1.一种传感器网络异常数据检测方法，其特征在于，包括步骤：
S1.获取传感器网络的监测数据；
S2.根据数据的空间相关性特征，对所述监测数据进行空间相关检测，获得其中的异常数据；并
根据数据的时间相关性特征，对所述监测数据进行时间相关检测，获得其中的异常数据；
S3.针对任一异常数据，结合所述空间相关检测及所述时间相关检测的检测结果，判断该异常数据是事件数据或恶意数据。
2.如权利要求1所述的方法，其特征在于，在步骤S1之后，步骤S2之前，所述方法还包括步骤：
S11.根据传感器网络中各节点的空间位置信息对各节点进行聚类，将空间位置接近的节点划分到同一簇中。
3.如权利要求2所述的方法，其特征在于，所述根据数据的空间相关性特征，对所述监测数据进行空间相关检测，获得其中的异常数据具体为：
S21.针对任一簇中任一节点的监测数据，计算该监测数据与该簇内其它节点同一时刻的监测数据的欧式距离；
S22.将所述欧式距离与预设的欧式距离阈值比较，将小于欧式距离阈值的欧式距离的个数作为该监测数据的空间相关数；
S23.将所述空间相关数除以该任一簇中的节点总数，获得该监测数据的空间相关系数；
S24.将所述空间相关系数与预设的系数阈值比较：若所述空间相关系数大于系数阈值，则该监测数据的空间相关检测结果为正常；若所述空间相关系数不大于系数阈值，则该监测数据的空间相关检测结果为异常，判断该监测数据为异常数据。
4.如权利要求3所述的方法，其特征在于，所述根据数据的时间相关性特征，对所述监测数据进行时间相关检测，获得其中的异常数据具体为：
S25.针对任一簇中任一节点的监测数据，利用滑动窗口获取该任一节点在该监测数据获取时间之前且最前的多个历史监测数据；
S26.利用所述多个历史监测数据进行预测，得到预测数据；
S27.计算该监测数据与该预测数据的欧式距离，比较该欧式距离与预设的时间相关阈值：若该欧式距离小于时间相关阈值，则该监测数据的时间相关检测结果为正常；若该欧式距离不小于时间相关阈值，则该监测数据的时间相关检测结果为异常，判断该监测数据为异常数据。
5.如权利要求4所述的方法，其特征在于，步骤S3具体为：
对于任一异常数据：若其空间相关检测结果与时间相关检测结果均为异常，则判断该异常数据为恶意数据；若其空间相关检测结果为异常，时间相关检测结果为正常，则判断该异常数据为事件数据；若其时间相关检测结果为异常，空间相关检测结果为正常，则判断该异常数据为事件数据。
6.如权利要求5所述的方法，其特征在于，在步骤S2之后，所述方法还包括：
对于任一监测数据，若其空间相关检测结果与时间相关检测结果均为正常，则判断该监测数据为正常数据。
7.如权利要求1-6任一所述的方法，其特征在于，在步骤S3之后，所述方法还包括：
若监测数据为事件数据，向监测者发送告警信号；
若监测数据为恶意数据，降低发送该恶意数据的节点的信誉度；若节点的信誉度低于第一信誉阈值，则使数据不从该节点转发；若节点的信誉度低于第二信誉阈值，则屏蔽该节点。
8.如权利要求7所述的方法，其特征在于，步骤S11具体为：
根据传感器网络中各节点的空间位置信息，利用K-Means聚类法对各节点进行聚类，将空间位置接近的节点划分到同一簇中。
9.如权利要求8所述的方法，其特征在于，步骤S26具体为：根据所述多个历史监测数据，利用指数平滑预测法得到预测数据；以及
所述传感器网络为无线传感器网络。
10.一种传感器网络异常数据检测系统，其特征在于，包括：
数据获取模块，用于获取传感器网络的监测数据；
异常判断模块，用于根据数据的空间相关性特征，对数据获取模块获取的所述监测数据进行空间相关检测，获得其中的异常数据；并根据数据的时间相关性特征，对所述监测数据进行时间相关检测，获得其中的异常数据；
异常分类模块，用于针对任一异常数据，结合所述空间相关检测及所述时间相关检测的检测结果，判断该异常数据是事件数据或恶意数据。