1.安全风险网络中基于匹配博弈的网络选择方法，其特征在于，包括以下步骤：

101、根据用户的历史上网行为，并结合用户当前使用的上网设备，评估用户的安全性需求；

102、根据后台训练出的决策树，并结合用户终端采集到的网络接入点特征，得出网络接入点的安全评估值；

103、分别建立用户侧以及网络侧的满意度函数，并分别计算各用户对其候选网络的满意度排序值以及各网络对其候选用户的满意度排序值；

104、通过匹配博弈算法得到最终的网络选择策略。

2.根据权利要求1所述安全风险网络中基于匹配博弈的网络选择方法，其特征在于：步骤101所述安全性需求为：

式中，α取值为0.8，为用户的安全性偏好，qi为用户useri使用的设备，并定义两个设备集合：高安全需求设备集合HS和低安全需求设备集合LS。

3.根据权利要求2所述安全风险网络中基于匹配博弈的网络选择方法，其特征在于：所述用户的安全性偏好 是通过感知用户对于风险事件的历史处理生成的，假设共有l种风险事件，同时每个风险事件对应一种风险操作，则用历史行为矩阵E(eiw)表示用户是否对于风险事件进行风险操作，

其中， n

表示网络环境中的用户个数；

useri的安全性偏好 可表示为：

4.根据权利要求3所述安全风险网络中基于匹配博弈的网络选择方法，其特征在于：所述风险事件包括：收到带有附件的不明邮件，收到带有链接的不明短信，访问带有风险警告的网站。

5.根据权利要求1所述安全风险网络中基于匹配博弈的网络选择方法，其特征在于：步骤102所述网络接入点的安全评估包括以下步骤：(1)非法网络接入点特征属性集的抽象：结合非法网络接入点特征，抽象出如下属性集，将用户终端连接至网络接入点收到的垃圾短信或推送数量标记为a1条；将用户终端连接至网络接入点后是否出现网络中断次数记为a2次；将用户终端连接至网络接入点后是否出现社交账号异常记为a3，

( 2) 决 策树 生 成 ：根 据 训练 集 D t ra i n＝ { a 1 ,a 2 ,a 3 ,τ} ，其中通过CART算法训练出用于网络安全评估的决策树；

(3)周期性评估网络安全：在一定的周期内，随机选取网络netj中连接的用户终端进行采集网络接入点行为，并根据事先训练出的决策树进行评估。

6.根据权利要求5所述安全风险网络中基于匹配博弈的网络选择方法，其特征在于：网络netj的安全评估值gj由以下公式得出：其中， 为每个周期对于网络netj的评估结果，τ表示第τ个周期。

7.根据权利要求1所述安全风险网络中基于匹配博弈的网络选择方法，其特征在于：步骤103所述用户侧满意度函数为其中，λ为调整因子， 为归一化后的费用效用值， 为归一化后的安全效用值，θi为用户useri对于网络安全的偏好权重。

8.根据权利要求1所述安全风险网络中基于匹配博弈的网络选择方法，其特征在于：步骤103所述网络侧满意度函数为cuij为用户useri连接至网络netj的信道利用率。

9.根据权利要求1所述安全风险网络中基于匹配博弈的网络选择方法，其特征在于：步骤104所述匹配博弈算法包括以下步骤：(1)建模匹配博弈模型：分别构建网络与用户的满意度排序值矩阵 和定义μ为一对多匹配博弈中表示匹配对集合，μ＝{(user1,net4),(user2,net3),...,(usern,net5)}，其中(useri,netj)代表用户useri和网络netj存在一条匹配，即用户useri接入到网络netj，在匹配对μ中，用户侧的满意度总排序值 网络侧的满意度总排序值 匹配博弈的目标是关于ξ和ζ的多目标优化问题；

(2)求解匹配博弈，得到最终网络选择策略：假设某时刻网络netj可以容纳yj个用户，则将网络netj虚拟划分为yj个与原网络偏好相同的子网络，每个子网络可以接入一个用户，得到新的网络集合将原有的满意度排序值矩阵 和 扩展为 和 扩展后的满意度排序值矩阵包含用户对所有子网络的满意度排序值和所有子网络对用户的满意度排序值；构建新的匹配 其中表示网络netm的第y个虚拟子网络；重新构建网络侧的满意度总排序值 与用户侧的满意度总排序值 匹配博弈问题转换为求解最小化 和 的多目标优化问题；

(3)将上述多目标优化问题转化为基于隶属度函数的线性加权和法将其转化为单目标优化问题，并进行求解，得到最终的网络选择策略。