1.一种基于多特征融合的网络流量分类方法，其特征在于，包括：对流量数据进行预处理，获得流量灰度图；

从所述流量灰度图中筛选出少数类流量样本集合；

通过WGAN模型模拟所述少数类流量样本集合，构建生成样本；其中，所述WGAN模型包括目标生成器和目标判别器；

将所述生成样本补充至所述流量灰度图中，形成平衡样本集；

将所述平衡样本集输入至ViT混合模型中提取特征，获得序列特征；其中，所述序列特征的头部设置有包含位置信息的分类标签；

基于交叉注意力机制融合所述序列特征，获得目标流量图；

利用感知层多层感知机模块对目标流量图进行分类，得到分类结果；所述分类结果包括应用类型分类和服务类型分类。

2.根据权利要求1所述的基于多特征融合的网络流量分类方法，其特征在于，所述对流量数据进行预处理，获得流量灰度图，的具体步骤包括：将所述流量数据划分为多个双向会话流文件；

对所述双向会话流文件进行匿名化处理，获得匿名双向会话流文件；

统一所述匿名双向会话流文件中的流量的字节长度，得到统一长度双向会话流文件；

将所述统一长度双向会话流文件转换成流量灰度图。

3.根据权利要求1所述的基于多特征融合的网络流量分类方法，其特征在于，所述从所述流量灰度图中筛选出少数类流量样本集合，的具体步骤包括：统计所述流量灰度图中不同流量类型的样本数量分布，得到分布统计结果；

基于所述分布统计结果和预设的筛选阈值，筛选出少数类流量样本集合。

4.根据权利要求1所述的基于多特征融合的网络流量分类方法，其特征在于，所述通过WGAN模型模拟所述少数类流量样本集合，构建生成样本，的具体步骤包括：构建包括初始生成器和初始判别器的初始WGAN模型；

利用所述初始生成器模拟所述少数类流量样本集的灰度结构，构建初始生成样本；

通过所述初始判别器区分所述少数类流量和所述初始生成样本，获得判别结果；

基于所述判别结果，迭代训练所述初始WGAN模型，获得包含目标生成器和目标判别器的WGAN模型；

利用所述WGAN模型中的所述目标生成器构建生成样本。

5.根据权利要求4所述的基于多特征融合的网络流量分类方法，其特征在于，所述基于所述判别结果，迭代训练所述初始WGAN模型，获得包含目标生成器和目标判别器的WGAN模型，的具体步骤包括：根据噪声量、所述初始生成样本和所述初始生成器的损失函数，计算生成损失值；

根据所述判别结果和所述初始判别器的损失函数，计算判别损失值；

根据所述生成损失值和所述判别损失值，分别迭代训练所述初始生成器和所述初始判别器，获得所述目标生成器和所述目标判别器，以形成WGAN模型。

6.根据权利要求1所述的基于多特征融合的网络流量分类方法，其特征在于，所述将所述平衡样本集输入至ViT混合模型中提取特征，获得序列特征，的具体步骤包括：通过分层抽样将所述平衡样本集划分为训练集和测试集；

基于所述ViT混合模型将所述训练集中的灰度图分割为多个片段；

将所述多个片段排成多个序列，并通过线性投射层后得到相应的特征向量；

对所述特征向量添加位置编码和分类标签，获得序列特征。

7.根据权利要求6所述的基于多特征融合的网络流量分类方法，其特征在于，所述通过分层抽样将所述平衡样本集划分为训练集和测试集，的具体步骤包括：按照流量类型，将平衡样本集进行分层分组，得到多个独立层级；

针对所述多个独立层级分别按照预设比例进行随机抽样，得到抽样样本；

将所述抽样样本划入训练集，剩余样本则划入测试集。

8.根据权利要求6所述的基于多特征融合的网络流量分类方法，其特征在于，所述对所述特征向量添加位置编码和分类标签，获得序列特征，的具体步骤包括：对所述特征向量添加位置编码，获得位标特征向量；

将所有位标特征向量排成序列；

在所述序列的头部添加分类标签，以构成序列特征。

9.一种基于多特征融合的网络流量分类装置，用于执行如权利要求1‑8任意一项所述的基于多特征融合的网络流量分类方法，其特征在于，包括：数据预处理模块，用于对流量数据进行预处理，获得流量灰度图；

筛选模块，用于从所述流量灰度图中筛选出少数类流量样本集合；

样本构建模块，用于通过WGAN模型模拟所述少数类流量样本集合，构建生成样本；其中，所述WGAN模型包括目标生成器和目标判别器；

样本平衡模块，用于将所述生成样本补充至所述流量灰度图中，形成平衡样本集；

特征提取模块，用于将所述平衡样本集输入至ViT混合模型中提取特征，获得序列特征；其中，所述序列特征的头部设置有包含位置信息的分类标签；

特征融合模块，用于基于交叉注意力机制融合所述序列特征，获得目标流量图；

分类模块，用于利用感知层多层感知机模块对目标流量图进行分类，得到分类结果；所述分类结果包括应用类型分类和服务类型分类。

10.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时如权利要求1‑8任意一项所述的基于多特征融合的网络流量分类方法的步骤。