1.一种区块链数据监管方法，其特征在于，包括以下步骤：

步骤1：介入待监管区块链数据群，获取访问与读取权限，执行状态识别，获取待写入区块链网络数据状态和已从区块链网络所读取数据状态；

步骤2：对于待写入区块链的数据和已读取的数据，进行数据的完整性验证和签名认证；

步骤3：通过网络检测工具来检测当前承担数据传输的通信链路的网络延迟、关联下属节点带宽利用率和关联下属节点拥塞情况数据；

步骤4：分析识别当前检测是否存在异常传输情况，对其进行分析并标记；

步骤5：基于步骤4分析所得问题因素，使用机器学习算法预测由链路数据吞吐能力和传输安全所造成的影响系数；

步骤6：获取预测所得影响系数，预先设置数据阈值，一旦影响系数达到或超过该阈值，自动化警报系统触发警报；

步骤7：根据异常情况和影响系数的预测，确定受到影响的具体对象或数据；

步骤8：将最终分析结果，生成工作日志递交至管理端。

2.根据权利要求1所述的一种区块链数据监管方法，其特征在于，所述步骤1中的状态识别的过程中，通过区块链浏览器监视区块链网络的数据流动，记录将要写入区块链的数据和已经从区块链读取的数据传输大小和传输时间。

3.根据权利要求1所述的一种区块链数据监管方法，其特征在于，所述步骤4中的异常传输情况包括：数据包丢失、延迟增加和传输通道拥塞。

4.根据权利要求1所述的一种区块链数据监管方法，其特征在于，所述步骤5中的问题因素包括：网络负载、传输通道拥塞状态和安全威胁。

5.根据权利要求1所述的一种区块链数据监管方法，其特征在于，所述步骤5中的机器学习算法选用神经网络算法，建立网络性能的预测模型，模型根据历史数据预测未来传输性能。

6.根据权利要求5所述的一种区块链数据监管方法，其特征在于，所述预测模型投入的各影响因素所映射训练样本的比重，通过标准化的指标矩阵进行计算，其计算公式为：；

式中， 代表在第j个指标下，第t个影响因素占该训练样本的比重， 表示第t个影响因素的第j个训练样本的指标数值，n代表样本个数。

7.一种区块链数据监管系统，所述系统是对权利要求1‑6中任一项的一种区块链数据监管方法的实施系统，其特征在于，包括：数据获取模块（1），用于与区块链节点或浏览器交互，从区块链网络中获取即将写入和已读取的数据状态；

数据监管模块（2），用于对待写入数据和已读取数据进行监管，进行数据验证、数字签名验证和完整性检查；

网络环境监测模块（3），用于实时监测区块链网络的环境参数，记录延迟、关联下属节点带宽利用率和关联下属节点拥塞情况；

异常检测模块（4），用于检测异常传输情况和网络环境变化，分析数据，发现异常传输模式；

预测模块（5），用于基于监测数据预测链路数据吞吐能力和传输安全的影响系数；

数据分析模块（6），用于对异常情况和影响系数的预测进行深入分析，确定受到影响的对象和可采取的措施。

8.根据权利要求7所述的一种区块链数据监管系统，其特征在于，所述数据分析模块（6）通过无线网络交互连接有警报模块（7），所述警报模块（7）用于设置警报阈值，当影响系数达到阈值时触发警报。

9.根据权利要求7所述的一种区块链数据监管系统，其特征在于，所述数据获取模块（1）与数据监管模块（2）通过无线网络交互连接，所述数据监管模块（2）与网络环境监测模块（3）通过无线网络交互连接，所述网络环境监测模块（3）与异常检测模块（4）通过无线网络交互连接，所述异常检测模块（4）与预测模块（5）通过无线网络交互连接，所述预测模块（5）与数据分析模块（6）通过无线网络交互连接。