1.一种针对IOTA网络中寄生链的检测方法，其特征在于，包括以下步骤：随机生成第一IOTA网络结构，并将所述第一IOTA网络结构进行编码，得到网络结构中各个节点的第一节点标签、第一邻接矩阵和第一节点特征矩阵；

对原始GCN模型进行改进优化，得到改进后GCN模型，并利用所述第一节点标签、所述第一邻接矩阵和所述第一节点特征矩阵对所述改进后GCN模型进行训练，得到初始检测模型；

随机生成第二IOTA网络结构，并提取所述第二IOTA网络结构中各个节点的第二节点标签、第二邻接矩阵和第二节点特征矩阵；

将所述第二邻接矩阵和所述第二节点特征矩阵输入至所述初始检测模型中得到标签预测结果，然后将所述标签预测结果与所述第二节点标签进行对比评估，并根据评估结果对所述初始检测模型进行参数调整，得到寄生链检测模型；

利用所述寄生链检测模型对IOTA网络中的寄生链进行检测，得到检测结果；

得到所述改进后GCN模型的方法包括：通过对所述原始GCN模型中每个节点的图信号传递公式进行改进优化得到所述改进后GCN模型：在所述原始GCN模型中，每个节点的图信号传递公式表示为：，

其中， 为交易节点在第l层的表示，σ为GCN中的一个非线性激活函数， 为交易节点的邻居节点的集合， 为交易节点的度， 为邻居节点在第l层的表示， 为第l层的权重矩阵；

在IOTA网络中，除去创世交易，每个交易都需认证两个交易以加入网络，每个交易的出度便是对IOTA网络中各交易的有实际意义的度数，同时基于新加入网络的交易，对图信号传递公式中度的运算规则进行改进，得到改进后的图信号传递公式为：；

基于改进后的图信号传递公式，得到所述改进后GCN模型。

2.根据权利要求1所述一种针对IOTA网络中寄生链的检测方法，其特征在于，所述第一节点特征矩阵和所述第二节点特征矩阵中，均包括交易节点的4个特征值：各交易的累计权重、各交易的入度、各交易未认证的交易ID及各交易未认证交易数；

所述各交易的累计权重用于记录交易节点在网络中的累计权重；

所述各交易的入度用于表示交易节点所认证的前驱节点数量；

所述各交易未认证的交易ID用于记录未认证的交易节点；

所述各交易未认证交易数用于表示交易节点未认证的交易数量。

3.一种针对IOTA网络中寄生链的检测系统，所述检测系统应用权利要求1‑2任一项所述的检测方法，其特征在于，包括：第一提取模块、模型训练模块、第二提取模块、模型调整模块和检测模块；

所述第一提取模块用于随机生成第一IOTA网络结构，并将所述第一IOTA网络结构进行编码，得到网络结构中各个节点的第一节点标签、第一邻接矩阵和第一节点特征矩阵；

所述模型训练模块用于对原始GCN模型进行改进优化，得到改进后GCN模型，并利用所述第一节点标签、所述第一邻接矩阵和所述第一节点特征矩阵对所述改进后GCN模型进行训练，得到初始检测模型；

所述第二提取模块用于随机生成第二IOTA网络结构，并提取所述第二IOTA网络结构中各个节点的第二节点标签、第二邻接矩阵和第二节点特征矩阵；

所述模型调整模块用于将所述第二邻接矩阵和所述第二节点特征矩阵输入至所述初始检测模型中得到标签预测结果，然后将所述标签预测结果与所述第二节点标签进行对比评估，并根据评估结果对所述初始检测模型进行参数调整，得到寄生链检测模型；

所述检测模块利用所述寄生链检测模型对IOTA网络中的寄生链进行检测，得到检测结果。

4.根据权利要求3所述一种针对IOTA网络中寄生链的检测系统，其特征在于，所述第一节点特征矩阵和所述第二节点特征矩阵中，均包括交易节点的4个特征值：各交易的累计权重、各交易的入度、各交易未认证的交易ID及各交易未认证交易数；

所述各交易的累计权重用于记录交易节点在网络中的累计权重；

所述各交易的入度用于表示交易节点所认证的前驱节点数量；

所述各交易未认证的交易ID用于记录未认证的交易节点；

所述各交易未认证交易数用于表示交易节点未认证的交易数量。

5.根据权利要求3所述一种针对IOTA网络中寄生链的检测系统，其特征在于，所述模型训练模块中，得到所述改进后GCN模型的流程包括：通过对所述原始GCN模型中每个节点的图信号传递公式进行改进优化得到所述改进后GCN模型：在所述原始GCN模型中，每个节点的图信号传递公式表示为：，

其中， 为交易节点在第l层的表示，σ为GCN中的一个非线性激活函数， 为交易节点的邻居节点的集合， 为交易节点的度， 为邻居节点在第l层的表示， 为第l层的权重矩阵；

在IOTA网络中，除去创世交易，每个交易都需认证两个交易以加入网络，每个交易的出度便是对IOTA网络中各交易的有实际意义的度数，同时基于新加入网络的交易，对图信号传递公式中度的运算规则进行改进，得到改进后的图信号传递公式为：；

基于改进后的图信号传递公式，得到所述改进后GCN模型。