1.一种改进型神经网络模型的网络信息分析方法，其特征在于，包括以下步骤：步骤1：分析网络环境属性，构建信息数据传输通道，根据网络环境属性配置信息数据传输通道；

步骤2：获取当前网络环境属性，根据网络环境属性应用信息数据传输通道，通过信息数据传输通道实时接收网络中发出的网络信息数据，网络信息数据同步在信息数据传输通道中被读取；

步骤3：建立云端数据库，在信息数据传输通道对网络信息数据读取后，对完成读取的网络信息数据向云端数据库发送；

步骤4：分析信息数据传输通道应用网络密度，根据网络密度对当前网络进行安全评价；

步骤5：构建威胁数据库，设置数据反馈周期，根据信息数据反馈周期及信息数据格式进行打包向威胁数据库中发送；

步骤6：获取步骤5的下级子步骤54的判定结果，对判定结果进行记载，根据记载数据、云端数据库及威胁数据库中储存数据构建人工神经网络，应用人工神经网络对信息数据传输通道中的接收的信息数据进行实时处理；

所述步骤5中构建的威胁数据库中包含数据内容为：敏感文字及敏感图像数据的特征图像，且敏感文字及敏感图像数据的特征图像通过用户向威胁数据库中输入；

所述步骤5下级设置有子步骤，包括以下步骤：

步骤51：对打包的信息数据进行文字识别及图像数据的特征提取，将识别的文字及图像数据特征与威胁数据库中储存的敏感文字及敏感图像数据特征图像进行比对；

步骤52：计算打包信息数据中敏感文字及敏感图像数据特征图像的占比率；

步骤53：设置占比率判定阈值，接收步骤52中计算的打包信息数据中敏感文字及敏感图像数据特征图像的占比率，根据占比率判定阈值判定信息数据是否安全；

步骤54：对判定结果为是的信息数据开放数据共享权限，对判定结果为否信息数据进行删除。

2.根据权利要求1所述的一种改进型神经网络模型的网络信息分析方法，其特征在于，所述步骤1中分析的网络环境属性包括：局域网、城域网、广域网、个域网及无线网；

其中，为个域网、局域网或无线网配置的信息数据传输通道中网络链路节点数量根据用户端手动编辑设定，且网络链路节点数量不少于两组，为城域网、广域网配置的网络链路节点数量根据用户端手动编辑设定，且网络链路节点数量不少于四组。

3.根据权利要求1所述的一种改进型神经网络模型的网络信息分析方法，其特征在于，所述步骤2在信息数据传输通道中读取实时接收的网络信息数据时，同步对网络信息数据的格式进行识别，对识别到格式的网络信息数据在信息数据传输通道中向下一网络链路节点传输；

其中，网络信息数据的格式识别操作在信息数据传输通道中的各网络链路节点中执行，每一网络链路节点可识别若干格式的信息数据，网络信息数据在信息数据传输通道中传输时依次在信息数据传输通道中的各网络连接节点组成路径中进行格式识别，对未识别的网络信息数据进行舍弃，对识别的网络信息数据进行储存。

4.根据权利要求1所述的一种改进型神经网络模型的网络信息分析方法，其特征在于，所述步骤3中建立的云端数据库与步骤1中构建的信息数据传输通道中由网络链路节点组成路径中的最后一组网络链路节点相连接。

5.根据权利要求1所述的一种改进型神经网络模型的网络信息分析方法，其特征在于，所述步骤4中信息数据传输通道应用网络的密度分析通过如下公式进行计算，公式为：无向图： ；

有向图： ；

式中：d为网络密度，取值范围为0 1；

~

n为网络中所包含的网络链路节点数；

l为网络中所包含的网络链路节点连接数。

6.根据权利要求1所述的一种改进型神经网络模型的网络信息分析方法，其特征在于，用户通过手动编辑设定安全等级评价阈值，步骤4在根据网络密度对当前网络进行安全评价时，参考安全等级评价阈值对当前网络密度进行安全判定。

7.根据权利要求1所述的一种改进型神经网络模型的网络信息分析方法，其特征在于，所述步骤5在向威胁数据库发送打包的信息数据时，同步获取步骤4中信息数据应用网络的网络密度安全评价结果，步骤53中占比率判定阈值设置有两组，两组所述占比率判定阈值分别应用于步骤4中对网络安全评价判定不同结果。

8.根据权利要求1所述的一种改进型神经网络模型的网络信息分析方法，其特征在于，所述步骤6中构建的人工神经网络模型为：；

式中： 为输出值；

f（·）为激励函数；

为输入信号；

为阈值；

为连接权值；

I为i的最大取值项。