CN110532301B - 审计方法、***和可读存储介质 - Google Patents
审计方法、***和可读存储介质 Download PDFInfo
- Publication number
- CN110532301B CN110532301B CN201910815693.2A CN201910815693A CN110532301B CN 110532301 B CN110532301 B CN 110532301B CN 201910815693 A CN201910815693 A CN 201910815693A CN 110532301 B CN110532301 B CN 110532301B
- Authority
- CN
- China
- Prior art keywords
- audit
- data
- preset
- numerical value
- audit data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Molecular Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Fuzzy Systems (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种审计方法、***和可读存储介质,所述方法包括:获取审计数据;运用预设的审计模型对所述审计数据进行分析,确定审计结果;所述审计结果,包括以下至少一个:审计目标点和审计错误点;所述审计模型,用于分析所述审计数据,确定所述审计数据中的审计目标点;以及,对所述审计数据进行错误检测,获得审计错误点。通过预先构建的审计模型直接对审计数据进行审计处理,避免了人工计算、提高了工作效率和准确率。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种审计方法、***和可读存储介质。
背景技术
近年来,随着计算机技术和信息化建设的飞速发展,经济管理活动的信息化广度和深度也与时俱进,作为经济活动监督、评价和鉴证的审计,遇到了前所未有的挑战,传统的手工审计已无法适应信息化条件下的审计需求,手工审计会可能会导致误差,效率也比较低。审计对象的信息化和审计自身的发展都要求审计作业方式必须与时俱进,做出相应的调整。
因此,顺应信息化发展趋势,更新审计监督理念,创建更高效、更准确的审计方法是当前信息化的持续在线审计所面临的新课题。
发明内容
为了解决上述至少一个技术问题,本发明提出了一种审计方法、***和可读存储介质。
为了实现上述目的,本发明第一方面提出了一种审计方法,所述方法包括:获取审计数据;
运用预设的审计模型对所述审计数据进行分析,确定审计结果;所述审计结果,包括以下至少一个:审计目标点和审计错误点;
所述审计模型,用于分析所述审计数据,确定所述审计数据中的审计目标点;以及,对所述审计数据进行错误检测,获得审计错误点。
具体地,所述获取审计数据,包括以下至少一种:
向至少一个数据库发送数据采集指令,接收至少一个数据库发送的审计数据;
向至少一个数据库发送访问指令,接收至少一个数据库发送的同意消息后,运用WebService、Http服务方法访问所述至少一个数据库以获取所述审计数据;
向中心数据库发送数据采集指令,接收所述中心数据库发送的审计数据;其中,所述中心数据库,用以周期性从所述至少一个数据库获取所述审计数据;
向所述中心数据库发送访问指令,接收中心数据库发送的同意消息后,运用WebService、Http服务方法访问所述中心数据库以获取所述审计数据。
具体地,所述运用预设的审计模型对所述审计数据进行分析之前,所述方法还包括:按预设规则预处理所述审计数据;
所述按预设规则预处理所述审计数据,包括:
运用语义分析方法分析所述审计数据,确定所述审计数据中包括的数据类型以及各数据类型对应的数值;
判断所述数据类型是否属于预设的所需数据类型,确定所述数据类型属于预设的所需数据类型时,提取所述数据类型及其对应的数值;
判断所述数值是否符合预设的数值类型,确定所述数值符合预设的数值类型,则保留所述数值;确定所述数值不符合预设的数值类型,则对所述数值进行类型转换,以使所述数值按预设的数值类型对应保存。
具体地,所述方法还包括:生成所述审计模型;所述生成所述审计模型,包括:
获取预设的神经网络结构;所述神经网络结构包括至少一个输入节点和至少两个输出节点;
获取样本审计数据及其对应的训练标签;所述训练标签包括:样本审计目标点和样本审计错误点;
运用所述样本审计数据及其对应的训练标签训练所述神经网络结构,获得训练后的神经网络结构,作为所述审计模型。
具体地,所述审计数据的数据类型,包括:财务域业务数据和跨业务域数据;
所述财务域业务数据,包括以下至少一个:日常费用报销、差旅费报销、工程付款、电费支付、薪酬支付等业务数据;
所述跨业务域数据,包括以下至少一个数据:工程项目、工程合同、物资合同、工程概预算、物资出入库单、项目结算报告、营销财务对账、电费应收实收;
所述至少一个输入节点,包括:第一输入节点、第二输入节点和第三输入节点;
所述运用所述样本审计数据及其对应的训练标签训练所述神经网络结构,包括:
将样本财务域业务数据和样本跨业务域数据输入第一输入节点;
将样本财务域业务数据输入第二输入节点;
将样本跨业务域数据输入第三输入节点;
根据所述第一输入节点、第二输入节点和第三输入节点分别接收的数据和所述对应的训练标签训练所述神经网络结构。
具体地,所述按预设规则预处理所述审计数据之后,所述方法还包括:
按下式确定目标审计数据的数值N;
其中,R表示总体价值,BV表示风险系数,TM表示可容忍报错,E表示预期报错,r表示扩张系数,v表示数据重要性;
从所述预处理后的审计数据中选择N个目标审计数据;
相应的,所述运用预设的审计模型对所述审计数据进行分析,包括:
运用预设的审计模型对所述N个目标审计数据进行分析。
本发明第二方面还提出一种审计***,所述审计***包括:存储器及处理器,所述存储器中包括一种审计方法程序,所述审计方法程序被所述处理器执行时实现如下步骤:
获取审计数据;
运用预设的审计模型对所述审计数据进行分析,确定审计结果;所述审计结果,包括以下至少一个:审计目标点和审计错误点;
所述审计模型,用于分析所述审计数据,确定所述审计数据中的审计目标点;以及,对所述审计数据进行错误检测,获得审计错误点。
具体地,所述获取审计数据,包括以下至少一种:
向至少一个数据库发送数据采集指令,接收至少一个数据库发送的审计数据;
向至少一个数据库发送访问指令,接收至少一个数据库发送的同意消息后,运用WebService、Http服务方法访问所述至少一个数据库以获取所述审计数据;
向中心数据库发送数据采集指令,接收所述中心数据库发送的审计数据;其中,所述中心数据库,用以周期性从所述至少一个数据库获取所述审计数据;
向所述中心数据库发送访问指令,接收中心数据库发送的同意消息后,运用WebService、Http服务方法访问所述中心数据库以获取所述审计数据。
具体地,所述运用预设的审计模型对所述审计数据进行分析之前,所述方法还包括:按预设规则预处理所述审计数据;
所述按预设规则预处理所述审计数据,包括:
运用语义分析方法分析所述审计数据,确定所述审计数据中包括的数据类型以及各数据类型对应的数值;
判断所述数据类型是否属于预设的所需数据类型,确定所述数据类型属于预设的所需数据类型时,提取所述数据类型及其对应的数值;
判断所述数值是否符合预设的数值类型,确定所述数值符合预设的数值类型,则保留所述数值;确定所述数值不符合预设的数值类型,则对所述数值进行类型转换,以使所述数值按预设的数值类型对应保存。
本发明第三方面还提出一种计算机可读存储介质,所述计算机可读存储介质中包括一种审计方法程序,所述审计方法程序被处理器执行时,实现如上述的一种审计方法的步骤。
本发明实施例提供了一种审计方法、***和存储介质,获取审计数据;运用预设的审计模型对所述审计数据进行分析,确定审计结果;所述审计结果,包括以下至少一个:审计目标点和审计错误点;所述审计模型,用于分析所述审计数据,确定所述审计数据中的审计目标点;以及,对所述审计数据进行错误检测,获得审计错误点。本方案中,通过预先构建的审计模型直接对审计数据进行审计处理,避免了人工计算、提高了工作效率和准确率。
本发明的附加方面和优点将在下面的描述部分中给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
图1为本发明实施例提供的一种审计方法的流程示意图;
图2为本发明实施例提供的一种审计装置的结构示意图;
图3为本发明实施例提供的一种审计***的结构示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1为本发明实施例提供的一种审计方法的流程示意图;如图1所示,所述方法可以应用于加载由审计***的服务器、计算机等智能电子设备;所述方法包括:
步骤101、获取审计数据。
这里,所述审计数据,包括:财务域业务数据和跨业务域数据。
其中,所述财务域业务数据,包括以下至少一个:日常费用报销、差旅费报销、工程付款、电费支付、薪酬支付等业务数据;
所述跨业务域数据,包括以下至少一个数据:工程项目、工程合同、物资合同、工程概预算、物资出入库单、项目结算报告、营销财务对账、电费应收实收。
具体地,所述获取审计数据,包括以下至少一种:
向至少一个数据库发送数据采集指令,接收至少一个数据库发送的审计数据;
向至少一个数据库发送访问指令,接收至少一个数据库发送的同意消息后,运用WebService、Http服务方法访问所述至少一个数据库以获取所述审计数据;
向中心数据库发送数据采集指令,接收所述中心数据库发送的审计数据;其中,所述中心数据库,用以周期性从所述至少一个数据库获取所述审计数据;
向所述中心数据库发送访问指令,接收中心数据库发送的同意消息后,运用WebService、Http服务方法访问所述中心数据库以获取所述审计数据。
步骤102、运用预设的审计模型对所述审计数据进行分析,确定审计结果;所述审计结果,包括以下至少一个:审计目标点和审计错误点。
这里,所述审计模型,用于分析所述审计数据,确定所述审计数据中的审计目标点;以及,对所述审计数据进行错误检测,获得审计错误点。
为保证审计数据的完整性、一致性、规范性等方面存在问题,在进行数据处理之前需要对数据进行统一。
具体地,所述运用预设的审计模型对所述审计数据进行分析之前,所述方法还包括:按预设规则预处理所述审计数据;
所述按预设规则预处理所述审计数据,包括:
运用语义分析方法分析所述审计数据,确定所述审计数据中包括的数据类型以及各数据类型对应的数值;
判断所述数据类型是否属于预设的所需数据类型,确定所述数据类型属于预设的所需数据类型时,提取所述数据类型及其对应的数值;
判断所述数值是否符合预设的数值类型,确定所述数值符合预设的数值类型,则保留所述数值;确定所述数值不符合预设的数值类型,则对所述数值进行类型转换,以使所述数值按预设的数值类型对应保存。
这里,所述预设的数值类型可以由开发人员预先设定并保存。
所述数值类型,可以包括:Integer(整型)、Long(长整型)、Single(单精度浮点型)、Double(双精度浮点型)和Currency(货币型);为便于进行数据处理,通过预处理可以预先将各数据的数值类型进行统一,以便于计算,提高审计效率。
具体地,所述方法还包括:生成所述审计模型;所述审计模型,遵循审计业务的目标而创建,审计模型的价值在于能达到识别风险、揭示风险、防控风险的审计工作目标,其核心技术是从审计需求出发,依据数据逻辑及业务流向,结合采集的审计数据,构建审计模型。在模型计算下实现大数据分析,帮助审计组确定审计重点和疑点,最终实现审计目标。具体来说,所述生成所述审计模型,包括:
获取预设的神经网络结构;所述神经网络结构包括至少一个输入节点和至少两个输出节点;
获取样本审计数据及其对应的训练标签;所述训练标签包括:样本审计目标点和样本审计错误点;
运用所述样本审计数据及其对应的训练标签训练所述神经网络结构,获得训练后的神经网络结构,作为所述审计模型。
所述样本审计数据及其对应的训练标签由开发人员根据历史审计数据及其审计结果获得。将所述样本审计数据及其对应的训练标签认为一组样本审计数据对。
所述样本审计数据及其对应的训练标签的数量为至少一个,即样本审计数据对的数量为至少一个。将至少一个样本审计数据对划分为训练集和检测集;通过所述训练集中的样本审计数据对训练所述神经网络结构,通过检测集对所述神经网络结构,直至最终获得所述审计模型。
需要说明的是,在生成审计模型之前,要对审计业务需求开展梳理、分析,明确审计监督的领域、监控的指标、管理的要求等内容,从而为模型设计、测试等工作提供依据,具体指确定所需的审计数据和审计目标(审计目标可以作为训练标签)。
具体地,所述审计数据的数据类型,包括以下两大类:财务域业务数据和跨业务域数据;
所述至少一个输入节点,包括:第一输入节点、第二输入节点和第三输入节点;
所述运用所述样本审计数据及其对应的训练标签训练所述神经网络结构,包括:
将样本财务域业务数据和样本跨业务域数据输入第一输入节点;
将样本财务域业务数据输入第二输入节点;
将样本跨业务域数据输入第三输入节点;
根据所述第一输入节点、第二输入节点和第三输入节点分别接收的数据和所述对应的训练标签训练所述神经网络结构。
这里,考虑到上述各项审计数据的高度概括性、模糊性、关联性,即从各自的角度,又从相互关联的角度进行训练。从而可以挖掘存在的数据变动规律及数据关系模式,从而借此发现审计线索,进而加以核实确认以获得相关的审计证据。
具体地,所述确定审计结果之后,所述方法还包括:
确定所述审计错误点后,基于所述审计错误点提供对应的错误解决方案;将所述错误解决方案发送给用户终端。
这里,开发人员根据经验可以预先将各种审计错误点和对应的解决方案设定并保存在服务器中,当确定有审计错误点时,直接提供相应的错误解决方案给用户,以便用户快速解决问题,提高效率。
本实施例中,为提高处理效率,选择部分数据处理。具体地,按预设规则预处理所述审计数据之后,所述方法还包括:
按下式确定目标审计数据的数值N;
其中,R表示总体价值,BV表示风险系数,TM表示可容忍报错,E表示预期报错,r表示扩张系数,v表示数据重要性;
从所述预处理后的审计数据中选择N个目标审计数据;
相应的,所述运用预设的审计模型对所述审计数据进行分析,包括:
运用预设的审计模型对所述N个目标审计数据进行分析。
其中,BV、TM、E、r预先设定并保存;针对不同类型的审计数据TM、E和BV可以不同;其中,所述总体价值,根据所述审计数据进行累计计算确定。所述v的取值可以是0.5至1.5之间的任意数值,具体取值根据审计数据的类型确定,即针对上述日常费用报销、差旅费报销、工程付款、电费支付、薪酬支付等业务数据、工程项目、工程合同、物资合同、工程概预算、物资出入库单、项目结算报告、营销财务对账、电费应收实收,可以取不同的值。审计数据越重要,v的具体取值越高,所需的目标审计数据的数值越多,准确性越高。v具体可以由用户根据自身需求确定。
图2为本发明实施例提供的一种审计装置的结构示意图;如图2所示,所述审计装置,可以包括:第一处理模块和第二处理模块。
其中,所述第一处理模块,用于获取审计数据;
所述第二处理模块,用于运用预设的审计模型对所述审计数据进行分析,确定审计结果;所述审计结果,包括以下至少一个:审计目标点和审计错误点;这里,所述审计模型,用于分析所述审计数据,确定所述审计数据中的审计目标点;以及,对所述审计数据进行错误检测,获得审计错误点。
需要说明的是,上述审计装置在进行审计时,与图1所示的所述审计方法属于统一构思,因此不再赘述。
图3为本发明实施例提供的一种审计***的结构示意图。如图3所示,本发明第二方面还提出一种审计***3,所述审计***3包括:存储器31及处理器32,所述存储器31中包括一种审计方法程序,所述审计方法程序被所述处理器32执行时实现如下步骤:
获取审计数据;
运用预设的审计模型对所述审计数据进行分析,确定审计结果;所述审计结果,包括以下至少一个:审计目标点和审计错误点;
所述审计模型,用于分析所述审计数据,确定所述审计数据中的审计目标点;以及,对所述审计数据进行错误检测,获得审计错误点。
需要说明的是,本发明的***可以在PC、手机、PAD等终端设备中进行操作。
需要说明的是,所述处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
进一步的,获取审计数据,包括以下至少一种:
向至少一个数据库发送数据采集指令,接收至少一个数据库发送的审计数据;
向至少一个数据库发送访问指令,接收至少一个数据库发送的同意消息后,运用WebService、Http服务方法访问所述至少一个数据库以获取所述审计数据;
向中心数据库发送数据采集指令,接收所述中心数据库发送的审计数据;其中,所述中心数据库,用以周期性从所述至少一个数据库获取所述审计数据;
向所述中心数据库发送访问指令,接收中心数据库发送的同意消息后,运用WebService、Http服务方法访问所述中心数据库以获取所述审计数据。
进一步的,运用预设的审计模型对所述审计数据进行分析之前,所述方法还包括:按预设规则预处理所述审计数据;
所述按预设规则预处理所述审计数据,包括:
运用语义分析方法分析所述审计数据,确定所述审计数据中包括的数据类型以及各数据类型对应的数值;
判断所述数据类型是否属于预设的所需数据类型,确定所述数据类型属于预设的所需数据类型时,提取所述数据类型及其对应的数值;
判断所述数值是否符合预设的数值类型,确定所述数值符合预设的数值类型,则保留所述数值;确定所述数值不符合预设的数值类型,则对所述数值进行类型转换,以使所述数值按预设的数值类型对应保存。
进一步的,所述方法还包括:生成所述审计模型;所述生成所述审计模型,包括:
获取预设的神经网络结构;所述神经网络结构包括至少一个输入节点和至少两个输出节点;
获取样本审计数据及其对应的训练标签;所述训练标签包括:样本审计目标点和样本审计错误点;
运用所述样本审计数据及其对应的训练标签训练所述神经网络结构,获得训练后的神经网络结构,作为所述审计模型。
进一步的,所述审计数据的数据类型,包括:财务域业务数据和跨业务域数据;
所述财务域业务数据,包括以下至少一个:日常费用报销、差旅费报销、工程付款、电费支付、薪酬支付等业务数据;
所述跨业务域数据,包括以下至少一个数据:工程项目、工程合同、物资合同、工程概预算、物资出入库单、项目结算报告、营销财务对账、电费应收实收;
所述至少一个输入节点,包括:第一输入节点、第二输入节点和第三输入节点;
所述运用所述样本审计数据及其对应的训练标签训练所述神经网络结构,包括:
将样本财务域业务数据和样本跨业务域数据输入第一输入节点;
将样本财务域业务数据输入第二输入节点;
将样本跨业务域数据输入第三输入节点;
根据所述第一输入节点、第二输入节点和第三输入节点分别接收的数据和所述对应的训练标签训练所述神经网络结构。
进一步的,所述确定审计结果之后,所述方法还包括:
确定所述审计错误点后,基于所述审计错误点提供对应的错误解决方案;将所述错误解决方案发送给用户终端。
进一步的,所述按预设规则预处理所述审计数据之后,所述方法还包括:
按下式确定目标审计数据的数值N;
其中,R表示总体价值,BV表示风险系数,TM表示可容忍报错,E表示预期报错,r表示扩张系数,v表示数据重要性;
从所述预处理后的审计数据中选择N个目标审计数据;
相应的,所述运用预设的审计模型对所述审计数据进行分析,包括:
运用预设的审计模型对所述N个目标审计数据进行分析。
本发明第三方面还提出一种计算机可读存储介质,所述计算机可读存储介质中包括一种审计方法程序,所述审计方法程序被处理器执行时,实现如上述的一种审计方法的步骤。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个***,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (5)
1.一种审计方法,其特征在于,所述方法包括:
获取审计数据;
运用预设的审计模型对所述审计数据进行分析,确定审计结果;所述审计结果,包括以下至少一个:审计目标点和审计错误点;所述审计模型,用于分析所述审计数据,确定所述审计数据中的审计目标点;以及,对所述审计数据进行错误检测,获得审计错误点;
所述运用预设的审计模型对所述审计数据进行分析之前,所述方法还包括:按预设规则预处理所述审计数据;
所述按预设规则预处理所述审计数据,包括:
运用语义分析方法分析所述审计数据,确定所述审计数据中包括的数据类型以及各数据类型对应的数值;
判断所述数据类型是否属于预设的所需数据类型,确定所述数据类型属于预设的所需数据类型时,提取所述数据类型及其对应的数值;
判断所述数值是否符合预设的数值类型,确定所述数值符合预设的数值类型,则保留所述数值;确定所述数值不符合预设的数值类型,则对所述数值进行类型转换,以使所述数值按预设的数值类型对应保存;
所述方法还包括:生成所述审计模型;所述生成所述审计模型,包括:
获取预设的神经网络结构;所述神经网络结构包括至少一个输入节点和至少两个输出节点;
获取样本审计数据及其对应的训练标签;所述训练标签包括:样本审计目标点和样本审计错误点;
运用所述样本审计数据及其对应的训练标签训练所述神经网络结构,获得训练后的神经网络结构,作为所述审计模型;
所述按预设规则预处理所述审计数据之后,所述方法还包括:
按下式确定目标审计数据的数值N;
;
其中,R表示总体价值,BV表示风险系数,TM 表示可容忍报错 ,E表示预期报错 ,r表示扩张系数,v表示数据重要性;
从所述预处理后的审计数据中选择N个目标审计数据;
相应的,所述运用预设的审计模型对所述审计数据进行分析,包括:
运用预设的审计模型对所述N个目标审计数据进行分析。
2.根据权利要求1所述的一种审计方法,其特征在于,所述获取审计数据,包括以下至少一种:
向至少一个数据库发送数据采集指令,接收至少一个数据库发送的审计数据;
向至少一个数据库发送访问指令,接收至少一个数据库发送的同意消息后,运用WebService、Http服务方法访问所述至少一个数据库以获取所述审计数据;
向中心数据库发送数据采集指令,接收所述中心数据库发送的审计数据;其中,所述中心数据库,用以周期性从所述至少一个数据库获取所述审计数据;
向所述中心数据库发送访问指令,接收中心数据库发送的同意消息后,运用WebService、Http服务方法访问所述中心数据库以获取所述审计数据。
3.根据权利要求1所述的一种审计方法,其特征在于,所述审计数据的数据类型,包括:财务域业务数据和跨业务域数据;
所述财务域业务数据,包括以下至少一个:日常费用报销、差旅费报销、工程付款、电费支付、薪酬支付等业务数据;
所述跨业务域数据,包括以下至少一个数据:工程项目、工程合同、物资合同、工程概预算、物资出入库单、项目结算报告、营销财务对账、电费应收实收;
所述至少一个输入节点,包括:第一输入节点、第二输入节点和第三输入节点;
所述运用所述样本审计数据及其对应的训练标签训练所述神经网络结构,包括:
将样本财务域业务数据和样本跨业务域数据输入第一输入节点;
将样本财务域业务数据输入第二输入节点;
将样本跨业务域数据输入第三输入节点;
根据所述第一输入节点、第二输入节点和第三输入节点分别接收的数据和所述对应的训练标签训练所述神经网络结构。
4.一种审计***,其特征在于,所述审计***包括:存储器及处理器,所述存储器中包括一种审计方法程序,所述审计方法程序被所述处理器执行时实现如下步骤:
获取审计数据;
运用预设的审计模型对所述审计数据进行分析,确定审计结果;所述审计结果,包括以下至少一个:审计目标点和审计错误点;所述审计模型,用于分析所述审计数据,确定所述审计数据中的审计目标点;以及,对所述审计数据进行错误检测,获得审计错误点;
所述运用预设的审计模型对所述审计数据进行分析之前,所述方法还包括:按预设规则预处理所述审计数据;
所述按预设规则预处理所述审计数据,包括:
运用语义分析方法分析所述审计数据,确定所述审计数据中包括的数据类型以及各数据类型对应的数值;
判断所述数据类型是否属于预设的所需数据类型,确定所述数据类型属于预设的所需数据类型时,提取所述数据类型及其对应的数值;
判断所述数值是否符合预设的数值类型,确定所述数值符合预设的数值类型,则保留所述数值;确定所述数值不符合预设的数值类型,则对所述数值进行类型转换,以使所述数值按预设的数值类型对应保存;
所述方法还包括:生成所述审计模型;所述生成所述审计模型,包括:
获取预设的神经网络结构;所述神经网络结构包括至少一个输入节点和至少两个输出节点;
获取样本审计数据及其对应的训练标签;所述训练标签包括:样本审计目标点和样本审计错误点;
运用所述样本审计数据及其对应的训练标签训练所述神经网络结构,获得训练后的神经网络结构,作为所述审计模型;
所述按预设规则预处理所述审计数据之后,所述方法还包括:
按下式确定目标审计数据的数值N;
;
其中,R表示总体价值,BV表示风险系数,TM 表示可容忍报错 ,E表示预期报错 ,r表示扩张系数,v表示数据重要性;
从所述预处理后的审计数据中选择N个目标审计数据;
相应的,所述运用预设的审计模型对所述审计数据进行分析,包括:
运用预设的审计模型对所述N个目标审计数据进行分析。
5.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括一种审计方法程序,所述审计方法程序被处理器执行时,实现如权利要求1至3中任一项所述的一种审计方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910815693.2A CN110532301B (zh) | 2019-08-30 | 2019-08-30 | 审计方法、***和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910815693.2A CN110532301B (zh) | 2019-08-30 | 2019-08-30 | 审计方法、***和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110532301A CN110532301A (zh) | 2019-12-03 |
CN110532301B true CN110532301B (zh) | 2023-08-22 |
Family
ID=68665617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910815693.2A Active CN110532301B (zh) | 2019-08-30 | 2019-08-30 | 审计方法、***和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110532301B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111177779B (zh) * | 2019-12-24 | 2023-04-25 | 深圳昂楷科技有限公司 | 数据库审计方法、其装置、电子设备及计算机存储介质 |
CN112465397A (zh) * | 2020-12-15 | 2021-03-09 | 广东电网有限责任公司 | 一种审计数据的分析方法和装置 |
CN112651618A (zh) * | 2020-12-21 | 2021-04-13 | 国家电网有限公司大数据中心 | 用于计量数据在线审计的审计维度模型的构建方法 |
CN112711772B (zh) * | 2020-12-30 | 2024-07-16 | 杭州未名信科科技有限公司 | 一种服务中功能执行时的审计***、方法及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5845285A (en) * | 1997-01-07 | 1998-12-01 | Klein; Laurence C. | Computer system and method of data analysis |
CN106503102A (zh) * | 2016-10-17 | 2017-03-15 | 汉蓝(北京)科技有限公司 | 一种搜索引擎式审计分析方法 |
CN107832429A (zh) * | 2017-11-14 | 2018-03-23 | 广州供电局有限公司 | 审计数据处理方法和*** |
CN108268656A (zh) * | 2018-01-31 | 2018-07-10 | 合肥和钧正策信息技术有限公司 | 一种大数据智能云审计方法及*** |
CN108460521A (zh) * | 2018-02-02 | 2018-08-28 | 广州供电局有限公司 | 审计对象的推荐方法和*** |
CN108959349A (zh) * | 2018-04-23 | 2018-12-07 | 厦门快商通信息技术有限公司 | 一种财务审计询证*** |
-
2019
- 2019-08-30 CN CN201910815693.2A patent/CN110532301B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5845285A (en) * | 1997-01-07 | 1998-12-01 | Klein; Laurence C. | Computer system and method of data analysis |
CN106503102A (zh) * | 2016-10-17 | 2017-03-15 | 汉蓝(北京)科技有限公司 | 一种搜索引擎式审计分析方法 |
CN107832429A (zh) * | 2017-11-14 | 2018-03-23 | 广州供电局有限公司 | 审计数据处理方法和*** |
CN108268656A (zh) * | 2018-01-31 | 2018-07-10 | 合肥和钧正策信息技术有限公司 | 一种大数据智能云审计方法及*** |
CN108460521A (zh) * | 2018-02-02 | 2018-08-28 | 广州供电局有限公司 | 审计对象的推荐方法和*** |
CN108959349A (zh) * | 2018-04-23 | 2018-12-07 | 厦门快商通信息技术有限公司 | 一种财务审计询证*** |
Also Published As
Publication number | Publication date |
---|---|
CN110532301A (zh) | 2019-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110532301B (zh) | 审计方法、***和可读存储介质 | |
CN110442712B (zh) | 风险的确定方法、装置、服务器和文本审理*** | |
CN111881158B (zh) | 一种管理报表数据处理方法、装置、计算机***及可读存储介质 | |
CN113743111A (zh) | 基于文本预训练和多任务学习的金融风险预测方法及装置 | |
Castaño et al. | Exploring the Carbon Footprint of Hugging Face's ML Models: A Repository Mining Study | |
CN112330412A (zh) | 一种产品推荐方法、装置、计算机设备及存储介质 | |
CN110543565A (zh) | 基于卷积神经网络模型的审计方法、***和可读存储介质 | |
CN113762973A (zh) | 数据处理方法、装置、计算机可读介质及电子设备 | |
CN111582645B (zh) | 基于因子分解机的app风险评估方法、装置和电子设备 | |
CN111178701B (zh) | 一种基于特征衍生技术的风险控制方法方法、装置和电子设备 | |
CN113807469A (zh) | 一种多能源用户价值预测方法、装置、存储介质和设备 | |
CN117743601B (zh) | 一种自然资源知识图谱补全方法、装置、设备及介质 | |
CN106022640B (zh) | 电量指数核对***及方法 | |
CN112990989B (zh) | 价值预测模型输入数据生成方法、装置、设备和介质 | |
CN113450158A (zh) | 银行活动信息推送方法及装置 | |
CN107644042B (zh) | 软件程序点击率预估排序方法及服务器 | |
US11568308B2 (en) | Correcting bias in supervised machine learning data | |
CN116843395A (zh) | 一种业务***的告警分级方法、装置、设备及存储介质 | |
CN116664306A (zh) | 风控规则的智能推荐方法、装置、电子设备及介质 | |
CN113052509B (zh) | 模型评估方法、模型评估装置、电子设备和存储介质 | |
CN112712270B (zh) | 信息处理方法、装置、设备及存储介质 | |
CN114912538A (zh) | 信息推送模型训练方法和信息推送方法、装置及设备 | |
CN114066513A (zh) | 一种用户分类的方法和装置 | |
CN113704407A (zh) | 基于类别分析的投诉量分析方法、装置、设备及存储介质 | |
CN110532302B (zh) | 审计方法、***和可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |