1.一种数据传输方法，其特征在于，包括：

获取样本数据，对样本数据进行数据清洗，通过清洗后的样本数据构建数据可信度自动评分模型并对数据可信度自动评分模型进行评估和优化，建立数据可信度自动评分模块；

构建数据可信度评分请求，并由所述数据可信度自动评分模块对所述数据可信度评分请求中的初始信息数据进行风险程度评估；

建立数据可信度自动评分模块方法，包括：

根据所述样本数据预设描述指标库，并对样本数据进行数据清洗，将清洗后所得的符合数据质量要求的良性样本数据转化成可用作模型开发的格式化样本数据；

根据所述格式化样本数据和所述描述指标库，确定若干个用于描述格式化样本数据的风险程度的描述指标；

从所述描述指标中筛选出对格式化样本数据的风险程度影响最显著的指示指标；

根据所述指示指标和格式化样本数据，构建数据可信度自动评分模型；

对所述数据可信度自动评分模型的可靠性进行评估，判断该数据可信度自动评分模型是否可用，并根据判断结果选择拟合度最大的数据可信度自动评分模型作为数据可信度自动评分应用模型；

根据格式化样本数据的风险程度和所述数据可信度自动评分应用模型，确定划分格式化样本数据的风险程度等级，并将所述风险程度等级转化为相应的标准评分等级；

根据数据可信度自动评分应用模型和所述标准评分等级建立数据可信度自动评分模块；

对样本数据进行清洗方法，包括：

对样本数据进行一致性处理，获得一级样本数据；

对一级样本数据进行缺失值判断，并根据一级样本数据的误差量在一级样本数据总量中的误差占比调整一致性处理的取值范围或对一级样本数据进行缺失值处理并获取二级样本数据，根据一级样本数据与二级样本数据的第一差值判断描述指标库的指标范围是否需要调整；

对二级样本数据进行异常值判断，并根据二级样本数据的异常量在二级样本数据总量中的异常占比调整一致性处理的取值范围或对二级样本数据进行缺失值处理并获取三级样本数据，根据二级样本数据与三级样本数据的第二差值的大小判断描述指标库的指标范围是否需要调整；

当比较一级样本数据的误差量在一级样本数据总量中的误差占比与标准误差占比时，预设标准误差占比，比较误差占比与标准误差占比的大小关系，当误差占比≥标准误差占比时，缩小一致性处理的取值范围；

当误差占比<标准误差占比时，对一级样本数据进行缺失值处理并获取二级样本数据，根据一级样本数据与二级样本数据的第一差值的大小判断描述指标库是否需要调整；

当误差占比Q≥标准误差占比Q0，缩小一致性处理的取值范围[m0,n0]时，设置第一调整参数k1,令一致性处理的取值范围缩小为[m1,n1],其中，m1=(1+k1)×m0,n1=(1‑k1)×n0,k1=Q/Q0，当m1

当m1≥n1时，更换缺失值的处理方法，并再次比较误差占比与标准误差占比的大小；

当比较二级样本数据中的异常量在二级样本数据总量中的异常占比与标准异常占比时，预设标准异常占比，比较异常占比和标准异常占比的大小关系，当异常占比≥标准异常占比时，缩小一致性处理的取值范围；

当异常占比<标准异常占比时，对二级样本数据进行缺失值处理，获取三级样本数据并将三级样本数据，根据二级样本数据与三级样本数据的第二差值的大小判断描述指标库的指标范围是否需要调整；

当异常占比P≥标准异常占比P0，缩小一致性处理的取值范围[m0,n0]时，设置第二调整参数k2,令一致性处理的取值范围缩小为[m2,n2],其中，m2=(1+k2)×m0,n1=(1‑k2)×n0,k2=P/P0，当m2

当m2≥n2时，更换异常值的处理方法，并再次比较异常占比与标准异常占比的大小。

2.根据权利要求1所述的数据传输方法，其特征在于，当根据一级样本数据N1与二级样本数据N2的第一差值△N1的大小判断描述指标库的指标范围是否需要调整时，预先设置有第一标准差值，比较第一差值△N1与第一标准差值的大小关系，其中，△N1=N1‑N2,若△N1≧第一标准差值时，认为描述指标库一级合格，不对描述指标库的指标范围进行调整，若△N1<第一标准差值时,认为描述指标库一级不合格，调整描述指标库的指标范围；

当根据二级样本数据N2与三级样本数据N3的第二差值△N2的大小判断描述指标库的指标范围是否需要调整时，预先设置有第二标准差值，比较第二差值△N2与第二标准差值的大小关系，其中，△N2=N2‑N3,若△N2≧第二标准差值时，认为描述指标库二级合格，不对描述指标库的指标范围进行调整，若△N2<第二标准差值时,认为描述指标库二级不合格，调整描述指标库的指标范围。

3.根据权利要求2所述的数据传输方法，其特征在于，对所述数据可信度自动评分模型的可靠性进行评估，包括：统计数据可信度自动评分模型正确分类的训练数据的正确分类量，并根据所述正确分类量占训练数据总量的正确分类百分比，判断所述数据可信度自动评分模型是否可用，并根据判断结果选择拟合度最大的数据可信度自动评分模型作为数据可信度自动评分应用模型时，当正确分类百分比>标准正确分类百分比时，认为数据可信度自动评分模型对训练数据分类的准确分类能力符合标准，当正确分类百分比≦标准正确分类百分比时，认为数据可信度自动评分模型对训练数据分类的准确分类能力不符合标准，数据可信度自动评分模型不可用，构建新数据可信度自动评分模型；

统计数据可信度自动评分模型正确预测属于正确类别的训练数据的正确预测量，并根据所述正确预测量占训练数据总量的正确预测百分比，判断所述数据可信度自动评分模型是否可用,当正确预测百分比>标准正确预测百分比时，认为数据可信度自动评分模型对训练数据分类的预测能力符合标准，当正确预测百分比≦标准正确预测百分比时，数据可信度自动评分模型对训练数据分类的预测能力不符合标准，认为数据可信度自动评分模型不可用，构建新数据可信度自动评分模型；

当数据可信度自动评分模型的所述准确分类能力和所述预测能力同时符合标准时，认为评估结果为合格，将数据可信度自动评分模型作为数据可信度自动评分应用模型，当数据可信度自动评分模型的所述准确分类能力和所述预测能力中至少有一个不符合标准时，认为评估结果为不合格，构建新数据可信度自动评分模型。

4.一种数据传输系统，其数据传输方法根据权利要求1‑3任一所述的数据传输方法，其特征在于，包括：数据读取模块，用于接收系统外部传输的数据可信度评分请求并读取所述数据可信度评分请求中的初始数据信息，将所述初始数据信息传输至数据处理模块；

所述数据处理模块，用于接收初始数据信息，对初始数据信息进行数据清洗并将数据清洗后得到的良性初始数据信息转化为格式化的风险评估数据；

数据可信度自动评分模块，用于构建数据可信度自动评分模型并对数据可信度自动评分模型的可靠性进行评估，将评估结果为合格的数据可信度自动评分模型作为数据可信度自动评分应用模型，接收风险评估数据并对所述风险评估数据的进行风险程度等级进行评估。