1.一种基于周期性和移动窗口基线算法的异常流量检测方法，其特征在于，包括以下具体步骤：
s1、每隔五分钟采集一次udp原始数据，根据udp原始数据的通讯端口、时间和字节数三个维度赋予特征值；
s2、根据udp原始数据的特征值建立相似度比对模型；
s3、将udp原始数据输入相似度比对模型中，筛选去除偏离值较大的udp原始数据；
s4、将处理后的udp数据根据时间排列；划分多个时间段，计算每个时间段内变量的平均值；将平均值连成线获得awr参考基线；
s5、根据时间段的不同生成多个awr参考基线；并设置awr参考基线的保存时间；
s6、设定指定的周期将实际值与参考基线进行比对，判断是否产生异常流量；
s7、设定移动窗口大小的范围，根据移动窗口基线与实际值进行比对，判断是否产生异常流量；
s8、生成比对结果，并对异常流量进行异常警告。
2.根据权利要求1所述的基于周期性和移动窗口基线算法的异常流量检测方法，其特征在于，s2中根据udp原始数据的维度分别建立基于通讯端口、时间的数据相似度比对模型。
3.根据权利要求1所述的基于周期性和移动窗口基线算法的异常流量检测方法，其特征在于，s3中将udp原始数据根据维度的不同，分别代入数据相似度比对模型中，计算相似度。
4.根据权利要求1所述的基于周期性和移动窗口基线算法的异常流量检测方法，其特征在于，s3中根据计算后获得的相似度数值，去除离散程度较大的数据。
5.根据权利要求1所述的基于周期性和移动窗口基线算法的异常流量检测方法，其特征在于，s5中根据时间段分为工作日awr参考基线、周末awr参考基线。
6.根据权利要求5所述的基于周期性和移动窗口基线算法的异常流量检测方法，其特征在于，根据工作日awr参考基线、周末awr参考基线细分8-11时awr参考基线、18-22时awr参考基线和每小时的awr参考基线。
7.根据权利要求1所述的基于周期性和移动窗口基线算法的异常流量检测方法，其特征在于，s5中设置awr参考基线保存时间，时间范围为8-30天。
8.根据权利要求1所述的基于周期性和移动窗口基线算法的异常流量检测方法，其特征在于，s7中设定移动窗口大小的范围小于或等于s5中awr参考基线保存时间。
9.根据权利要求1所述的基于周期性和移动窗口基线算法的异常流量检测方法，其特征在于，s8中根据生成比对结构与awr参考基线的偏差值响应不同等级的异常警告。
10.根据权利要求1所述的基于周期性和移动窗口基线算法的异常流量检测方法，其特征在于，s8中的异常警告随着时间累积，警告等级逐渐上升。