知識圖譜下的審計風險點識別

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了知識圖譜下的審計風險點識別范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：傳統(tǒng)審計模式在大數(shù)據(jù)時代已顯疲態(tài)，審計智能化已經(jīng)成為了行業(yè)未來發(fā)展的必然趨勢。審計收費高昂、抽樣審計覆蓋率低以及審計失敗加劇了傳統(tǒng)審計模式面臨的威脅，基于專家先驗知識的知識圖譜可以有效幫助提升審計效率，實現(xiàn)審計智能化與審計風險點全覆蓋。審計數(shù)據(jù)經(jīng)過知識抽取轉(zhuǎn)化成三元組的形式構(gòu)造審計知識圖譜，專家審計經(jīng)驗經(jīng)過量化等處理形成專家審計經(jīng)驗庫，審計知識圖譜通過遍歷專家審計經(jīng)驗庫中的閾值、條件，最終實現(xiàn)審計風險點的識別。

關(guān)鍵詞：知識圖譜；審計；人工智能；大數(shù)據(jù)；審計風險識別

在人力成本日漸高昂的今天，審計行業(yè)仍存在著大量的人力資源輸出，并且在分析處理數(shù)據(jù)方面片面且效率較低，還存在財務舞弊的可能性。為發(fā)揮信息技術(shù)在內(nèi)部審計中的作用，提升審計工作質(zhì)量，拓展審計監(jiān)督深度和廣度，審計技術(shù)亟需一次安全性與實時性上的革命。2012年，谷歌提出知識圖譜并將其用于語義搜索中后，知識圖譜再度引起了關(guān)注，基于知識圖譜的可視化與知識推理可以有效幫助緩解當前審計行業(yè)面臨的困境。知識圖譜的應用使得抽樣審計將成為過去，審計數(shù)據(jù)的全覆蓋可以幫助審計人員降低檢查風險，基于專家審計經(jīng)驗的推理機使審計知識圖譜具備知識推理的能力，并排查所有潛在的審計風險點，并且對審計風險點排查的能力隨著專家審計經(jīng)驗庫的完善而提升，審計人員可以根據(jù)排查出的審計風險點進行有針對性地排查以避免重復性的工作，提升審計工作效率。

一、智能審計近年發(fā)展動態(tài)

智能審計的概念自1994年初次被提出已經(jīng)經(jīng)歷了二十多年的發(fā)展。2019年，學者們研究對比了中外人工智能審計，總結(jié)國內(nèi)外人工智能審計的熱點及趨勢，提出了對人工智能審計的展望[1]；針對圖形化云桌面面臨的安全審計問題，有學者設計并實現(xiàn)一種基于光學字符識別(OpticalCharacterRecognition)技術(shù)的操作行為審計方案，實現(xiàn)在服務器上對用戶操作圖片的采集、識別以及行為審計的相關(guān)工作，無需在遠程云主機上安裝任何Agent軟件，是一種非侵入式的輕量級審計方案，實現(xiàn)了智能審計[2]。通過人工智能的專家系統(tǒng)、神經(jīng)網(wǎng)絡、模糊邏輯等方法，有學者建立了dialing工程審計平臺，實現(xiàn)了更方便、快捷、有效的電力工程審計工作[3]；為了提升審計質(zhì)量與效率，有學者提出了財務共享體系，以及該體系下智能審計的方法設計[4]；人工智能的發(fā)展勢必會給審計行業(yè)帶來一定的沖擊，因此有學者探討了人工智能對審計工作的影響，以及如何正確認識和應用人工智能給審計帶來的影響和發(fā)展[5]。隨著5G、物聯(lián)網(wǎng)、人工智能與區(qū)塊鏈等新興技術(shù)的發(fā)展給智能審計注入了新的生命力，“審計智能+”通過整合這些前沿的新興技術(shù)，保證審計數(shù)據(jù)自產(chǎn)生開始便在線上真實、完整地運行，實現(xiàn)數(shù)據(jù)采集、分析到報告生成全過程自動化，完成智能審計升級。

二、基于知識圖譜的審計智能化

在傳統(tǒng)審計工作中，往往采取業(yè)務驅(qū)動數(shù)據(jù)的模式，限制了審計工作的效率，也不易于發(fā)現(xiàn)隱藏的審計線索。為實現(xiàn)審計平臺的信息化、透明化。將知識圖譜算法體系融入自動化審計中，能夠?qū)徲嫈?shù)據(jù)高效地組織利用，減少了數(shù)據(jù)冗余。同時，知識圖譜的數(shù)據(jù)可視化能力，使得審計數(shù)據(jù)間的關(guān)系也更加形象化，直觀呈現(xiàn)出審計數(shù)據(jù)的知識網(wǎng)絡構(gòu)架。對比傳統(tǒng)數(shù)據(jù)庫的管理能力，知識圖譜通過數(shù)據(jù)挖掘算法與語義引擎進行數(shù)據(jù)結(jié)構(gòu)化儲存，與審計工作的需要更為契合，在未來的審計工作中將發(fā)揮重要作用。

（一）基于神經(jīng)網(wǎng)絡的審計數(shù)據(jù)知識抽取大數(shù)據(jù)時代的海量數(shù)據(jù)背景，對數(shù)據(jù)審計提出了新的要求。由于大量非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)的存在，亟需一種文本挖掘方案，便捷、有效、安全地實現(xiàn)非結(jié)構(gòu)化數(shù)據(jù)的知識抽取。為此，提出了一種基于神經(jīng)網(wǎng)絡的審計數(shù)據(jù)知識抽取方案，能夠提取出數(shù)據(jù)中的實體、屬性、關(guān)系等，并將這些非結(jié)構(gòu)化數(shù)據(jù)以三元組形式關(guān)聯(lián)起來。我們使用selenium爬蟲框架，與requests庫、re庫、BeautifulSoup庫等相結(jié)合，從巨潮資訊自動獲取目標公司的公告。在對原始數(shù)據(jù)收集、清洗、加工、處理及整合后，將數(shù)據(jù)模型化，基于神經(jīng)網(wǎng)絡模型對文本進行深入分析，提煉出有價值的信息。為保證模型準確、可靠，引入google開源的BERT預訓練網(wǎng)絡。BERT模型因其獨特的Masked語言模型和NextSentencePrediction等機制，解決了傳統(tǒng)的word2vec模型無法解決的多義詞表達問題，從而使得該模型訓練出的詞向量可以更加準確地表示出詞語間的語義關(guān)系，可認為是當下自然語言處理領(lǐng)域內(nèi)最先進框架。通過審計數(shù)據(jù)三元組，即<實體（公司名稱，會計師事務所名稱，人員名稱等）-關(guān)系（關(guān)聯(lián)交易、子母公司、職位）-實體>的構(gòu)建，以集中整理分析員對企業(yè)的信用研究，將不同信息之間的內(nèi)在聯(lián)系挖掘出來，幫助審計工作人員形成完整清晰的業(yè)務邏輯，大幅提高研究工作的效率，有望深刻改變策略模型的產(chǎn)生、驗證、優(yōu)化和運用方式，同時提高突發(fā)事件響應速度，提高分析工作的質(zhì)量。

（二）審計數(shù)據(jù)知識圖譜自動生成圖數(shù)據(jù)庫是當前主流高性能NOSQL數(shù)據(jù)庫，將結(jié)構(gòu)化數(shù)據(jù)以知識圖譜的形式進行存儲。該數(shù)據(jù)庫善于處理復雜、互連接、結(jié)構(gòu)化的數(shù)據(jù)，因而應用場景豐富。通過解析審計數(shù)據(jù)構(gòu)建審計數(shù)據(jù)知識圖譜，將審計數(shù)據(jù)表層數(shù)據(jù)關(guān)系和隱含數(shù)據(jù)關(guān)系可視化。數(shù)據(jù)經(jīng)過格式化處理后存入數(shù)據(jù)存儲列表，之后通過匹配、篩選數(shù)據(jù)存儲列表中的格式化數(shù)據(jù)存入關(guān)系圖譜所需的結(jié)點列表以及關(guān)系列表。通過自然語言處理技術(shù)對非結(jié)構(gòu)化數(shù)據(jù)進行實體關(guān)系的抽取，構(gòu)建審計知識圖譜。圖中使用了平安銀行近年的關(guān)聯(lián)交易公告構(gòu)建的平安銀行關(guān)聯(lián)交易知識圖譜（如圖1所示），該知識圖譜清晰且詳細地展示了平安銀行近年來在公告中披露的關(guān)聯(lián)交易，同時，在公告中披露的子母公司關(guān)系也展示在了此知識圖譜中，除子母公司間的關(guān)聯(lián)交易外，平安銀行與其他關(guān)聯(lián)方的關(guān)聯(lián)關(guān)系仍需對的公告和其他公司非結(jié)構(gòu)化數(shù)據(jù)進行進一步處理獲得。

（三）基于知識圖譜和推理機的審計異常識別針對目前人工可疑數(shù)據(jù)排查的片面性，發(fā)揮計算機能處理大量數(shù)據(jù)的能力，以審計規(guī)則構(gòu)建的推理機作為審計工具，達到全面比對、審查數(shù)據(jù)疑點，不斷更新知識圖譜反饋給審計人員，通過這樣的方式逐步提高審計風險預警的正確性。行業(yè)專家的經(jīng)驗可以經(jīng)過量化等處理被轉(zhuǎn)化成計算機可以理解的形式以此來構(gòu)建專家審計經(jīng)驗庫。推理機通過讀取知識圖譜中相關(guān)數(shù)據(jù)進行搜索、匹配以獲取相關(guān)審計規(guī)則需要的數(shù)據(jù)，根據(jù)審計經(jīng)驗的閾值和條件，對審計數(shù)據(jù)進行遍歷并得到最終的判斷結(jié)果，根據(jù)判斷結(jié)果返回審計知識圖譜并進行可疑風險點的標注。同時，根據(jù)審計經(jīng)驗和關(guān)系規(guī)則可以幫助發(fā)現(xiàn)知識圖譜中的隱含，并能夠同時對沖突即異常進行檢測，以實現(xiàn)全面高效的審計，增強審計可疑點的可發(fā)現(xiàn)性。

三、結(jié)語

在大數(shù)據(jù)時代背景下，傳統(tǒng)審計模式暴露的種種弊端表明傳統(tǒng)審計模式亟需一次巨大的變革?；谥R圖譜的審計風險點識別流程通過數(shù)據(jù)獲取、數(shù)據(jù)處理、比對審計規(guī)則庫和最終結(jié)果推演分析幾個層面致力于為專業(yè)注冊會計師大幅度減輕重復工作，一改現(xiàn)今審計工作中可能會遺漏重要風險點的抽查模式，通過全面審查計量分析公司各項經(jīng)營交易，最終推演出潛在風險點。為注冊會計師提供目標，精簡注冊會計師的工作，輔助注冊會計師出具恰當?shù)膶徲媹蟾?。審計人員可以更加直觀地審查可疑審計實體與審計關(guān)系，并將精力著重于篩除企業(yè)財務風險點知識圖譜上的企業(yè)財務風險，節(jié)省大量時間成本并提高了審計效率。隨著國家對上市公司、預上市公司透明度要求的提高。審計工作成了常態(tài)化，人工智能化審計是必然的需求。把握大數(shù)據(jù)時代對智能審計的需求，以各大上市及預上市公司內(nèi)部審計與國家審計機關(guān)為基點，利用知識圖譜能夠處理并展現(xiàn)復雜關(guān)聯(lián)交易的特點對企業(yè)進行全面高效的審計，可以有效規(guī)范企業(yè)行為，促進資本市場的健康發(fā)展。

參考文獻：

[1]武曉芬,田海洋.中外人工智能審計研究熱點及演進知識圖譜比較研究[J].科技管理研究,2019,39(10):185-191.

[2]楊雪婷.基于OCR技術(shù)的云桌面行為智能審計系統(tǒng)實現(xiàn)[D].北京:北京郵電大學,2019.

[3]夏芳芳,王健.審計辦公自動化系統(tǒng)的分析與設計[J].微機發(fā)展,2003(S1):41-43+49.

[3]陳霆,陸明媛,顧群,等.基于人工智能技術(shù)的電力工程審計系統(tǒng)研究[J].電子設計工程,2019,27(16):15-19.

[4]陳燕.財務共享服務模式下企業(yè)內(nèi)部智能審計路徑研究[J].營銷界,2019(38):232-233.

[5]周喬.人工智能時代對審計工作的影響分析[J].納稅,2019,13(27):195.

作者：顧圣杰 王宸 劉涵璐 張恒樂 單位：上海立信會計金融學院序倫書院