1.一种通信网络数据异常识别方法，其特征在于，包括：

获取在预定时间段内经过通信网络接口的流量数据包的时间序列；

提取所述流量数据包的时间序列中各个流量数据包的流量统计特征以得到流量统计特征的序列；

对所述流量统计特征的序列进行多尺度上下文关联分析以得到多维度网络数据状态综合表征特征向量；

基于所述多维度网络数据状态综合表征特征向量，确定网络数据是否存在异常；

其中，对所述流量统计特征的序列进行多尺度上下文关联分析以得到多维度网络数据状态综合表征特征向量，包括：将所述流量统计特征的序列中各个流量数据包的流量统计特征分别通过基于全连接层的嵌入编码器以得到流量统计特征嵌入编码特征向量的序列；

对所述流量统计特征嵌入编码特征向量的序列进行短期依赖特征提取以得到第一尺度流量统计特征上下文关联特征向量；

对所述流量统计特征嵌入编码特征向量的序列进行长期依赖特征提取以得到第二尺度流量统计特征上下文关联特征向量；

融合所述第一尺度流量统计特征上下文关联特征向量和所述第二尺度流量统计特征上下文关联特征向量以得到所述多维度网络数据状态综合表征特征向量；

其中，基于所述多维度网络数据状态综合表征特征向量，确定识别结果，包括：对所述多维度网络数据状态综合表征特征向量进行优化以得到优化多维度网络数据状态综合表征特征向量；

将所述优化多维度网络数据状态综合表征特征向量通过基于分类器的网络数据状态识别器以得到所述识别结果，所述识别结果用于表示网络数据是否存在异常；

其中，对所述多维度网络数据状态综合表征特征向量进行优化以得到优化多维度网络数据状态综合表征特征向量，包括：对所述第一尺度流量统计特征上下文关联特征向量和所述第二尺度流量统计特征上下文关联特征向量进行基于标签位置敏感性的分类数据识别优化以得到校正特征向量；

计算所述校正特征向量和所述多维度网络数据状态综合表征特征向量之间的按位置点乘以得到所述优化多维度网络数据状态综合表征特征向量；

其中，对所述第一尺度流量统计特征上下文关联特征向量和所述第二尺度流量统计特征上下文关联特征向量进行基于标签位置敏感性的分类数据识别优化以得到校正特征向量，包括：计算所述第一尺度流量统计特征上下文关联特征向量和所述第二尺度流量统计特征上下文关联特征向量之间的按位置均值向量；

计算由所述按位置均值向量的所有特征值组成的特征集合的均值和方差；

以所述第一尺度流量统计特征上下文关联特征向量和所述第二尺度流量统计特征上下文关联特征向量的预定位置的特征值的均值作为自然常数的指数计算以自然常数为底的指数函数值以得到第一指数函数值；

以所述特征集合的方差的相反数作为自然常数的指数计算以自然常数为底的指数函数值再减去一以得到指数调整差值；

将所述第一指数函数值除以所述指数调整差值再减去所述特征集合的均值，并将计算得到的差值通过ReLU函数进行激活以得到第一激活值；

对所述第一激活值取绝对值后再通过Selu函数进行激活以得到第二激活值；

将所述第二激活值乘以所述第一指数函数值以得到所述校正特征向量的预定位置的特征值。

2.根据权利要求1所述的通信网络数据异常识别方法，其特征在于，所述流量统计特征包括流量大小、流量速率、流量方向、包长度、包时间间隔、协议类型、源IP地址、目标IP地址、源端口号和目标端口号。

3.根据权利要求2所述的通信网络数据异常识别方法，其特征在于，对所述流量统计特征嵌入编码特征向量的序列进行短期依赖特征提取以得到第一尺度流量统计特征上下文关联特征向量，包括：将所述流量统计特征嵌入编码特征向量的序列通过基于RNN模型的第一上下文关联编码器以得到所述第一尺度流量统计特征上下文关联特征向量。

4.根据权利要求3所述的通信网络数据异常识别方法，其特征在于，对所述流量统计特征嵌入编码特征向量的序列进行长期依赖特征提取以得到第二尺度流量统计特征上下文关联特征向量，包括：将所述流量统计特征嵌入编码特征向量的序列通过基于Bi-LSMT模型的第二上下文关联编码器以得到第二尺度流量统计特征上下文关联特征向量。

5.一种通信网络数据异常识别系统，使用根据权利要求1所述的通信网络数据异常识别方法，其特征在于，包括：流量数据监控模块，用于获取在预定时间段内经过通信网络接口的流量数据包的时间序列；

流量统计特征提取模块，用于提取所述流量数据包的时间序列中各个流量数据包的流量统计特征以得到流量统计特征的序列；

多尺度上下文关联分析模块，用于对所述流量统计特征的序列进行多尺度上下文关联分析以得到多维度网络数据状态综合表征特征向量；

网络数据异常识别模块，用于基于所述多维度网络数据状态综合表征特征向量，确定网络数据是否存在异常。

6.一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上存储有通信网络数据异常识别程序，所述通信网络数据异常识别程序被处理器执行时实现如权利要求1至4任一项所述的通信网络数据异常识别方法。