任一项所述方法的步骤。