知識圖譜下的審計風(fēng)險點(diǎn)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(fēng)險點(diǎn)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(fèi)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(yàn)知識的知識圖譜可以有效幫助提升審計效率，實(shí)現(xiàn)審計智能化與審計風(fēng)險點(diǎn)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(yàn)經(jīng)過量化等處理形成專家審計經(jīng)驗(yàn)庫，審計知識圖譜通過遍歷專家審計經(jīng)驗(yàn)庫中的閾值、條件，最終實(shí)現(xiàn)審計風(fēng)險點(diǎn)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(fēng)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(wù)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(shí)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(dāng)前審計行業(yè)面臨的困境。知識圖譜的應(yīng)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(fēng)險，基于專家審計經(jīng)驗(yàn)的推理機(jī)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(fēng)險點(diǎn)，并且對審計風(fēng)險點(diǎn)排查的能力隨著專家審計經(jīng)驗(yàn)庫的完善而提升，審計人員可以根據(jù)排查出的審計風(fēng)險點(diǎn)進(jìn)行有針對性地排查以避免重復(fù)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(xué)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(diǎn)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(xué)者設(shè)計并實(shí)現(xiàn)一種基于光學(xué)字符識別(OpticalCharacterRecognition)技術(shù)的操作行為審計方案，實(shí)現(xiàn)在服務(wù)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(yuǎn)程云主機(jī)上安裝任何Agent軟件，是一種非侵入式的輕量級審計方案，實(shí)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(luò)、模糊邏輯等方法，有學(xué)者建立了dialing工程審計平臺，實(shí)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(xué)者提出了財務(wù)共享體系，以及該體系下智能審計的方法設(shè)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(xué)者探討了人工智能對審計工作的影響，以及如何正確認(rèn)識和應(yīng)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(shí)、完整地運(yùn)行，實(shí)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(wù)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(shí)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(luò)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(jìn)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(luò)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(shí)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(luò)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(shí)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(biāo)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(luò)模型對文本進(jìn)行深入分析，提煉出有價值的信息。為保證模型準(zhǔn)確、可靠，引入google開源的BERT預(yù)訓(xùn)練網(wǎng)絡(luò)。BERT模型因其獨(dú)特的Masked語言模型和NextSentencePrediction等機(jī)制，解決了傳統(tǒng)的word2vec模型無法解決的多義詞表達(dá)問題，從而使得該模型訓(xùn)練出的詞向量可以更加準(zhǔn)確地表示出詞語間的語義關(guān)系，可認(rèn)為是當(dāng)下自然語言處理領(lǐng)域內(nèi)最先進(jìn)框架。通過審計數(shù)據(jù)三元組，即<實(shí)體（公司名稱，會計師事務(wù)所名稱，人員名稱等）-關(guān)系（關(guān)聯(lián)交易、子母公司、職位）-實(shí)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(wù)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(yàn)證、優(yōu)化和運(yùn)用方式，同時提高突發(fā)事件響應(yīng)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(dāng)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(jìn)行存儲。該數(shù)據(jù)庫善于處理復(fù)雜、互連接、結(jié)構(gòu)化的數(shù)據(jù)，因而應(yīng)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(diǎn)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(jìn)行實(shí)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(xì)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(jìn)行進(jìn)一步處理獲得。

（三）基于知識圖譜和推理機(jī)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(jī)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(jī)作為審計工具，達(dá)到全面比對、審查數(shù)據(jù)疑點(diǎn)，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(fēng)險預(yù)警的正確性。行業(yè)專家的經(jīng)驗(yàn)可以經(jīng)過量化等處理被轉(zhuǎn)化成計算機(jī)可以理解的形式以此來構(gòu)建專家審計經(jīng)驗(yàn)庫。推理機(jī)通過讀取知識圖譜中相關(guān)數(shù)據(jù)進(jìn)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(yàn)的閾值和條件，對審計數(shù)據(jù)進(jìn)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(jìn)行可疑風(fēng)險點(diǎn)的標(biāo)注。同時，根據(jù)審計經(jīng)驗(yàn)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(jìn)行檢測，以實(shí)現(xiàn)全面高效的審計，增強(qiáng)審計可疑點(diǎn)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(fēng)險點(diǎn)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(fù)工作，一改現(xiàn)今審計工作中可能會遺漏重要風(fēng)險點(diǎn)的抽查模式，通過全面審查計量分析公司各項(xiàng)經(jīng)營交易，最終推演出潛在風(fēng)險點(diǎn)。為注冊會計師提供目標(biāo)，精簡注冊會計師的工作，輔助注冊會計師出具恰當(dāng)?shù)膶徲媹蟾?。審計人員可以更加直觀地審查可疑審計實(shí)體與審計關(guān)系，并將精力著重于篩除企業(yè)財務(wù)風(fēng)險點(diǎn)知識圖譜上的企業(yè)財務(wù)風(fēng)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(yù)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(yù)上市公司內(nèi)部審計與國家審計機(jī)關(guān)為基點(diǎn)，利用知識圖譜能夠處理并展現(xiàn)復(fù)雜關(guān)聯(lián)交易的特點(diǎn)對企業(yè)進(jìn)行全面高效的審計，可以有效規(guī)范企業(yè)行為，促進(jìn)資本市場的健康發(fā)展。

參考文獻(xiàn)：

[1]武曉芬,田海洋.中外人工智能審計研究熱點(diǎn)及演進(jìn)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(shí)現(xiàn)[D].北京:北京郵電大學(xué),2019.

[3]夏芳芳,王健.審計辦公自動化系統(tǒng)的分析與設(shè)計[J].微機(jī)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(shè)計工程,2019,27(16):15-19.

[4]陳燕.財務(wù)共享服務(wù)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(xué)院序倫書院