1.一种基于大数据的网络信息安全分析方法，其特征在于，包括：

在当前时间周期的多个时刻，通过设置在网络关键节点的数据采集器，采集网络中的实时数据和历史数据，其中，所述实时数据包括：网络流量、配置信息和用户行为数据，所述历史数据包括：历史配置信息和历史用户行为数据；

在当前时间周期的多个时刻，获取网络设备所在区域的实时天气数据，其中，所述实时天气数据包括：湿度数据和风力数据；

使用所述历史数据对网络流量预测模型进行训练，获得已训练的网络流量预测模型；

根据已训练的网络流量预测模型，对所述配置信息和所述用户行为数据进行处理，获得当前时间周期的多个时刻的预测网络流量数据；

根据所述当前时间周期的多个时刻的实时数据、所述预测网络流量数据、所述实时天气数据和所述历史用户行为数据，确定网络信息异常系数；

如果所述网络信息异常系数小于设定异常系数阈值，生成警报信息；

根据所述当前时间周期的多个时刻的实时数据、所述预测网络流量数据、所述实时天气数据和所述历史用户行为数据，确定网络信息异常系数，包括：根据所述网络流量、所述预测网络流量数据和所述实时天气数据，确定网络流量异常系数；

根据所述用户行为数据和历史用户行为数据，确定用户行为异常系数，其中，所述用户行为数据包括：用户登陆时间、登陆IP地址、登陆方式和用户触发安全事件数据，所述历史用户行为数据还包括：历史用户登陆时间、历史登陆IP地址和历史登陆方式；

根据所述网络流量异常系数和所述用户行为异常系数，确定网络信息异常系数；

根据所述网络流量、所述预测网络流量数据和所述实时天气数据，确定网络流量异常系数，包括：根据公式

确定当前时间周期的网络流量异常系数AbNF，其中，α1为预设权值，NFj为当前时间周期的第j个时刻的网络流量，NFj,p为当前时间周期的第j个时刻的预测网络流量数据，Hj为当前时间周期的第j个时刻的湿度数据，Fj为当前时间周期的第j个时刻的风力数据；

根据所述用户行为数据和历史用户行为数据，确定用户行为异常系数，包括：

根据所述用户行为数据，确定用户登陆向量；

根据所述历史用户行为数据，确定历史用户登陆向量；

根据公式

确定当前时间周期的用户行为异常系数AbUA，其中，max为取最大值函数，if为条件函数，LaT为用户在当前时间周期的登陆时间，LaI为用户在当前时间周期的登陆IP地址，LaM为用户在当前时间周期的登陆方式，LaTc为用户在与当前时间周期的开始时刻相同的第c个历史时间周期的登陆时间，LaIc为用户在与当前时间周期的开始时刻相同的第c个历史时间周期的登陆IP地址，LaMc为用户在与当前时间周期的开始时刻相同的第c个历史时间周期的登陆方式， 为当前时间周期的用户登陆向量， 为与当前时间周期的开始时刻相同的第c个历史时间周期的历史用户登陆向量，USo为用户在当前时间周期内触发安全事件的次数，UST为预设安全事件触发次数阈值，S为历史时间周期的数量，c≤S，且c和S均为正整数。

2.根据权利要求1所述的基于大数据的网络信息安全分析方法，其特征在于，使用所述历史数据对网络流量预测模型进行训练，获得已训练的网络流量预测模型，包括：根据所述历史用户行为数据，确定用户行为影响系数，其中，所述历史用户行为数据包括：页面访问量、应用程序数、文件传输量、文件大小；

通过网络流量预测模型，对当前日期的前一个历史日期中的多个时间周期的历史配置信息和历史用户行为数据进行处理，获得当期日期的前一个历史日期中的多个时间周期内的多个时刻的预测网络流量数据；

获取当前日期的前一个历史日期中的多个时间周期内的多个时刻的历史网络流量数据；

根据所述历史配置信息、所述用户行为影响系数、所述预测网络流量数据和所述历史网络流量数据，确定训练损失函数，其中，所述历史配置信息包括：路由配置信息、接口带宽配置信息、网络流量整形配置信息和安全配置信息；

根据所述训练损失函数，对所述网络流量预测模型进行训练，获得已训练的网络流量预测模型。

3.根据权利要求2所述的基于大数据的网络信息安全分析方法，根据所述历史用户行为数据，确定用户行为影响系数，包括：根据公式

确定当前日期的前一个历史日期中的第k个时间周期的第j个时刻的用户行为影响系数Uk,j，其中，θ1、θ2和θ3为预设权值，FSk,i,j为当前日期的前一个历史日期中的第k个时间周期的第j个时刻传输的第i个文件的文件大小，FT为预设文件流量阈值，Pk,j为当前日期的前一个历史日期中的第k个时间周期的第j个时刻的页面访问量，PT为预设页面流量阈值，Ak,j为当前日期的前一个历史日期中的第k个时间周期的第j个时刻的应用程序数，AT为预设应用流量阈值，n为下载的文件数量，i≤n，i和n均为正整数。

4.根据权利要求3所述的基于大数据的网络信息安全分析方法，根据所述历史配置信息、所述用户行为影响系数、所述预测网络流量数据和所述历史网络流量数据，确定训练损失函数，包括：根据所述路由配置信息和所述安全配置信息，确定网络配置状态向量；

根据公式

确定网络流量预测模型的训练损失函数LossT，其中，NFk,j为当前日期的前一个历史日期中的第k个时间周期的第j个时刻的网络流量，NFk,j,p为当前日期的前一个历史日期中的第k个时间周期的第j个时刻的预测网络流量数据，Nk,j为当前日期的前一个历史日期中的第k个时间周期的第j个时刻的网络流量整形配置信息，Ik,j为当前日期的前一个历史日期中的第k个时间周期的第j个时刻的接口带宽配置信息，Rk,j为当前日期的前一个历史日期中的第k个时间周期的第j个时刻的路由配置信息，Sk,j为当前日期的前一个历史日期中的第k个时间周期的第j个时刻的安全配置信息，Nk,j,T为标准网络流量整形配置信息，Ik,j,T为标准接口带宽配置信息，Rk,j,T为标准路由配置信息，Sk,j,T为标准安全配置信息， 为网络配置状态向量， 为标准网络配置状态向量，Uk,j为当前日期的前一个历史日期中的第k个时间周期的第j个时刻的用户行为影响系数，K为前一个历史日期中时间周期的数量，m为时间周期内的时刻的数量，j≤m，k≤K，且k、j、m和K均为正整数。

5.一种用于执行权利要求1‑4中任一项所述的方法的基于大数据的网络信息安全分析系统，其特征在于，包括：网络数据采集模块，在当前时间周期的多个时刻，通过设置在网络关键节点的数据采集器，采集网络中的实时数据和历史数据，其中，所述实时数据包括：网络流量、配置信息和用户行为数据，所述历史数据包括：历史配置信息和历史用户行为数据；

天气数据采集模块，在当前时间周期的多个时刻，获取网络设备所在区域的实时天气数据，其中，所述实时天气数据包括：湿度数据和风力数据；

模型训练模块，使用所述历史数据对网络流量预测模型进行训练，获得已训练的网络流量预测模型；

流量预测模型，根据已训练的网络流量预测模型，对所述配置信息和所述用户行为数据进行处理，获得当前时间周期的多个时刻的预测网络流量数据；

异常系数模块，根据所述当前时间周期的多个时刻的实时数据、所述预测网络流量数据、所述实时天气数据、所述用户行为数据和所述历史用户行为数据，确定网络信息异常系数；

警报模块，如果所述网络信息异常系数小于设定异常系数阈值，生成警报信息。

6.一种基于大数据的网络信息安全分析设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1‑4中任一项所述的方法。

7.一种计算机可读存储介质，其特征在于，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1‑4中任一项所述的方法。