1.一种主动审计方法，其特征在于，主动审计过程中，不需要未申请审计的企业付出任何时间和人力物力来参与，甚至整个过程中未申请审计的企业毫不知情，只有在主动审计过程中不通过的情况下企业才会收到通知，所述方法包括：审计标准获取步骤，用于获取预设类别的审计标准；对象数据获取步骤，用于从数据源获取未申请审计的企业的数据；所述数据源包括第三方提供的数据；

标准对应的数据获取步骤，用于从所述未申请审计的企业的数据中获取所述审计标准对应的数据；标准对应的数据获取步骤包括根据历史第二数据是否正确对不同数据源的可信度进行增减，形成不同数据源的不同可信度，依据数据源的可信度获得每一项标准对应的第二数据；

审计判断步骤，用于判断所述审计标准对应的数据是否符合所述审计标准：是，则所述未申请审计的企业审计通过,且不将审计的结果通知所述未申请审计的企业；否，则所述未申请审计的企业审计不通过；

主动反馈步骤，用于将审计的结果反馈给审计不通过的所述未申请审计的企业。

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未申请审计的企业的数据；

所述标准对应的数据获取步骤包括：数据筛选步骤，用于从所述未申请审计的企业的数据中筛选出所述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。

3.根据权利要求1所述的审计方法，其特征在于，所述主动反馈步骤包括：判断所述预设类别的审计结果是否为通过审计：否，则将不通过审计的结果发送给所述未申请审计的企业，并获取不符合的每一项标准或总体标准反馈给所述未申请审计的企业，并发送信息提醒所述未申请审计的企业针对所述不符合的每一项标准或总体标准进行整改。

4.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，判断所述未申请审计的企业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，判断所述未申请审计的企业是否符合所述总体标准；

综合判断步骤，用于判断所述未申请审计的企业是否符合所述审计标准中所述每一项标准和所述总体标准。

5.根据权利要求4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企业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企业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企业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企业的所述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，用于将所述审计标准中每一项标准对应的已进行过审计的每一企业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企业的所述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。

6.根据权利要求4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，用于判定所述未申请审计的企业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，用于判断所述未申请审计的企业是否符合所述总体标准。

7.一种主动审计系统，其特征在于，主动审计过程中，不需要未申请审计的企业付出任何时间和人力物力来参与，甚至整个过程中未申请审计的企业毫不知情，只有在主动审计过程中不通过的情况下企业才会收到通知，所述系统包括：审计标准获取模块，用于获取预设类别的审计标准；

对象数据获取模块，用于从数据源获取未申请审计的企业的数据；所述数据源包括第三方提供的数据；

标准对应的数据获取模块，用于从所述未申请审计的企业的数据中获取所述审计标准对应的数据；标准对应的数据获取模块包括根据历史第二数据是否正确对不同数据源的可信度进行增减，形成不同数据源的不同可信度，依据数据源的可信度获得每一项标准对应的第二数据的子模块；

审计判断模块，用于判断所述审计标准对应的数据是否符合所述审计标准：是，则所述未申请审计的企业审计通过，且不将审计的结果通知所述未申请审计的企业；否，则所述未申请审计的企业审计不通过；

主动反馈模块，用于将审计的结果反馈给审计不通过的所述未申请审计的企业。

8.根据权利要求7所述的审计系统，其特征在于，所述企业数据获取模块包括：

数据源获取模块，用于获取数据源；

企业数据检索模块，用于从所述数据源中检索并获取所述未申请审计的企业的数据；

所述标准对应的数据获取模块包括：数据筛选模块，用于从所述未申请审计的企业的数据中筛选出所述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；

所述主动反馈模块包括：

判断所述预设类别的审计结果是否为通过审计：否，则将不通过审计的结果发送给所述未申请审计的企业，并获取不符合的每一项标准或总体标准反馈给所述未申请审计的企业，并发送信息提醒所述未申请审计的企业针对所述不符合的每一项标准或总体标准进行整改。

9.根据权利要求8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，判断所述未申请审计的企业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，判断所述未申请审计的企业是否符合所述总体标准；

综合判断模块，用于判断所述未申请审计的企业是否符合所述审计标准中所述每一项标准和所述总体标准。

10.一种机器人系统，其特征在于，所述机器人中分别配置有如权利要求7‑9任一项所述的审计系统。