1.一种基于人工智能与大数据的安全共享通讯方法，其特征在于，包括：

实时监测协同办公平台内通讯双方的通讯内容数据；

若检测到所述通讯内容数据存在待传输的目标敏感信息，则确定所述目标敏感信息对应的目标发送方、目标接收方和敏感等级；

分别获取所述目标发送方和所述目标接收方的目标数据，基于所述目标数据和目标敏感信息利用预设的信任度评分模型获得所述目标发送方和所述目标接收方的目标信任度分数；其中，所述目标数据包括目标行为数据和目标设备安全数据；

基于所述目标发送方和所述目标接收方的目标信任度分数，确定是否传输所述目标敏感信息；

若确定传输所述目标敏感信息，则基于所述敏感等级、所述目标发送方和所述目标接收方的目标信任度分数，对所述目标敏感信息进行分级加密处理并将加密处理后的目标敏感信息传输给所述目标接收方；

所述实时监测协同办公平台内通讯双方的通讯内容数据，包括：分别获取所述通讯双方的岗位角色、所处的网络环境和历史协作情况；对于所述通讯双方中的每一方，将对应的岗位角色、所处的网络环境和历史协作情况进行加权计算，获得对应的第一风险值；将所述通讯双方中最大的第一风险值作为第二风险值；基于所述第二风险值，选择对应的目标监测策略实时监测协同办公平台内通讯双方的通讯内容数据。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第二风险值，选择对应的目标监测策略实时监测协同办公平台内通讯双方的通讯内容数据，包括：若第二风险值大于或等于预设风险阈值，则利用自然语言处理算法实时监测协同办公平台内通讯双方的通讯内容数据；

若所述第二风险值小于预设风险阈值，则利用敏感词匹配法实时监测协同办公平台内通讯双方的通讯内容数据是否出现预设敏感词，在检测到出现所述预设敏感词的情况下，利用自然语言处理算法实时监测协同办公平台内通讯双方的通讯内容数据。

3.根据权利要求1所述的方法，其特征在于，所述信任度评分模型包括发送方评分模型和接收方评分模型；通过以下方式获得所述发送方评分模型：获取多个发送方的第一历史数据；其中，所述第一历史数据包括第一行为数据、第一设备安全数据和第一敏感信息；

基于各个第一历史数据，确定各个第一身份认证方式、第一设备指纹一致性状态、第一IP地理位置异常度、第一敏感操作总次数和第一当日敏感操作次数、敏感信息职责匹配度和第一信任度分数；

将第一身份认证方式、第一设备指纹一致性状态、第一IP地理位置异常度、第一敏感操作总次数和第一当日敏感操作次数、敏感信息职责匹配度作为样本特征，将第一信任度分数作为样本标签，获得各个第一历史数据对应的样本，以获得第一样本数据集；

基于第一样本数据集构建第一随机森林模型，将第一随机森林模型作为发送方评分模型；

和/或，通过以下方式获得所述接收方评分模型：

获取接收方的第二历史数据；其中，第二历史数据包括第二行为数据、第二设备安全数据和第二敏感信息；

基于各个第二历史数据，确定各个第二身份认证方式、第二设备指纹一致性状态、第二IP地理位置异常度、第二敏感操作总次数和第二当日敏感操作次数、敏感信息需求适配度和第二信任度分数；

将第二身份认证方式、第二设备指纹一致性状态、第二IP地理位置异常度、第二敏感操作总次数和第二当日敏感操作次数、敏感信息需求适配度作为样本特征，将第二信任度分数作为样本标签，获得各个第二历史数据对应的样本，以获得第二样本数据集；

基于第二样本数据集构建第二随机森林模型，将第二随机森林模型作为接收方评分模型。

4.根据权利要求3所述的方法，其特征在于，所述基于第一样本数据集构建第一随机森林模型，包括：从所述第一样本数据集中随机抽取多个样本，并重复多次获得第一样本子集；

分别利用各个第一样本子集构建对应的第一决策树：

在第一决策树的各个节点处，从第一样本子集中随机选取多种特征作为第一候选特征集，分别计算第一候选特征集中各种特征的疑似分裂点的信息增益，以及对于每个第一决策树，将各个节点处信息增益最大的疑似分裂点作为对应节点的最佳分裂点，将所述最佳分裂点对应的特征作为最佳分裂特征，将对应第一样本子集中内样本标签的中位数作为叶节点的预测值，以及基于各个第一样本子集内各个样本的数据复杂度，自适应调整各个第一决策树的最大深度，以完成各个第一决策树的构建；

将构建完成的所有第一决策树作为第一随机森林模型。

5.根据权利要求3或4所述的方法，其特征在于，所述基于所述目标数据和目标敏感信息利用预设的信任度评分模型获得所述目标发送方和所述目标接收方的目标信任度分数，包括：基于所述目标发送方的目标行为数据，确定目标发送方的目标敏感操作总次数和目标当日敏感操作次数，以及基于目标发送方的目标设备安全数据，确定目标发送方的目标身份认证方式、目标设备指纹一致性状态和目标IP地理位置异常度，以及基于目标敏感信息确定目标发送方的目标敏感信息职责匹配度；

将所述目标发送方的目标敏感操作总次数和目标当日敏感操作次数、目标身份认证方式、目标设备指纹一致性状态、目标IP地理位置异常度、目标敏感信息职责匹配度输入到发送方评分模型，获得所述目标发送方的目标信任度分数；

基于所述目标接收方的目标行为数据，确定接收方的目标敏感操作总次数和目标当日敏感操作次数，以及基于目标接收方的目标设备安全数据，确定目标接收方的目标身份认证方式、目标设备指纹一致性状态和目标IP地理位置异常度，以及基于目标敏感信息确定所述目标接收方的目标敏感信息需求适配度；

将所述目标接收方的目标敏感操作总次数和目标当日敏感操作次数、目标身份认证方式、目标设备指纹一致性状态、目标IP地理位置异常度、目标敏感信息需求适配度输入到接收方评分模型，获得所述目标接收方的信任度分数。

6.根据权利要求1所述的方法，其特征在于，所述基于所述目标发送方和所述目标接收方的目标信任度分数，确定是否传输所述目标敏感信息，包括：若所述目标发送方的信任度分数或所述目标接收方的信任度分数小于预设信任度阈值，则确定禁止传输所述目标敏感信息；

若所述目标发送方的信任度分数和所述目标接收方的信任度分数均大于或等于预设信任度阈值，则确定传输所述目标敏感信息。

7.根据权利要求1或6所述的方法，其特征在于，所述基于所述敏感等级、所述目标发送方和所述目标接收方的目标信任度分数，对所述目标敏感信息进行分级加密处理，包括：基于所述目标发送方和所述目标接收方的信任度分数，计算双向信任度差值；

利用所述双向信任度差值和敏感等级在预设的加密策略表中执行查表操作，查找出所述双向信任度差值和敏感等级共同对应的加密等级；其中，所述加密策略表中存储有双向信任度差值和敏感等级共同与加密等级之间的对应关系；

基于查找出的加密等级对所述目标敏感信息进行加密处理。