1.一种个性化审计方法，其特征在于，对不同类型的对象进行同一预设类别审计时采用不同的审计标准，所述方法包括：个性化审计标准获取步骤，用于获取个性化审计标准；所述个性化审计标准获取步骤包括：对象类型获取步骤，用于获取待审计的对象的类型；如果待审计的对象是企业，则待审计的对象的类型包括行业类型、产业类型、研发类型、规模类型；如果待审计的对象是人，则待审计的对象的类型包括职业类型、收入类型；对象类型对应的审计标准获取步骤，用于获取所述待审计的对象的类型对应的预设类别的审计标准，作为所述待审计对象的个性化审计标准；

对象数据获取步骤，用于获取待审计的对象的数据；

个性化审计标准对应的数据获取步骤，用于从所述待审计的对象的数据中获取所述个性化审计标准对应的数据；所述标准对应的数据获取步骤包括：数据筛选步骤，用于从所述待审计的对象的数据中筛选出所述个性化审计标准对应的数据作为第一数据；数据清洗步骤，用于从所述第一数据中提取与每一项标准对应的数据作为所述每一项标准对应的第二数据，包括：判断所述每一项标准对应的第二数据是否唯一：否，则判断所述每一项标准对应的多个第二数据之间是否一致：否，则保留所述多个第二数据中可信度最高的第二数据，删除所述多个第二数据中其他第二数据；审计判断步骤，用于判断所述个性化审计标准对应的数据是否符合所述个性化审计标准；

审计反馈步骤，用于将审计的结果反馈给所述待审计对象。

2.根据权利要求1所述的审计方法，其特征在于，

所述对象数据获取步骤包括：

数据源获取步骤，用于获取数据源；

对象数据检索步骤，用于从所述数据源中检索并获取所述待审计的对象的数据。

3.根据权利要求2所述的审计方法，其特征在于，

所述审计判断步骤包括：

子标准获取步骤，用于获取所述个性化审计标准中每一项标准和总体标准；

对应数据提取步骤，用于从所述第一数据中提取所述每一项标准对应的所述第二数据；

每一项标准对应的预设模型获取步骤，用于获取所述每一项标准对应的预设模型；

每一项标准对应的第三数据生成步骤，用于根据所述每一项标准对应的所述第二数据和所述每一项标准对应的所述预设模型，计算得到所述每一项标准对应的第三数据；

每一项标准判断步骤，用于根据所述每一标准对应的第三数据和预设范围，判断所述待审计的对象是否符合所述每一项标准；

总体标准对应的预设模型获取步骤，用于获取所述总体标准对应的预设模型；

总体标准判断步骤，用于根据所述每一项标准对应的第三数据、所述总体标准对应的预设模型和预设范围，判断所述待审计对象是否符合所述总体标准；

综合判断步骤，用于判断所述待审计对象是否符合所述个性化审计标准中所述每一项标准和所述总体标准。

4.根据权利要求3所述的审计方法，其特征在于，

所述每一项标准对应的预设模型获取步骤包括：

每一项标准对应的深度学习模型初始化步骤，用于初始化所述每一项标准对应的深度学习模型作为第一深度学习模型；

每一项标准对应的历史数据获取步骤，用于从历史大数据中获取所述每一项标准对应的已进行过审计的每一对象的所述第二数据和第三数据；

第二深度学习模型生成步骤，用于将所述每一项标准对应的已进行过审计的每一对象的所述第二数据作为所述第一深度学习模型的输入数据，对所述第一深度学习模型进行无监督训练，得到的所述第一深度学习模型作为第二深度学习模型；

第三深度学习模型生成步骤，用于将所述每一项标准对应的已进行过审计的每一对象的所述第二数据和所述第三数据分别作为所述第二深度学习模型的输入数据和输出数据，对所述第二深度学习模型进行有监督训练，得到的所述第二深度学习模型作为第三深度学习模型；

每一项标准对应的预设模型设置步骤，用于将所述第三深度学习模型作为所述每一项标准对应的预设模型；

所述总体标准对应的预设模型获取步骤包括：

总体标准对应的深度学习模型初始化步骤，用于初始化所述总体标准对应的深度学习模型，得到的所述深度学习模型作为第四深度学习模型；

总体标准对应的历史数据获取步骤，用于从历史大数据中获取所述已进行过审计的每一对象的所述个性化审计标准中每一项标准对应的第三数据的集合和所述总体标准对应的第三数据；

第五深度学习模型生成步骤，用于将所述个性化审计标准中每一项标准对应的已进行过审计的每一对象的所述第三数据的集合作为所述深度学习模型的输入数据，对所述第四深度学习模型进行无监督训练，得到的所述第四深度学习模型作为第五深度学习模型；

第六深度学习模型生成步骤，用于将所述已进行过审计的每一对象的所述个性化审计标准中每一项标准对应的所述第三数据的集合和所述总体标准对应的所述第三数据分别作为所述第五深度学习模型的输入数据和输出数据，对所述第五深度学习模型进行有监督训练，得到的所述第五深度学习模型作为第六深度学习模型；

总体标准对应的预设模型设置步骤，用于将所述第六深度学习模型作为所述总体标准对应的预设模型。

5.根据权利要求3所述的审计方法，其特征在于，

所述每一项标准判断步骤包括：

每一项标准对应的预设范围获取步骤，用于获取所述每一项标准对应的预设范围；

每一项标准对应的第三数据判断步骤，用于判定所述待审计的对象是否符合所述每一项标准；

所述总体标准判断步骤包括：

总体标准对应的第三数据生成步骤，用于根据所述每一项标准对应的所述第三数据和所述总体标准对应的所述预设模型，计算得到所述总体标准对应的第三数据；

总体标准对应的预设范围获取步骤，用于获取所述总体标准对应的预设范围；

总体标准对应的第三数据判断步骤，用于判断所述待审计的对象是否符合所述总体标准。

6.一种审计系统，其特征在于，所述系统包括：

个性化审计标准获取模块，用于获取个性化审计标准；所述个性化审计标准获取模块包括：对象类型获取模块，用于获取待审计的对象的类型；如果待审计的对象是企业，则待审计的对象的类型包括行业类型、产业类型、研发类型、规模类型；如果待审计的对象是人，则待审计的对象的类型包括职业类型、收入类型；对象类型对应的审计标准获取模块，用于获取所述待审计的对象的类型对应的预设类别的审计标准，作为所述待审计对象的个性化审计标准；对象数据获取模块，用于获取待审计的对象的数据；

标准对应的数据获取模块，用于从所述待审计的对象的数据中获取所述个性化审计标准对应的数据；

审计判断模块，用于判断所述个性化审计标准对应的数据是否符合所述个性化审计标准；所述标准对应的数据获取模块包括：数据筛选模块，用于从所述待审计的对象的数据中筛选出所述个性化审计标准对应的数据作为第一数据；数据清洗模块，用于从所述第一数据中提取与每一项标准对应的数据作为所述每一项标准对应的第二数据；包括：判断所述每一项标准对应的第二数据是否唯一：否，则判断所述每一项标准对应的多个第二数据之间是否一致：否，则保留所述多个第二数据中可信度最高的第二数据，删除所述多个第二数据中其他第二数据；

审计反馈模块，用于将审计的结果反馈给所述待审计对象。

7.根据权利要求6所述的审计系统，其特征在于，

所述对象数据获取模块包括：

数据源获取模块，用于获取数据源；

对象数据检索模块，用于从所述数据源中检索并获取所述待审计的对象的数据。

8.根据权利要求7所述的审计系统，其特征在于，

所述审计判断模块包括：

子标准获取模块，用于获取所述个性化审计标准中每一项标准和总体标准；

对应数据提取模块，用于从所述第一数据中提取所述每一项标准对应的所述第二数据；

每一项标准对应的预设模型获取模块，用于获取所述每一项标准对应的预设模型；

每一项标准对应的第三数据生成模块，用于根据所述每一项标准对应的所述第二数据和所述每一项标准对应的所述预设模型，计算得到所述每一项标准对应的第三数据；

每一项标准判断模块，用于根据所述每一标准对应的第三数据和预设范围，判断所述待审计的对象是否符合所述每一项标准；

总体标准对应的预设模型获取模块，用于获取所述总体标准对应的预设模型；

总体标准判断模块，用于根据所述每一项标准对应的第三数据、所述总体标准对应的预设模型和预设范围，判断所述待审计对象是否符合所述总体标准；

综合判断模块，用于判断所述待审计对象是否符合所述个性化审计标准中所述每一项标准和所述总体标准。

9.一种机器人系统，其特征在于，所述机器人中分别配置有如权利要求6-8任一项所述的审计系统。