1.一种移动互联网安全态势感知方法，其特征在于，所述方法包括以下步骤：

采集移动互联网在每个时刻的互联网安全检测数据，所述互联网安全检测数据包括多个维度的数据；

每个维度在所有时刻的数据组成每个维度的数据序列，每个时刻的所有维度的数据组成每个时刻的网络安全状态向量；

根据每个维度的数据序列中数据的分布，确定每个维度的数据序列的分布离散程度，所有维度的数据序列的离散程度组成离散程度向量；

将所有时刻的网络安全状态向量输入无迹卡尔曼滤波算法，确定一组待测关键点；

计算每个待测关键点与离散程度向量的相似性，根据待测关键点与离散程度向量的相似性，从所有待测关键点中确定多个优选关键点；

根据所有优选关键点预测下一时刻的网络安全状态向量；

根据下一时刻的网络安全状态向量的预测结果与预设网络危险状态向量的余弦相似度，确定当前时刻的移动互联网的安全态势。

2.根据权利要求1所述的一种移动互联网安全态势感知方法，其特征在于，所述根据每个维度的数据序列中数据的分布，确定每个维度的数据序列的分布离散程度，包括：式中， 表示所有维度中的第i个维度的数据序列的分布离散程度，i取遍[1,N]，N表示所有维度的数量， 表示第i个维度的数据序列的极差， 表示所有维度的数据序列的极差最小值， 表示所有维度的数据序列的极差最大值， 表示第i个维度的数据序列中所有数据的数量， 表示第i个维度的数据序列中的第k个数据， 表示第i个维度的数据序列中所有数据的均值， 表示第i个维度的数据序列中所有数据的标准差。

3.根据权利要求1所述的一种移动互联网安全态势感知方法，其特征在于，所述计算每个待测关键点与离散程度向量的相似性，包括：式中， 表示第m个待测关键点与离散程度向量的相似性，N表示维度的数量，s表示离散程度向量， 表示第m个待测关键点的第t个部分偏离向量，待测关键点的每个部分偏离向量为待测关键点的每个列向量，表示向量点乘， 表示向量模长。

4.根据权利要求1所述的一种移动互联网安全态势感知方法，其特征在于，所述根据待测关键点与离散程度向量的相似性，从所有待测关键点中确定多个优选关键点，包括：按照与离散程度向量的相似性从大到小的顺序对所有待测关键点进行排序，确定与离散程度向量的相似性最大的待测关键点为第一个优选关键点，确定待测关键点与离散程度向量的相似性和后一个待测关键点与离散程度向量的相似性的差异最大的待测关键点为最后一个优选关键点，根据第一个优选关键点和最后一个优选关键点，确定所有优选关键点。

5.根据权利要求1所述的一种移动互联网安全态势感知方法，其特征在于，所述根据下一时刻的网络安全状态向量的预测结果与预设网络危险状态向量的余弦相似度，确定当前时刻的移动互联网的安全态势，包括：根据每个时刻的网络安全状态向量与预设网络危险状态向量的余弦相似度，从所有时刻的网络安全状态向量中确定目标网络安全状态向量；

若下一时刻的网络安全状态向量的预测结果与预设网络危险状态向量的余弦相似度和下一时刻的网络安全状态向量的预测结果与目标网络安全状态向量的余弦相似度的比值大于第三阈值，则当前时刻的移动互联网的安全受到威胁。

6.根据权利要求5所述的一种移动互联网安全态势感知方法，其特征在于，所述根据每个时刻的网络安全状态向量与预设网络危险状态向量的余弦相似度，从所有时刻的网络安全状态向量中确定目标网络安全状态向量，包括：所有时刻的网络安全状态向量与预设网络危险状态向量的余弦相似度组成相似度曲线，通过自动多尺度峰值查找算法确定相似度曲线上的多个极小值，从所有极小值中确定与当前时刻距离最近的极小值，确定该极小值对应的网络安全状态向量为目标网络安全状态向量。

7.根据权利要求1所述的一种移动互联网安全态势感知方法，其特征在于，所述互联网安全检测数据包括多个维度的数据，包括：互联网安全检测数据包括5个维度的数据，分别为每个时刻的总用户数、登录进本组网失败的用户数、网络瞬时流量、用户平均响应时长和用户数据包平均大小。

8.根据权利要求1所述的一种移动互联网安全态势感知方法，其特征在于，所述根据所有优选关键点预测下一时刻的网络安全状态向量，包括：将所有优选关键点输入无迹卡尔曼滤波算法，获得下一时刻的网络安全状态向量的预测结果，所述预测结果是一个大小为1×N的矩阵，N表示互联网安全检测数据的所有维度的数量。

9.根据权利要求4所述的一种移动互联网安全态势感知方法，其特征在于，所述根据第一个优选关键点和最后一个优选关键点，确定所有优选关键点，包括：将排序后的所有待测关键点中，将第一个优选关键点和最后一个优选关键点之间的所有待测关键点，作为优选关键点。

10.一种移动互联网安全态势感知系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1‑9任意一项所述方法的步骤。