1.一种基于人工智能的计算机数据安全监测方法，其特征在于：所述计算机数据安全监测方法包括以下具体步骤：S1‑1、采集系统日志中计算机出现关机异常的次数，并且通过高清摄像头在设定的时间间隔中采集计算机机箱的内部的图像信息，根据计算机机箱的内部图像信息分析机箱内部的灰尘覆盖度；

S1‑2、采集计算机机箱内部的机械硬盘在进行读写操作时，机械硬盘遭遇震动的强度大小；

S1‑3、将采集的数据信息进行加密存储到数据库中；

S1‑4、建立一个硬盘故障预测模型，通过硬盘故障预测模型对硬盘的故障进行预测；

S1‑5、当硬盘故障的概率大于设定的阈值时，数据安全监测系统向终端设备发送告警提示，提醒相关人员对计算机进行检查和维修；

所述S1‑1中采集计算机出现关机异常的次数具体方法如下：设置采集系统日志中计算机出现关机异常的次数为xi，并且采集系统日志中计算机出现关机异常次数的时间间隔T；

所述S1‑1中根据计算机机箱的内部图像信息分析机箱内部的灰尘覆盖度的具体方法如下：设置高清摄像头采集计算机机箱内部图像信息的时间间隔为T，记不同时间间隔下的计算机机箱内部图像对比度为：Gi＝∑ff(mi，ni)2Pf(mi，ni)，其中f(mi，ni)＝|mi‑ni|表示为相邻像素之间的灰度差；Pf(mi，ni)表示为相邻像素间的灰度差为f的像素分布；T为常数；i＝1、2、3，、、、，I，I为常数；

所述S1‑2中采集机械硬盘在进行读写操作时遭遇震动强度大小的具体方法如下：通过倾角传感器检测计算机机箱的倾角变化数据，记计算机机箱的倾角变化数据为集合A，其中A＝{a1、a2、a3，、、、，an}，n＝1、2、3，、、、，N，N为常数；获取计算机机箱的倾角变化的数据之间的时间间隔tn‑1，能够计算得到计算机内部硬盘在进行读写操作时遭遇的震动强度为Qn＝k/tn‑1，其中k为计算机机箱震动强度与倾角变化数据之间时间间隔的系数。

2.根据权利要求1所述的一种基于人工智能的计算机数据安全监测方法，其特征在于：所述S1‑4中建立硬盘故障预测模型的具体方法如下：利用BP神经网络预测模型对硬盘的故障进行预测，设置输入层节点分别为xi，Gi，Qn，其输出为Oz等于xi，Gi，Qn，其中z＝1、2、3，、、、，Z；xi表示为计算机出现关机异常的次数；Gi表示为计算机机箱内部图像对比度；Qn表示为计算机内部硬盘在进行读写操作时遭遇的震动强度；

将变量值Oz传送到第二层能够得到隐层节点的输入为输出为Oj＝1/[1+exp(‑Ij)]，其中j＝1、2、3，、、、，J；ωzj为隐层节点j与输入层节点z之间的权值；θj为隐层节点j的偏置；

将变量值Oj传送到第三层能够得到输出层节点的输入为输出yv＝1/[1+exp(‑Sv)]，其中v＝1、2、3，、、、，V；ωjv为输入层节点v与隐层节点j之间的连接权值；θv为输出层节点v的偏置。

3.根据权利要求2所述的一种基于人工智能的计算机数据安全监测方法，其特征在于：针对输出yv与训练目标之间的均方误差能够表示为其中为β样本数，β＝1、2、3，、、、，γ；tβl为第β个样本的第l个输出单元的目标输出结果，yβl为第β个样本的第l个输出单元的网络运算结果；

设置阈值ε，当输出yv与训练目标之间的均方误差小于阈值ε时，则输出硬盘故障概率为