1.基于时空卷积网络和拓扑感知的网络异常检测方法，包括：获取待检测网络的设备拓扑连接关系，构建待检测网络设备邻接矩阵；获取待检测网络性能矩阵的时间序列；利用滑动窗口，在待检测网络性能矩阵的时间序列上滑动；通过滑动窗口的滑动，提取滑动窗口内的时间序列片段；将待检测网络设备邻接矩阵和提取的每个时间序列片段作为输入序列，输入到预先训练好的基于图的门控卷积异常检测网络中；输出待检测网络是否出现异常。2.如权利要求1所述的方法，其特征是，获取待检测网络的设备拓扑连接关系，构建待检测网络设备邻接矩阵；具体步骤包括：获取待检测网络的设备拓扑连接关系，根据设备拓扑连接关系构建图结构，根据图结构获取待检测网络设备邻接矩阵。3.如权利要求2所述的方法，其特征是，根据设备拓扑连接关系构建图结构，根据图结构获取待检测网络设备邻接矩阵；具体步骤包括：将待检测网络构建成一个图结构，待检测网络中的设备视为图结构中的节点，待检测网络中的设备之间的连接关系视为图结构中节点之间的连线；根据图结构中节点与节点之间的连接关系构建待检测网络设备邻接矩阵。4.如权利要求1所述的方法，其特征是，所述获取待检测网络性能矩阵的时间序列，具体步骤包括：获取待检测网络中每个时刻下每个设备的若干种性能参数，将同一时刻下所有设备的所有性能参数，构建对应的待检测网络性能矩阵；进而得到待检测网络性能矩阵的时间序列；或者，所述获取待检测网络性能矩阵的时间序列，具体步骤包括：获取待检测网络中每个时刻下每个设备的若干种性能参数，对所有的性能参数进行正则化处理，将正则化处理后的同一时刻下所有设备的所有性能参数，构建对应的待检测网络性能矩阵；进而得到待检测网络性能矩阵的时间序列。5.如权利要求1所述的方法，其特征是，将待检测网络设备邻接矩阵和提取的每个时间序列片段作为输入序列，输入到预先训练好的基于图的门控卷积异常检测网络中；输出待检测网络是否出现异常；具体步骤包括：将待检测网络设备邻接矩阵和提取的每个时间序列片段作为输入序列，输入到编码器中，提取出时空特征；将时空特征输入到解码器中进行重构，重构出新的输入序列；所述时空特征是指时间特征和空间特征；将重构出的新的输入序列与编码器中输入序列进行误差计算，通过高斯分布估计，计算异常分数，根据异常分数值输出待检测网络是否出现异常。6.如权利要求1所述的方法，其特征是，基于图的门控卷积异常检测网络，具体结构包括：依次连接的编码器、解码器和误差计算模块；所述编码器，包括：若干个串联的时间空间卷积模块，每个时间空间卷积模块，包括串联的门控卷积神经网络和图卷积网络；其中，门控卷积神经网络是编码器的输入端，图卷积

网络是编码器的输出端；所述解码器，包括：串联的卷积层和全连接层；其中卷积层的输入端与编码器的输出端连接，卷积层的输出端与全连接层的输出端连接，全连接层的输出端与误差计算模块连接。7.如权利要求1所述的方法，其特征是，预先训练好的基于图的门控卷积异常检测网络；具体训练步骤包括：构建基于图的门控卷积异常检测网络；构建训练集，所述训练集为已知正常性能标签的网络性能矩阵的时间序列和网络设备邻接矩阵；将训练集输入到基于图的门控卷积异常检测网络中，进行训练，当损失函数达到最小值时停止训练，得到训练好的基于图的门控卷积异常检测网络。8.基于时空卷积网络和拓扑感知的网络异常检测系统，其特征是，包括：获取模块，其被配置为：获取待检测网络的设备拓扑连接关系，构建待检测网络设备邻接矩阵；获取待检测网络性能矩阵的时间序列；片段提取模块，其被配置为：利用滑动窗口，在待检测网络性能矩阵的时间序列上滑动；通过滑动窗口的滑动，提取滑动窗口内的时间序列片段；输出模块，其被配置为：将待检测网络设备邻接矩阵和提取的每个时间序列片段作为输入序列，输入到预先训练好的基于图的门控卷积异常检测网络中；输出待检测网络是否出现异常。9.一种电子设备，其特征是，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述权利要求1-7任一项所述的方法。10.一种计算机可读存储介质，其特征是，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7任一项所述的方法。