1.一种基于互联网云端的远程监控方法，其特征在于，基于互联网云端且包含电子数字数据处理，计算机和监控方面的远程监控方法；

包括数据收集模块，数据预处理模块、综合评估调整模块和反馈与优化模块；

具体实现步骤如下：

利用数据收集模块，从互联网云端平台的数据源中远程并实时收集监控数据；

利用数据预处理模块，对监控数据进行预处理并输出融合预处理指数RC，所述数据预处理模块包括有多源数据融合与预处理单元；

基于融合预处理指数RC，并利用综合评估调整模块，综合评估监控系统的风险水平以及自动调整监控策略，所述综合评估调整模块包括有高级异常检测与风险评估单元和自适应监控策略调整单元；

所述反馈与优化模块将监控结果反馈到数据预处理模块和综合评估调整模块，达到系统的持续优化。

2.根据权利要求1所述的一种基于互联网云端的远程监控方法，其特征在于，所述数据收集模块所使用到的设备包括有传感器、摄像头和网络爬虫；

所述数据预处理模块、所述综合评估调整模块和所述反馈与优化模块所使用到的设备均包括有服务器和云计算平台。

3.根据权利要求2所述的一种基于互联网云端的远程监控方法，其特征在于：所述多源数据融合与预处理单元的计算公式如下：；

其中：

RC为融合预处理指数；

m为数据源总数；

SZi为第i个数据源重要性评分；

SYi为第i个数据源噪声强度；

ai为第i个数据源加权因子；

b为自然底数；

CYF为冗余检测得分，CYF衡量数据集中重复及冗余信息的程度；

c为衰减因子，c控制冗余检测得分CYF对融合预处理指数RC的影响速度。

4.根据权利要求3所述的一种基于互联网云端的远程监控方法，其特征在于：所述高级异常检测与风险评估单元的计算公式如下：GF=RC*[（ZP/SF）+e*log（1+YZ）]；

其中：

GF为高级风险指数；

ZP为中位数绝对偏差，ZP衡量了数据分布的离散程度；

SF为四分位距，SF反映了数据中间50%的分散程度；

YZ为异常值数量；

e为异常敏感度因子，e控制异常值数量YZ对高级风险指数GF的影响。

5.根据权利要求4所述的一种基于互联网云端的远程监控方法，其特征在于：所述自适应监控策略调整单元的计算公式如下：ZS=（GF*XY）/[GF+（XY*WY）]；

其中：

ZS为自适应策略指数；

XY为响应时间因子，XY表示系统从检测到异常到执行调整策略所需时间的倒数，即响应速度；

WY为稳定性因子，WY根据系统历史表现及外部条件评估系统的稳定性，稳定性越高，调整概率越低。

6.根据权利要求5所述的一种基于互联网云端的远程监控方法，其特征在于：当所述自适应策略指数ZS表明系统需要更快速的响应，即高级风险指数GF高且响应时间因子XY小时，系统调整响应时间因子XY，包括优化算法和增加计算资源，以缩短响应时间，同时，系统根据自适应策略指数ZS的结果，重新评估各个数据源的重要性，即第i个数据源重要性评分SZi，由于融合预处理指数RC的计算依赖于第i个数据源重要性评分SZi、第i个数据源噪声强度SYi和冗余检测得分CYF，上述的数值均受到系统调整的影响，进而影响下一次的融合预处理指数RC计算。

7.根据权利要求6所述的一种基于互联网云端的远程监控方法，其特征在于：所述自适应策略指数ZS表明系统需要更快速的响应，即高级风险指数GF高且响应时间因子XY小时，系统调整响应时间因子XY，以缩短响应时间之外的处理方法如下：S1、增加监控数据的采集频率，及时捕捉系统状态的变化；

S2、针对当前的风险状况，调整及优化异常检测算法的参数和阈值；

S3、在检测到高风险事件时，提前触发预警机制，通知相关人员做好应对准备；

S4、根据自适应策略指数ZS的结果，重新评估各个数据源的重要性和可靠性；

S5、若系统架构本身存在瓶颈及不足，导致响应速度受限，当系统架构进行优化及升级；

S6、增加系统日志的详细程度和审计力度，在风险事件发生后迅速定位问题原因，并采取相应的补救措施；

S7、针对可能发生的高风险事件，提前制定详细的应急预案和操作流程。

8.根据权利要求4所述的一种基于互联网云端的远程监控方法，其特征在于：所述中位数绝对偏差ZP的计算公式如下：；

ZWS为中位数，Xi为数据集中每个数值，ZWS（X）为数据集中中位数。

9.根据权利要求4所述的一种基于互联网云端的远程监控方法，其特征在于：所述四分位距SF的计算公式如下：SF=F3‑F1；

F3为第三四分位数，即75%分位数，位于排序后数据集的75%位置；

F1为第一四分位，即25%分位数，位于排序后数据集的25%位置；

利用所述数据预处理模块，将数据集排序，并根据数据点的位置来确定第三四分位数F3和第一四分位F1。