1.一种智能组网通信处理方法，其特征在于，应用于包括管理设备和多个网络设备的智能组网通信处理系统，所述方法包括：所述管理设备获取从各所述网络设备获取第一流量特征及第二流量特征；所述第一流量特征为距离当前时刻预设时长之前的第一时间段内的流量特征，所述第二流量特征为包括当前时刻的第二时间段的流量特征；

所述管理设备针对每种目标类型业务，根据所述第一流量特征和所述第二流量特征确定所述目标类型业务的维持状态；

所述管理设备根据各所述目标类型业务的维持状态，确定与各所述目标类型业务对应的组网控制策略，并将所述组网控制策略下发至各所述网络设备；所述组网控制策略包括链路控制策略及限速控制策略；

各所述网络设备根据接收到的组网控制策略执行相应的链路控制动作及限速控制动作。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一流量特征和所述第二流量特征确定所述目标类型业务的维持状态的步骤，包括：通过目标类型业务检测模型中的第一业务检测模型，根据所述第一流量特征确定第一业务维持概率以及第一业务流量特征，其中，所述第一业务维持概率表示所述第一流量特征中出现所述目标类型业务的概率；

通过所述目标类型业务检测模型中的第二业务检测模型，根据所述第二流量特征确定第二业务维持概率以及第二业务流量特征，其中，所述第二业务维持概率表示所述第二流量特征中出现所述目标类型业务的概率，所述第二业务检测模型与所述第一业务检测模型为孪生网络模型；

通过所述目标类型业务检测模型中的共用全连接层，根据所述第一业务流量特征以及所述第二业务流量特征确定所述第一业务流量特征和所述第二业务流量特征之间的差异程度值；

根据所述第一业务维持概率、所述第二业务维持概率及所述差异程度值，确定所述目标类型业务的维持状态。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第一业务维持概率、所述第二业务维持概率及所述差异程度值，确定所述目标类型业务的维持状态的步骤，包括：若所述第一业务维持概率达到预设概率阈值且所述第二业务维持概率未达到预设概率阈值，则确定所述目标类型业务的已结束；

若所述第一业务维持概率未达到预设概率阈值且所述第二业务维持概率达到预设概率阈值，则确定所述目标类型业务的已启动；

若所述第一业务维持概率以及所述第二业务维持概率均达到预设概率阈值，且所述差异程度值未达到差异度阈值，则确定当前所述目标类型业务的维持数量未改变；

若所述第一业务维持概率以及所述第二业务维持概率均达到预设概率阈值，且所述差异程度值达到差异度阈值，则确定当前所述目标类型业务的维持数量发生改变；

所述根据各所述目标类型业务的维持状态，确定与各所述目标类型业务对应的组网控制策略的步骤，包括：

若检测到所述目标类型业务已结束，则回收为所述目标类型业务分配的链路；

若检测到所述目标类型业务已启动，则为所述目标类型业务分配目标链路，并生成链路控制策略，以控制所述网络设备将传输所述目标类型业务的数据的链路从临时链路切换至所述目标链路传输；

若检测到所述目标类型业务的维持数量改变，则生成限速控制策略，以控制所述网络设备调整所述目标链路的限速。

4.根据权利要求1所述的方法，其特征在于，所述从各所述网络设备获取第一流量特征及第二流量特征，包括：

从各所述网络设备获取针对所述第一时间段及所述第二时间段的深度包检测结果及流量统计结果；

将各所述网络设备针对所述第一时间段的深度包检测结果及流量统计结果拼接为所述第一流量特征，将各所述网络设备针对所述第二时间段的深度包检测结果及流量统计结果拼接为所述第二流量特征。

5.根据权利要求2所述的方法，其特征在于，所述通过目标类型业务检测模型中的第一业务检测模型，根据所述第一流量特征确定第一业务维持概率以及第一业务流量特征，包括：

通过所述第一业务检测模型中的卷积层，根据所述第一流量特征获取第一特征向量；

通过所述第一业务检测模型中的注意力机制层，根据所述第一特征向量确定所述第一业务维持概率；

通过所述第一业务检测模型中的特征提取层，根据所述第一特征向量获取所述第一业务流量特征；

所述通过所述目标类型业务检测模型中的第二业务检测模型，根据所述第二流量特征确定第二业务维持概率以及第二业务流量特征，包括：通过所述第二业务检测模型中的卷积层，根据所述第二流量特征获取第二特征向量；

通过所述第二业务检测模型中的注意力机制层，根据所述第二特征向量确定所述第二业务维持概率；

通过所述第二业务检测模型中的特征提取层，根据所述第二特征向量获取所述第二业务流量特征；

所述通过所述第一业务检测模型中的注意力机制层，根据所述第一特征向量确定所述第一业务维持概率，包括：

根据所述第一特征向量生成第一特征矩阵；

对所述第一特征矩阵进行转置处理，得到第一转置特征矩阵；

通过所述第一业务检测模型中的注意力机制层，根据所述第一转置特征矩阵获取第一注意力特征向量；

通过所述第一业务检测模型中的第一子全连接层，根据所述第一注意力特征向量获取所述第一业务维持概率；

所述通过所述第二业务检测模型中的注意力机制层，根据所述第二特征向量确定所述第二业务维持概率，包括：

根据所述第二特征向量生成第二特征矩阵；

对所述第二特征矩阵进行转置处理，得到第二转置特征矩阵；

通过所述第二业务检测模型中的注意力机制层，根据所述第二转置特征矩阵获取第二注意力特征向量；

通过所述第二业务检测模型中的第二子全连接层，根据所述第二注意力特征向量获取所述第二业务维持概率。

6.根据权利要求5所述的方法，其特征在于，所述通过所述第一业务检测模型中的特征提取层，根据所述第一特征向量获取所述第一业务流量特征，包括：通过所述第一业务检测模型根据所述第一特征向量获取多个第一待拼接特征向量，所述多个第一拼接特征向量中包括通过平均池化层获得的向量；

通过所述第一业务检测模型中的特征提取层，根据所述多个第一待拼接特征向量获取所述第一业务流量特征；

所述通过所述第二业务检测模型中的特征提取层，根据所述第二特征向量获取所述第二业务流量特征，包括：

通过所述第二业务检测模型根据所述第二特征向量获取多个第二待拼接特征向量，所述多个第二拼接特征向量中包括通过平均池化层获得的向量；

通过所述第二业务检测模型中的特征提取层，根据所述多个第二待拼接特征向量获取所述第二业务流量特征。

7.根据权利要求2所述的方法，其特征在于，所述通过所述目标类型业务检测模型中的共用全连接层，根据所述第一业务流量特征以及所述第二业务流量特征确定所述第一业务流量特征和所述第二业务流量特征之间的差异程度值，包括：对所述第一业务流量特征以及所述第二业务流量特征中相同位置上的元素进行相减，得到第一差异流量特征；

对所述第一差异流量特征进行取绝对值处理，得到第二差异流量特征；

基于所述第二差异流量特征，通过所述共用全连接层获取所述差异程度值。

8.根据权利要求2所述的方法，其特征在于，所述方法包括：获取训练样本组合，其中，所述训练样本组合包括第三流量特征以及第四流量特征，所述第三流量特征对应于第一业务标签，所述第四流量特征对应于第二业务标签，所述训练样本组合对应于相似度标签；

通过待训练目标类型业务检测模型中的第一业务检测模型，根据所述第三流量特征获取第三业务维持概率以及第三业务流量特征，其中，所述第三业务维持概率表示所述第三流量特征中出现所述目标类型业务的概率；

通过所述待训练目标类型业务检测模型中的第二业务检测模型，根据所述第四流量特征获取第四业务维持概率以及第四业务流量特征，其中，所述第四业务维持概率表示所述第四流量特征中出现所述目标类型业务的概率；

通过所述待训练目标类型业务检测模型中的共用全连接层，根据所述第三业务流量特征以及所述第四业务流量特征，获取所述第三业务流量特征和所述第四业务流量特征之间的差异程度值；

根据所述第一业务标签、所述第三业务维持概率、所述第二业务标签、所述第四业务维持概率、所述第四业务维持概率、所述相似度标签以及所述差异程度值，对所述待训练目标类型业务检测模型进行训练，当满足模型训练条件时，获得训练完成的目标类型业务检测模型。

9.根据权利要求8所述的方法，其特征在于，所述根据所述第一业务标签、所述第三业务维持概率、所述第二业务标签、所述第四业务维持概率、所述第四业务维持概率、所述相似度标签以及所述差异程度值，对所述待训练目标类型业务检测模型进行训练，包括：根据所述第一业务标签以及所述第三业务维持概率，采用第一损失函数确定第一损失值；

根据所述第二业务标签以及所述第四业务维持概率，采用第二损失函数确定第二损失值；

根据所述相似度标签以及所述差异程度值，采用第三损失函数确定第三损失值；

根据所述第一损失值、所述第二损失值和第三损失值，更新所述待训练目标类型业务检测模型的模型参数。

10.一种智能组网通信处理系统，其特征在于，所述智能组网通信处理系统包括管理设备和多个网络设备；

所述管理设备用于获取从各所述网络设备获取第一流量特征及第二流量特征；所述第一流量特征为距离当前时刻预设时长之前的第一时间段内的流量特征，所述第二流量特征为包括当前时刻的第二时间段的流量特征；针对每种目标类型业务，根据所述第一流量特征和所述第二流量特征确定所述目标类型业务的维持状态；根据各所述目标类型业务的维持状态，确定与各所述目标类型业务对应的组网控制策略，并将所述组网控制策略下发至各所述网络设备；所述组网控制策略包括链路控制策略及限速控制策略；

所述网络设备用于根据接收到的组网控制策略执行相应的链路控制动作及限速控制动作。