1.一种结合人工智能的共享数据隐私处理方法，其特征在于，该方法包括：接收数据共享任务，进行任务分析，匹配目标共享数据，并确定共享用户和接收用户；

按照预设的隐私级别清单，对所述目标共享数据进行匹配，确定数据隐私级别；

基于人工智能技术，对所述共享用户和所述接收用户进行身份加权分析，确定隐私加权系数；

按照所述隐私加权系数，对所述数据隐私级别进行加权处理，生成加权隐私级别；

按照所述加权隐私级别，对所述目标共享数据进行隐私识别与替换，生成替换共享数据，并传输至接收用户。

2.如权利要求1所述的一种结合人工智能的共享数据隐私处理方法，其特征在于，所述接收数据共享任务，进行任务分析，匹配目标共享数据，并确定共享用户和接收用户包括：接收数据共享任务；

对所述数据共享任务进行分类处理，获取任务目标信息和任务地址信息；

根据所述任务目标信息，匹配目标共享数据；

对所述任务地址信息进行识别，确定共享用户和接收用户。

3.如权利要求1所述的一种结合人工智能的共享数据隐私处理方法，其特征在于，所述按照预设的隐私级别清单，对所述目标共享数据进行匹配，确定数据隐私级别包括：读取隐私级别清单，所述隐私级别清单含有数据项和隐私级别项；所述数据项由二维数据按照预设的生成规则转换得到；

读取目标共享数据，基于数据项的生成规则对所述目标共享数据进行转换，得到转换数据；

根据预设的递增尺寸截取所述转换数据，根据截取到的转换数据遍历隐私级别清单，读取数据隐私级别；

其中，所述生成规则为：

式中，x(n1,n2)为原始数据，X(k1,k2)为转换后的频域数据；N1和N2分别为转换前数据的两个尺寸；式中， 和 为预设的系数，其取值规则为：当k1为0时， 当k1不为0时， 当k2为0时， 当k2不为0时，

4.如权利要求1所述的一种结合人工智能的共享数据隐私处理方法，其特征在于，所述基于人工智能技术，对所述共享用户和所述接收用户进行身份加权分析，确定隐私加权系数包括：获取所述共享用户的共享身份；

获取所述接收用户的接受身份；

基于人工智能技术确定共享身份和接受身份的身份差，基于所述身份差确定隐私加权系数。

5.如权利要求4所述的一种结合人工智能的共享数据隐私处理方法，其特征在于，所述基于人工智能技术确定共享身份和接受身份的身份差，基于所述身份差确定隐私加权系数的步骤包括：基于人工智能技术将共享身份和接受身份转换为职级信息；

根据所述职级信息确定身份差；所述身份差含有符号，所述符号用于表征方向信息；

根据所述身份差确定隐私加权系数。

6.如权利要求1所述的一种结合人工智能的共享数据隐私处理方法，其特征在于，所述按照所述隐私加权系数，对所述数据隐私级别进行加权处理，生成加权隐私级别包括：统计预设时段范围内的所有共享任务的身份差，基于身份差构建频数直方图；所述频数直方图的横坐标为身份差，纵坐标为出现数量；

将所述频数直方图输入训练好的神经网络识别模型，确定不同身份差的隐私加权系数；

根据所述隐私加权系数对目标共享数据的隐私加权级别进行修正，得到加权隐私级别；

其中，不同身份差的隐私加权系数的确定规则为：根据频数直方图计算身份差的均值和方差，根据所述均值和方差确定高斯分布模型，根据所述高斯分布模型确定各个身份差的隐私加权系数；所述隐私加权系数的确定过程为：式中，σ为标准差，μ为均值，g(x)为调节函数，用于将数值映射到工作人员设定的目标区间，f(x)为隐私加权系数。

7.如权利要求3所述的一种结合人工智能的共享数据隐私处理方法，其特征在于，所述按照所述加权隐私级别，对所述目标共享数据进行隐私识别与替换，生成替换共享数据，并传输至接收用户包括：按照所述加权隐私级别确定加密密度，根据所述加密密度在目标共享数据对应的转换数据中标记加密区域；

根据预设的替换规则对加密区域进行区域替换，得到加密数据；

基于生成规则的逆规则对加密数据进行逆转换，得到加密后的替换共享数据；

将所述替换共享数据传输至接收用户；

所述生成规则的逆规则为：

式中，逆变换过程实时采集方阵，N为方阵的尺寸，其他参数的含义与生成规则中含义相同。