1.一种异常渠道检测方法，其特征在于，所述方法包括：
确定按照应用场景进行分类后，得到的属于同一个应用场景的渠道信息，所述渠道信息包括用于标识渠道的渠道指标和渠道指标值信息；
利用所述渠道信息，针对至少一个指定渠道指标进行区间估计，确定该指定渠道指标的区间上限和区间下限；
利用预先建立的渠道监控模型，将至少一个指定渠道指标值，高于该指定渠道指标区间上限，或低于该指定渠道指标区间下限的渠道信息确定为异常渠道信息，否则确定为正常渠道信息。
2.如权利要求1所述的方法，其特征在于，所述至少一个指定渠道指标包括业务办理量和酬金数量；
利用预先建立的渠道监控模型，将至少一个指定渠道指标值高于该指定渠道指标区间上限，或低于该指定渠道指标区间下限的渠道信息确定为异常渠道信息，否则确定为正常渠道信息，具体包括：
利用预先建立的渠道监控模型，将业务办理量值高于业务办理量区间上限或低于业务办理量区间下限，和/或者，酬金数量值高于酬金数量区间上限或低于酬金数量区间下限的所述渠道信息确定为异常渠道信息，否则确定为正常渠道信息。
3.如权利要求1所述的方法，其特征在于，确定按照应用场景进行分类后，得到的属于同一个应用场景的渠道信息，具体包括：
根据渠道信息中的时间指标，得到属于第一应用场景中的渠道信息，或者，得到属于第二应用场景中的渠道信息。
4.如权利要求1所述的方法，其特征在于，确定按照应用场景进行分类后，得到的属于同一个应用场景的渠道信息之前，所述方法还包括：
对渠道信息进行检测，将检测出的无效的渠道指标值去除。
5.如权利要求1所述的方法，其特征在于，所述方法还包括：
利用确定出的正常渠道信息，针对所述至少一个指定渠道指标进行区间估计，确定该指定渠道指标的区间上限和区间下限。
6.如权利要求1～5任一所述的方法，其特征在于，利用所述渠道信息，针对至少一个指定渠道指标进行区间估计，确定该指定渠道指标的区间上限和区间下限，具体包括：
按照至少两个渠道指标组合后进行分组，得到至少两组渠道指标组合；
针对一个指定渠道指标，确定利用每组渠道指标组合统计出的该指定渠道指标的区间上限和区间下限；
将统计出的一个指定渠道指标的区间上限最小值，确定为该指定渠道指标的区间上限，将统计出的该指定渠道指标的区间下限最大值，确定为该指定渠道指标的区间下限。
7.如权利要求6所述的方法，其特征在于，利用所述渠道信息，针对至少一个指定渠道指标进行区间估计，确定该指定渠道指标的区间上限和区间下限，具体包括：
利用所述渠道信息，通过自适应的遗传算法获得区间估计样本；
根据获得的区间估计样本，分别针对所述至少一个指定渠道指标进行区间估计，确定该指定渠道指标的区间上限和区间下限。
8.如权利要求7所述的方法，其特征在于，根据获得的区间估计样本，分别针对所述至少一个指定渠道指标进行区间估计，确定该指定渠道指标的区间上限和区间下限，具体包括：
设置设定的置信度的置信区间，确定每个指定渠道指标的区间上限和区间下限。
9.一种异常渠道检测装置，其特征在于，所述装置包括：
分类模块，用于确定按照应用场景进行分类后，得到的属于同一个应用场景的渠道信息，所述渠道信息包括用于标识渠道的渠道指标和渠道指标值信息；
估计模块，用于利用分类模块得到的所述渠道信息，针对至少一个指定渠道指标进行区间估计，确定该指定渠道指标的区间上限和区间下限；
检测模块，用于利用预先建立的渠道监控模型，将至少一个指定渠道指标值，高于估计模块确定出的该指定渠道指标区间上限，或低于估计模块确定出的该指定渠道指标区间下限的渠道信息确定为异常渠道信息，否则确定为正常渠道信息。
10.如权利要求9所述的装置，其特征在于，
所述估计模块，具体用于利用分类模块得到的所述渠道信息，针对业务办理量和酬金数量进行区间估计，确定业务办理量的区间上限和区间下限，以及酬金数量的区间上限和区间下限；
所述检测模块，具体用于利用预先建立的渠道监控模型，将业务办理量值高于业务办理量区间上限或低于业务办理量区间下限，和/或者，酬金数量值高于酬金数量区间上限或低于酬金数量区间下限的所述渠道信息确定为异常渠道信息，否则确定为正常渠道信息。
11.如权利要求9所述的装置，其特征在于，
所述分类模块，具体用于根据渠道信息中的时间指标，得到属于第一应用场景中的渠道信息，或者，得到属于第二应用场景中的渠道信息。
12.如权利要求9所述的装置，其特征在于，所述装置还包括预处理模块，用于对渠道信息进行检测，将检测出的无效的渠道指标值去除。
13.如权利要求9所述的装置，其特征在于，所述估计模块，具体用于利用检测模块确定出的正常渠道信息，针对所述至少一个指定渠道指标进行区间估计，确定该指定渠道指标的区间上限和区间下限。
14.如权利要求9～13任一所述的装置，其特征在于，所述估计模块，具体用于按照至少两个渠道指标组合后进行分组，得到至少两组渠道指标组合；针对一个指定渠道指标，确定利用每组渠道指标组合统计出的该指定渠道指标的区间上限和区间下限；将统计出的一个指定渠道指标的区间上限最小值，确定为该指定渠道指标的区间上限，将统计出的该指定渠道指标的区间下限最大值，确定为该指定渠道指标的区间下限。
15.如权利要求14所述的装置，其特征在于，所述估计模块，具体用于利用分类模块得到的所述渠道信息，通过自适应的遗传算法获得区间估计样本；根据获得的区间估计样本，分别针对所述至少一个指定渠道指标进行区间估计，确定该指定渠道指标的区间上限和区间下限。
16.如权利要求15所述的装置，其特征在于，所述估计模块，具体用于设置设定的置信度的置信区间，确定每个指定渠道指标的区间上限和区间下限。
17.一种非易失性计算机存储介质，其特征在于，所述计算机存储介质存储有可执行程序，该可执行程序被处理器执行实现权利要求1～8任一所述方法的步骤。
18.一种异常渠道检测设备，其特征在于，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述程序时实现权利要求1～8任一所述方法的步骤。