1.一种安全预警方法，其特征在于，包括：

获取目标设备的目标属性数据，所述目标属性数据描述了所述目标设备的硬件设施和软件配置；

将所述目标属性数据分别输入到N个算法不同的网络安全模型中进行训练，得到N个输出结果，其中，所述N为大于或等于2的正整数，所述N个算法不同的网络安全模型用于预测所述目标设备的网络安全指数；其中，所述N个算法不同的网络安全模型包括LightGBM模型和xDeepFM模型；所述LightGBM模型是基于决策树算法的分布式梯度提升框架；所述xDeepFM模型包括压缩交互网络CIN、线性回归单元和全连接神经网络单元，所述线性回归单元中接入攻击样本数据，所述CIN或者全连接神经网络单元中导入预处理后的属性数据，所述预处理包括对数值型数据进行分箱，以及对非数值型数据进行编码；

将所述N个输出结果进行预设规则计算，以得到最终的预测结果，所述预测结果描述了所述目标设备的网络安全指数。

2.根据权利要求1所述的方法，其特征在于，所述获取目标设备的目标属性数据包括：获取目标设备的属性数据，所述属性数据的数据类型包括数值型数据和非数值型数据；

预处理所述属性数据以得到预处理后的目标属性数据，所述预处理包括对所述数值型数据进行分箱，以及对所述非数值型数据进行编码。

3.根据权利要求1所述的方法，其特征在于，所述获取目标设备的目标属性数据包括：获取目标设备的目标属性数据，所述目标属性数据包括所述目标设备在预设时间段内和/或预设区域内的属性数据，所述属性数据描述了所述目标设备的硬件设施和软件配置。

4.根据权利要求1所述的方法，其特征在于，所述将所述N个输出结果进行预设规则计算，以得到最终的预测结果之后，还包括：根据所述预测结果输出网络安全预警，所述网络安全预警包括所述目标设备的网络安全等级或所述目标设备的网络安全等级的文字描述。

5.根据权利要求1所述的方法，其特征在于，所述将所述N个输出结果进行预设规则计算，以得到最终的预测结果之后，还包括：若所述预测结果的数据大于预设阈值，则表示所述目标设备处于不安全状态，输出网络安全预警，所述网络安全预警包括所述目标设备的安全等级或所述目标设备的网络安全等级的文字描述。

6.一种安全预警装置，其特征在于，包括：

获取单元，用于获取目标设备的目标属性数据，所述目标属性数据描述了所述目标设备的硬件设施和软件配置；

输入单元，用于将所述目标属性数据分别输入到N个算法不同的网络安全模型中进行训练，得到N个输出结果，其中，所述N为大于或等于2的正整数，所述N个算法不同的网络安全模型用于预测所述目标设备的网络安全指数；其中，所述N个算法不同的网络安全模型包括LightGBM模型和xDeepFM模型；所述LightGBM模型是基于决策树算法的分布式梯度提升框架；所述xDeepFM模型包括压缩交互网络CIN、线性回归单元和全连接神经网络单元，所述线性回归单元中接入攻击样本数据，所述CIN或者全连接神经网络单元中导入预处理后的属性数据，所述预处理包括对数值型数据进行分箱，以及对非数值型数据进行编码；

计算单元，用于将所述N个输出结果进行预设规则计算，以得到最终的预测结果，所述预测结果描述了所述目标设备的网络安全指数。

7.根据权利要求6所述的装置，其特征在于，所述获取单元具体包括：

所述获取单元，还用于获取目标设备的属性数据，所述属性数据的数据类型包括数值型数据和非数值型数据；

预处理单元，用于预处理所述属性数据以得到预处理后的目标属性数据，所述预处理包括对所述数值型数据进行分箱，以及对所述非数值型数据进行编码，所述目标属性数据包括所述预处理后的属性数据。

8.一种安全预警设备，其特征在于，包括处理器、存储器和通信设备，处理器、存储器和通信设备相互连接，其中，存储器用于存储计算机程序，通信设备用于与外部设备进行信息交互；处理器被配置用于调用计算机程序，执行如权利要求1‑5任一项所述的方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1‑5任一项所述的方法。