1.一种物联网数据安全事件预测方法，其特征在于，包括获得物联网数据；所述物联网数据为用户请求所传输的信息；所述物联网数据是接收端接收到的，通过网络传输的应用层请求信息；

将所述物联网数据，通过检测，得到传输向量集合；所述传输向量集合包括报头向量和数据内容向量；所述数据内容向量中的向量值表示传输的内容；

将所述数据内容向量，进行哈希映射，得到映射向量；

将所述映射向量和报头向量，输入安全事件预测模型，得到预测安全值；所述预测安全值为1表示数据传输安全；所述预测安全值为0表示传输数据不安全；

若所述预测安全值为0，将数据包丢弃；

所述将所述数据内容向量，进行哈希映射，得到映射向量，包括：获得请求长度；所述请求长度为请求所传输的数据长度；

按照请求长度，将多个数据内容向量，进行顺序合并，得到多个合并数据向量；所述合并数据向量的向量长度为请求长度；

获得固定长度值；所述固定长度值为设定好的长度值；

基于固定长度值和合并数据向量，通过哈希映射，得到映射向量；

所述基于固定长度值和合并数据向量，通过哈希映射，得到映射向量，包括：建立哈希映射表；所述哈希映射表中关键值为从0排列的多个键值对；

将所述合并数据除以固定长度值，得到分割长度；

按照分割长度，将所述合并数据向量，分割成多个数据，得到多个分割数据；

将分割数据，通过哈希映射表，进行查找，得到多个映射数据；

将多个映射数据组成映射向量；所述映射向量长度为固定长度值大小。

2.根据权利要求1所述的一种物联网数据安全事件预测方法，其特征在于，所述安全事件预测模型包括存储结构、LSTM神经网络和DNN神经网络：所述DNN神经网络的输入为报头向量；所述存储结构的输入为数据内容向量；所述LSTM神经网络的输入为数据内容向量和所述存储结构的输出。

3.根据权利要求1所述的一种物联网数据安全事件预测方法，其特征在于，所述将所述物联网数据，通过检测，得到传输向量集合，包括：获得物联网协议；所述物联网协议为收端固定的通信协议；所述物联网协议为应用层协议；

将所述物联网数据，按照物联网协议，得到多个起始位置；所述起始位置为各类信息在传输的物联网数据中的位置；

将多个起始位置的物联网数据，进行分割，得到多个传输数据集合；所述传输数据集合为物联网协议对应位置的值组成的集合；

将多个传输数据集合中的值，分别构成多个向量，得到传输向量集合。

4.根据权利要求1所述的物联网数据安全事件预测方法，其特征在于，安全事件预测模型的训练方法，包括：获得训练集；训练集包括多个训练数据和对应多个标注数据；所述训练数据包括训练报头数据和训练内容数据；所述训练内容数据为历史传输过程中构造的映射数据；所述标注数据为1表示安全；所述标注数据为0表示不安全；

基于所述训练内容数据，得到训练长度位置；

将所述训练数据和训练长度位置，输入安全事件预测模型，得到训练预测安全值；

将所述训练预测安全值和所述标注数据，通过损失函数，得到损失值；

获得安全事件预测模型当前的训练迭代次数以及预先设定的所述安全事件预测模型训练的最大迭代次数；

当损失值小于或等于阈值或训练迭代次数达到所述最大迭代次数时停止训练，得到训练好的安全事件预测模型。

5.根据权利要求4所述的一种物联网数据安全事件预测方法，其特征在于，所述基于所述训练内容数据，得到训练长度位置，包括：查找训练内容数据，判断数据中是否存在训练数据中向量值为‑1的值；

若存在训练内容数据中向量值为‑1的值，得到训练内容长度位置；所述训练内容长度位置为训练数据中第一个等于‑1的值的位置。

6.根据权利要求4所述的一种物联网数据安全事件预测方法，其特征在于，所述将所述训练数据和训练长度位置，输入安全事件预测模型，得到训练预测安全值，包括：将训练长度位置和所述训练数据中的训练内容数据，输入LSTM神经网络，得到训练内容值；所述训练内容值表示数据的依次关系；所述训练内容值为1表示训练内容数据安全，所述训练内容值为0表示训练内容数据不安全；

将所述训练数据中的训练报头数据，输入DNN神经网络，得到训练报头值；所述训练报头值为1表示训练报头数据安全，所述训练报头值为0表示训练报头数据不安全；

当所述训练内容值为1，且，所述训练报头值为1，将所述训练预测安全值设为1；

当所述训练内容值为0，或，所述训练报头值为0，将所述训练预测安全值设为0。

7.根据权利要求6所述的一种物联网数据安全事件预测方法，其特征在于，所述将训练长度位置和所述训练数据中的训练内容数据，输入LSTM神经网络，得到训练内容值，包括：将所述训练长度位置，输入存储结构中；

将所述训练内容数据中第一个向量值，输入第一LSTM结构，得到第一LSTM输出值；

将所述第一LSTM输出值和训练内容数据中第二个向量值，输入第二LSTM结构，得到第二LSTM输出值；

通过多次将LSTM输出值和训练内容数据中的向量，输入LSTM结构，直到到达存储结构中训练长度位置，得到训练内容值。

8.一种物联网数据安全事件预测系统，其特征在于，包括：获取模块：获得物联网数据；所述物联网数据为用户请求所传输的信息；所述物联网数据是接收端接收到的，通过网络传输的应用层请求信息；

切分模块：将所述物联网数据，通过检测，得到传输向量集合；所述传输向量集合包括报头向量和数据内容向量；所述数据内容向量中的向量值表示传输的内容；

映射模块：将所述数据内容向量，进行哈希映射，得到映射向量；

安全预测模块：将所述映射向量和报头向量，输入安全事件预测模型，得到预测安全值；所述预测安全值为1表示数据传输安全；所述预测安全值为0表示传输数据不安全；

丢弃模块：若所述预测安全值为0，将数据包丢弃；

所述将所述数据内容向量，进行哈希映射，得到映射向量，包括：获得请求长度；所述请求长度为请求所传输的数据长度；

按照请求长度，将多个数据内容向量，进行顺序合并，得到多个合并数据向量；所述合并数据向量的向量长度为请求长度；

获得固定长度值；所述固定长度值为设定好的长度值；

基于固定长度值和合并数据向量，通过哈希映射，得到映射向量；

所述基于固定长度值和合并数据向量，通过哈希映射，得到映射向量，包括：建立哈希映射表；所述哈希映射表中关键值为从0排列的多个键值对；

将所述合并数据除以固定长度值，得到分割长度；

按照分割长度，将所述合并数据向量，分割成多个数据，得到多个分割数据；

将分割数据，通过哈希映射表，进行查找，得到多个映射数据；

将多个映射数据组成映射向量；所述映射向量长度为固定长度值大小。