1.一种基于智能学习的网络安全分析方法，其特征在于，包括：

采集服务器端的用户ID单位时间内访问行为数据；

将采集的访问行为数据输入预构建的行为识别模型中，输出与用户ID对应的行为标签，行为标签包括正常行为、恶意行为、异常行为与未知行为；

采集异常行为与未知行为对应用户ID的预设时间内用户端行为数据，用户端行为数据包括b种移动行为数据，b为大于0的整数；

将b种移动行为数据一一对应建立分析集合，并一一计算每个分析集合的平均值和标准差，并将每个分析集合的平均值和标准差输入预构建的用户端行为分析模型中，获得用户端行为标签；用户端行为标签包括正常行为与恶意行为；

所述b种移动行为数据包括预设时间内用户的点击间隔数据、鼠标移动速度数据、鼠标加速度数据、滚动距离数据与轨迹曲率变化率；

所述构建用户端行为分析模型的方法包括：

预先收集v组用户端行为数据，对一组用户端行为数据中b种移动行为数据一一对应建立分析集合，并一一计算每个分析集合的平均值和标准差，将一一计算每个分析集合的平均值和标准差作为用户端特征数据，对用户端特征数据设置用户端行为标签；

将用户端特征数据作为用户端行为分析模型的输入，所述用户端行为分析模型以用户端特征数据对应的用户端行为标签作为输出，以用户端特征数据实际对应的用户端行为标签作为预测目标，以最小化行为用户端行为分析模型的损失函数值作为训练目标；当用户端行为分析模型的损失函数值小于等于预设的目标损失值时停止训练，获得用户端行为分析模型，用户端行为分析模型为深度信念网络、随机森林回归或朴素贝叶斯模型中的一种；

所述分析集合包括点击分析集合、移动速度集合、加速度数据集合、滚动距离数据集合与轨迹曲率集合；

点击分析集合根据预设时间内q个点击间隔数据建立；移动速度集合根据预设时间内w个鼠标移动速度建立；加速度数据集合根据预设时间内e个鼠标加速度数据建立；滚动距离数据集合根据预设时间内t个滚动距离数据建立；轨迹曲率集合根据预设时间内y个轨迹曲率变化率建立；q、w、e、t与y均为大于0的整数。

2.根据权利要求1所述的一种基于智能学习的网络安全分析方法，其特征在于，所述访问行为数据包括IP地址、数据传输模式、端口、传输数据类型、传输数据体积、日志级别特征、日志消息特征与用户ID。

3.根据权利要求2所述的一种基于智能学习的网络安全分析方法，其特征在于，对单位时间内采集的传输数据综合分析识别，并输出传输数据类型的方法包括：步骤1、将同一用户ID单位时间收集到的传输数据，复制到同一个文档，形成综合文档；

步骤2、将综合文档输入预构建的传输数据类型识别模型中，获得对应的传输数据类型，传输数据类型包括病毒、蠕虫、间谍软件、广告软件、僵尸网络或勒索软件。

4.根据权利要求3所述的一种基于智能学习的网络安全分析方法，其特征在于，训练传输数据类型识别模型的方法包括：预先收集传输数据集，传输数据集包括j组综合文档以及与j组综合文档一一对应的传输数据类型，j为大于1的整数；将传输数据集分为训练集与测试集，构建分类器，将训练集中的综合文档作为输入数据，将训练集中的传输数据类型作为输出数据，对分类器进行训练，得到初始分类器，利用测试集对初始分类器进行测试，输出满足预设准确度的分类器作为传输数据类型识别模型，所述传输数据类型识别模型为支持向量机、决策树、随机森林中的一种。

5.根据权利要求2所述的一种基于智能学习的网络安全分析方法，其特征在于，对行为识别模型的训练方法包括：预先收集网络行为识别数据，网络行为识别数据包括k组访问行为数据以及与访问行为数据对应的行为标签，k为大于1的整数，将k组访问行为数据转换为k组访问行为向量特征数据；

将每组访问行为向量特征数据作为行为识别模型的输入，所述行为识别模型以访问行为向量特征数据对应的行为标签作为输出，以访问行为向量特征数据实际对应的行为标签作为预测目标，以最小化行为识别模型的损失函数值作为训练目标；当行为识别模型的损失函数值小于等于预设的目标损失值时停止训练，获得行为识别模型，行为识别模型为SVM回归、随机森林回归或神经网络回归模型中的一种。

6.一种基于智能学习的网络安全分析系统，执行权利要求1‑5任一项所述的一种基于智能学习的网络安全分析方法，其特征在于，包括：第一数据采集模块，用于采集服务器端的i个用户ID单位时间内访问行为数据；

行为识别模块，将采集的访问行为数据输入预构建的行为识别模型中，输出与用户ID对应的行为标签，行为标签包括正常行为、恶意行为、异常行为与未知行为；

第二数据采集模块，用于采集异常行为与未知行为对应用户ID的预设时间内用户端行为数据，用户端行为数据包括b种移动行为数据；

用户端分析模块，将b种移动行为数据一一对应建立分析集合，并一一计算每个分析集合的平均值和标准差，并将每个分析集合的平均值和标准差输入预构建的用户端行为分析模型中，获得用户端行为标签；用户端行为标签包括正常行为与恶意行为。