1.基于混合基因表达式编程的地理大数据安全风险评估方法，具体步骤如下，其特征在于：

步骤1：结合地理数据时空特性，分析地理空间数据传输可能存在的风险，进入步骤2；

步骤2：通过对潜在风险量化处理构建地理空间风险要素及等级集合U，进入步骤3；

步骤3：组建地理空间数据安全风险决策表5(U，A，V，F)，A为全体风险条件属性集合，V为风险值及等级集合，F为U×A→V的映射函数，进入步骤4；

步骤4：在不影响风险识别准确率的前提下，基于粗糙集属性约简理论对风险数据集降维处理，组成待训练的风险数据集，进入步骤5；

步骤5：为符合地理时空数据动态变化特性，将待训练的风险数据集标记时间和空间戳，形如：脆弱性V＝(V1，V2，...，Vn|s，t)、安全威胁T＝(T1，T2，...，Tm|s，t)和资产Z＝(Z1，Z2，...，Zr|s，t)，进入步骤6；

步骤6：基于关联分析算法对频繁项集挖掘，构建地理数据的时空特性与风险要素集U的动态关联关系，形如：U＝(V，T，Z|s，t)，进入步骤7；

步骤7：利用基因表达式编程GEP算法挖掘风险要素与风险等级函数关系，设计具有地理时空特性的安全风险评估适应度函数，进入步骤8；

步骤8：结合小生境的全局搜索的特性，设计用于动态自适应的种群生成策略以及遗传操作算子，进入步骤9；

步骤9：对地理时空数据传输安全风险要素基因编码，种群初始化，进入步骤10；

步骤10：计算风险评估适应度函数，即：其中，其中w1，w2，w3分别为脆弱性、安全威胁以及资产在地理大数据传输安全风险评估中的权重； 分别为脆弱性、安全威胁发生的概率以及资产重要程度；Ci，Ii，Ai分别表示脆弱性、安全威胁及资产对传输安全风险产生的影响，进入步骤11；

步骤11：判断是否满足进化终止条件，若不满足，则进入步骤12；若满足，进入步骤15；

步骤12：从中选择前K个适应度值的个体组成小生境，并计算所有个体之间距离，进入步骤13；

步骤13：基于所有个体之间距离采用自适应策略调整基因变异概率，提高基因表达式编程的全局收敛能力，进入步骤14；

步骤14：保留最优个体，基因选择、重组、产生新一代种群，进入步骤10；

步骤15：输出最优风险评估函数，计算传输数据安全风险等级；进入步骤16；

步骤16：结束。

2.根据权利要求1所述的基于混合基因表达式编程的地理大数据安全风险评估方法，其特征在于：所述基于混合基因表达式编程的地理大数据安全风险评估方法的控制部分包括风险要素分析系统、风险动态识别系统以及风险综合评估系统。

风险要素分析系统包括：分析系统从数据采集端、传输通道以及数据接收端的脆弱性、威胁和资产重要性三个方面结合时空特性进行地理大数据传输安全风险要素分析，构建传输数据风险要素集合。

风险动态识别系统：针对在采集到的影响地理大数据传输安全的风险要素集中增加时间和空间戳，并基于关联分析算法实现地理大数据传输安全风险动态识别，构建地理大数据时间和空间属性与风险要素之间的动态关联关系。

风险综合评估系统：采用粗糙集降维处理海量数据集，结合基因表达式编程挖掘影响地理大数据传输安全风险要素集与安全风险等级之间的函数关系，定量计算出地理时空大数据传输的安全风险等级。

3.根据权利要求2所述的基于混合基因表达式编程的地理大数据安全风险评估方法，其特征在于：所述风险要素分析系统从数据采集端、传输通道以及数据接收端的脆弱性、威胁和资产重要性三个方面结合时空特性进行地理大数据传输安全风险要素分析，构建传输数据风险要素集合，具体流程如下：

首先，分析地理大数据采集端、传输通道以及接收端中相应软硬件架构和网络构成；

其次，分析地理信息空间中各类信息系统，从数据接收端、传输通道以及数据接收端三个方面来分析其脆弱性、安全威胁和资产重要程度并进行定量赋值计算，形成地理大数据传输安全风险要素集。

4.根据权利要求2所述的基于混合基因表达式编程的地理大数据安全风险评估方法，其特征在于：所述风险动态识别系统针对在采集到的影响地理大数据传输安全的风险要素集中增加时间和空间戳，并基于关联分析算法实现地理大数据传输安全风险动态识别，构建地理大数据时间和空间属性与风险要素之间的动态关联关系，具体流程如下：首先，对采集到的地理大数据传输安全风险要素集包括脆弱性、安全威胁及资产重要程度进行归一化、离散化等预处理并增加时间和空间戳，构建带有时间和空间戳的地理大数据传输安全风险集U＝(V，T，Z|s，t)，其中V表示影响地理大数据传输安全的脆弱性值分布，T表示影响地理大数据传输安全的威胁值分布，Z表示影响地理大数据传输安全的资产重要程度值分布，(s，t)表示为地理大数据的空间和时间戳；

其次，针对带有时间和空间戳的地理大数据传输安全风险集中的脆弱性V集合、安全威胁T集合和资产Z集合采用关联分析算法进行频繁项集挖掘，找出所有满足条件的安全风险集合及识别规则，通过关联分析识别出带有时间和空间戳的脆弱性、安全威胁以及资产属性中对地理大数据传输安全影响比较大的风险因素。

5.根据权利要求2所述的基于混合基因表达式编程的地理大数据安全风险评估方法，其特征在于：所述安全风险评估系统：采用粗糙集降维处理海量数据集，结合基因表达式编程挖掘影响地理大数据传输安全风险要素集与安全风险等级之间的函数关系，定量计算出地理时空大数据传输的安全风险等级，具体流程如下：首先，根据已获得的地理时空大数据传输安全风险要素集，构建相应的安全风险决策表S(U，A，V，F)，A为全体风险条件属性集合包括脆弱性、安全威胁以及资产重要程度，V为风险值及等级集合，F为U×A→V的映射函数，在此基础上，采用粗糙集对地理时空大数据传输安全风险决策表S进行安全风险要素特征约简；

其次，结合基因表达式编程的函数模型挖掘的思想，采用小生境的全局搜索的特性，设计地理时空数据传输安全风险评估的适应度函数：其中w1，w2，w3分别为脆弱性、安全威胁以及资产在地理大数据传输安全风险评估中的权重； 分别为脆弱性、安全威胁发生的概率以及资产重要程度；Ci，Ii，Ai分别表示脆弱性、安全威胁及资产对传输安全风险产生的影响；

最后，输出最优风险评估函数，计算地理时空传输数据风险等级，并利用随机过程理论对所提出的改进基因表达式编程算法进行收敛性分析。