1.一种网络数字虚拟资产分类自动化管理方法，其特征在于，包括：

获取待分类网络数字虚拟资产数据；

针对待分类网络数字虚拟资产数据进行时域分析，构建网络数字虚拟资产时域特征向量；

将待分类网络数字虚拟资产数据通过傅里叶变换进行频域转换，并进行频域分析，构建网络数字虚拟资产频域特征向量；

针对待分类网络数字虚拟资产数据进行分布特征提取，以构建网络数字虚拟资产分布特征向量；

针对待分类网络数字虚拟资产数据进行离散特征提取，以构建网络数字虚拟资产离散特征向量；

将网络数字虚拟资产时域特征向量、网络数字虚拟资产频域特征向量、网络数字虚拟资产分布特征向量和网络数字虚拟资产离散特征向量进行拼接，以构建网络数字虚拟资产特征向量，再将网络数字虚拟资产特征向量送入网络数字虚拟资产分类模型中进行处理，输出分类标签；

网络数字虚拟资产分类模型包括随机森林处理层，多层感知器层，特征强化层、第一分类层和第二分类层，其中随机森林处理层用于将网络数字虚拟资产特征向量送入内置随机森林模型进行处理，以输出第一分类概率向量和第一特征权重向量；多层感知器层用于分析网络数字虚拟资产时域特征向量、网络数字虚拟资产频域特征向量、网络数字虚拟资产分布特征向量和网络数字虚拟资产离散特征向量对应的权重，以构建第二特征权重向量；

特征强化层用于基于第一特征权重向量和第二特征权重向量对网络数字虚拟资产特征向量进行特征强化，以构建网络数字虚拟资产增强特征向量；第一分类层基于BP神经网络建立，用于处理网络数字虚拟资产增强特征向量，输出第二分类概率向量；第二分类层用于基于第一分类概率向量和第二分类概率向量输出分类标签；

针对待分类网络数字虚拟资产数据进行时域分析，构建网络数字虚拟资产时域特征向量，具体包括如下步骤：针对待分类网络数字虚拟资产数据进行均值计算、方差计算和标准差计算，以构建网络数字虚拟资产数据均值、网络数字虚拟资产数据方差和网络数字虚拟资产数据标准差；

针对待分类网络数字虚拟资产数据进行自相关函数计算，以构建网络数字虚拟资产数据自相关向量；

将网络数字虚拟资产数据均值、网络数字虚拟资产数据方差、网络数字虚拟资产数据标准差和网络数字虚拟资产数据自相关向量进行拼接，构建网络数字虚拟资产时域特征向量；

将待分类网络数字虚拟资产数据通过傅里叶变换进行频域转换，并进行频域分析，构建网络数字虚拟资产频域特征向量，具体包括如下内容：将待分类网络数字虚拟资产数据通过傅里叶变换进行频域转换，以构建待分类网络数字虚拟资产频域序列；

针对待分类网络数字虚拟资产频域序列进行功率谱密度计算，以构建网络数字虚拟资产功率谱密度；

针对待分类网络数字虚拟资产频域序列进行频率特征提取，以构建网络数字虚拟资产频率特征向量；

将网络数字虚拟资产功率谱密度和网络数字虚拟资产频率特征向量进行拼接，以构建网络数字虚拟资产频域特征向量；

针对待分类网络数字虚拟资产数据进行分布特征提取，以构建网络数字虚拟资产分布特征向量，具体包括如下内容：针对待分类网络数字虚拟资产数据进行数据比例分析，具以构建网络数字虚拟资产比例数据；

针对待分类网络数字虚拟资产数据进行熵计算，以构建网络数字虚拟资产熵数据；

将网络数字虚拟资产比例数据和网络数字虚拟资产熵数据组成网络数字虚拟资产分布特征向量；

针对待分类网络数字虚拟资产数据进行离散特征提取，以构建网络数字虚拟资产离散特征向量，具体包括如下步骤：统计待分类网络数字虚拟资产数据中的比特转变次数，以构建网络数字虚拟资产比特转变特征向量；

统计待分类网络数字虚拟资产数据中标准比特模式的出现频率，以构建网络数字虚拟资产比特模式特征向量；

将网络数字虚拟资产比特转变特征向量和网络数字虚拟资产比特模式特征向量进行拼接，构建网络数字虚拟资产离散特征向量。

2.根据权利要求1所述的一种网络数字虚拟资产分类自动化管理方法，其特征在于，将网络数字虚拟资产特征向量送入网络数字虚拟资产分类模型中进行处理，输出分类标签，具体包括如下步骤：在随机森林处理层中，将网络数字虚拟资产特征向量送入内置随机森林模型进行处理，以输出第一分类概率向量，选择第一分类概率向量中概率值最大对应的分类标签记为初始分类标签，再根据初始分类标签从特征权重库中获取初始分类标签对应的第一特征权重向量，特征权重库存储着分类标签及其对应的第一特征权重向量；

在多层感知器层中，将网络数字虚拟资产特征向量中的网络数字虚拟资产时域特征向量、网络数字虚拟资产频域特征向量、网络数字虚拟资产分布特征向量和网络数字虚拟资产离散特征向量分别送入对应的多层感知器进行处理，再将所有多层感知器的输出进行拼接，以构建第二特征权重向量；

在特征强化层中，将第二特征权重向量中的每个数据分别与对应的网络数字虚拟资产特征向量中的网络数字虚拟资产时域特征向量、网络数字虚拟资产频域特征向量、网络数字虚拟资产分布特征向量和网络数字虚拟资产离散特征向量执行相乘操作，以实现第一次特征强化，再将经过第一次特征强化的网络数字虚拟资产特征向量中的网络数字虚拟资产时域特征向量、网络数字虚拟资产频域特征向量、网络数字虚拟资产分布特征向量和网络数字虚拟资产离散特征向量进行拼接后与第一特征权重向量进行点积操作，以实现第二次特征强化，输出网络数字虚拟资产增强特征向量；

将网络数字虚拟资产增强特征向量送入第一分类层中进行处理，输出第二分类概率向量；

在第二分类层中，将第一分类概率向量和第二分类概率向量进行加权相加，以构建第三分类概率向量，选择第三分类概率向量中概率值最大对应的分类标签进行输出。

3.根据权利要求2所述的一种网络数字虚拟资产分类自动化管理方法，其特征在于，针对内置随机森林模型的训练，具体包括如下步骤：获取若干份网络数字虚拟资产分类训练样本，通过分类标签对网络数字虚拟资产分类训练样本进行标注，并将所有标注好的网络数字虚拟资产分类训练样本组成网络数字虚拟资产分类训练集，再将网络数字虚拟资产分类训练集送入参数初始化的内置随机森林模型进行训练，计算对应的第一准确率，判断第一准确率是否高于第一预设阈值，若是第一准确率高于第一预设阈值，输出训练好的内置随机森林模型；否则，通过网络数字虚拟资产分类训练集继续对内置随机森林模型进行训练；

特征权重库的构建包括如下内容，获取训练好的内置随机森林模型，针对每一个分类标签，执行如下操作，选择分类标签对应的网络数字虚拟资产分类训练样本逐个送入训练好的内置随机森林模型中进行处理，确定每个网络数字虚拟资产分类训练样本中不同特征项对于分类标签对应的决策路径的特征贡献率，再将分类标签对应的所有网络数字虚拟资产分类训练样本中不同特征项的特征贡献率执行加和平均，以构建分类标签对应的第一特征权重向量；将所有分类标签及其对应的第一特征权重向量组成特征权重库。

4.根据权利要求3所述的一种网络数字虚拟资产分类自动化管理方法，其特征在于，针对网络数字虚拟资产分类模型的训练，具体包括如下步骤：将网络数字虚拟资产分类训练集送入参数初始化的网络数字虚拟资产分类模型进行训练，参数初始化的网络数字虚拟资产分类模型中的随机森林处理层采用训练好的内置随机森林模型，计算对应的第二准确率，判断第二准确率是否高于第二预设阈值，若是第二准确率高于第二预设阈值，输出训练好的网络数字虚拟资产分类模型；否则，通过网络数字虚拟资产分类训练集继续对网络数字虚拟资产分类模型进行训练；且第二预设阈值高于第一预设阈值。

5.一种网络数字虚拟资产分类自动化管理系统，其特征在于，所述系统应用上述权利要求1‑4任一项所述的一种网络数字虚拟资产分类自动化管理方法，包括：待分类网络数字虚拟资产数据获取模块，用于获取待分类网络数字虚拟资产数据；

时域分析模块，用于针对待分类网络数字虚拟资产数据进行时域分析，构建网络数字虚拟资产时域特征向量；

频域分析模块，用于将待分类网络数字虚拟资产数据通过傅里叶变换进行频域转换，并进行频域分析，构建网络数字虚拟资产频域特征向量；

分布特征提取模块，用于针对待分类网络数字虚拟资产数据进行分布特征提取，以构建网络数字虚拟资产分布特征向量；

离散特征提取模块，用于针对待分类网络数字虚拟资产数据进行离散特征提取，以构建网络数字虚拟资产离散特征向量；

网络数字虚拟资产分类模块，用于将网络数字虚拟资产时域特征向量、网络数字虚拟资产频域特征向量、网络数字虚拟资产分布特征向量和网络数字虚拟资产离散特征向量进行拼接，以构建网络数字虚拟资产特征向量，再将网络数字虚拟资产特征向量送入网络数字虚拟资产分类模型中进行处理，输出分类标签。