1.基于计算机网络的隐私数据保护方法，其特征在于，所述方法包括：获取智能穿戴设备的通信数据；

按照时序信息，对所述通信数据中的参考数据进行划分，得到多个时段数据；

确定所述多个时段数据对应的流量异常表征度；

基于所述多个时段数据的监测值，确定所述多个时段数据的总监测异常表现值；

基于所述多个时段数据对应的流量异常表征度和所总监测异常表现值，确定所述多个时段数据中的当前数据的风险值；

基于所述风险值，更新所述多个时段数据中的当前数据的密钥。

2.根据权利要求1所述的基于计算机网络的隐私数据保护方法，其特征在于，所述按照时序信息，对所述通信数据中的参考数据进行划分，得到多个时段数据，包括：按照所述时序信息对所述参考数据对应的时长进行划分，得到多个时段；

确定所述参考数据在所述多个时段的各时段内的数据，得到所述多个时段数据。

3.根据权利要求1所述的基于计算机网络的隐私数据保护方法，其特征在于，所述确定所述多个时段数据对应的流量异常表征度，包括：确定所述多个时段数据的统计流量值，得到多个统计流量值；

基于所述多个统计流量值，确定所述多个时段数据对应的流量异常表征度。

4.根据权利要求3所述的基于计算机网络的隐私数据保护方法，其特征在于，所述基于所述多个统计流量值，确定所述多个时段数据对应的流量异常表征度，包括：对所述多个统计流量值进行聚类，得到多个流量聚类簇；

基于所述多个流量聚类簇，确定所述多个时段数据对应的流量异常表征度。

5.根据权利要求4所述的基于计算机网络的隐私数据保护方法，其特征在于，所述基于所述多个流量聚类簇，确定所述多个时段数据对应的流量异常表征度，包括：针对任一时段数据，确定所述任一时段数据所属类簇的聚类中心流量值和流量方差；

确定所述任一时段数据的统计流量值和所述聚类中心流量值之间的差值；

基于所述差值和所述流量方差，确定所述任一时段数据对应的流量异常表征度。

6.根据权利要求1所述的基于计算机网络的隐私数据保护方法，其特征在于，所述基于所述多个时段数据的监测值，确定所述多个时段数据的总监测异常表现值之前，所述方法还包括：采用多个监测传感器采集每一时段数据的初始监测值，得到所述每一时段数据的多个初始监测值；

将所述多个初始监测值的均值，确定为所述每一时段数据的监测值。

7.根据权利要求1所述的基于计算机网络的隐私数据保护方法，其特征在于，所述基于所述多个时段数据的监测值，确定所述多个时段数据的总监测异常表现值，包括：对所述各时段数据对应的多个监测值进行聚类，得到所述各时段数据的监测聚类簇；

基于所述各时段数据对应的监测聚类簇，确定所述各时段数据的监测值波动程度；

基于所述各时段数据的监测值波动程度，确定所述各时段数据所属类簇的归属程度；

基于所述归属程度，确定所述各时段数据的总监测值异常表现。

8.根据权利要求1所述的基于计算机网络的隐私数据保护方法，其特征在于，所述基于所述多个时段数据对应的流量异常表征度和所总监测异常表现值，确定所述多个时段数据中的当前数据的风险值，包括：基于所述多个时段数据的监测值，确定所述多个时段数据的整体监测数据的相关性；

将所述总监测异常表现值和所述流量异常表征度进行融合，得到融合；

基于所述整体监测数据的相关性和融合结果，确定所述当前数据的风险值。

9.根据权利要求8所述的基于计算机网络的隐私数据保护方法，其特征在于，所述基于所述多个时段数据的监测值，确定所述多个时段数据的整体监测数据的相关性，包括：基于所述多个时段数据的监测值，确定所述多个时段数据之间的数据变化关联性以及监测数据变化量差异；

基于所述数据变化关联性以及所述监测数据变化量差异，确定所述多个时段数据之间的监测相关性，得到多个监测相关性；

基于所述多个监测相关性，确定所述整体监测数据的相关性。

10.根据权利要求1所述的基于计算机网络的隐私数据保护方法，其特征在于，所述基于所述风险值，更新所述多个时段数据中的当前数据的密钥，包括：如果所述风险值大于预设风险阈值，更换所述当前数据的密钥，得到已更新密钥；

对所述已更新密钥进行密钥验证；

如果所述已更新密钥验证不通过，对所述当前数据进行标记并输出提示信息。