CN115952240B - 一种基于区块链的财务数据合规审查方法及装置 - Google Patents
一种基于区块链的财务数据合规审查方法及装置 Download PDFInfo
- Publication number
- CN115952240B CN115952240B CN202310248208.4A CN202310248208A CN115952240B CN 115952240 B CN115952240 B CN 115952240B CN 202310248208 A CN202310248208 A CN 202310248208A CN 115952240 B CN115952240 B CN 115952240B
- Authority
- CN
- China
- Prior art keywords
- financial
- financial data
- compliance
- data
- department
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000008859 change Effects 0.000 claims abstract description 125
- 238000012550 audit Methods 0.000 claims abstract description 66
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 51
- 238000012549 training Methods 0.000 claims abstract description 31
- 230000007246 mechanism Effects 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 37
- 238000012552 review Methods 0.000 claims description 29
- 238000011176 pooling Methods 0.000 claims description 22
- 238000010276 construction Methods 0.000 claims description 21
- 230000000977 initiatory effect Effects 0.000 claims description 16
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 230000004913 activation Effects 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000011478 gradient descent method Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 230000007480 spreading Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 11
- 238000007689 inspection Methods 0.000 description 9
- 238000011835 investigation Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013474 audit trail Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及区块链、合规内控技术领域，公开了一种基于区块链的财务数据合规审查方法及装置，方法包括：构建多部门财务区块链，并基于共识机制对财务变更数据区块进行上链；获取财务变更数据区块的财务数据索引和物理地址，构建查询索引表；在区块链中部署全节点，并利用查询索引表从所有财务数据变更区块中获取目标财务数据；根据目标财务数据生成财务数据勾稽关联立方体模型；构建三维时序卷积神经网络，并在预设训练集上训练得到财务数据合规审查模型；将财务数据勾稽关联立方体模型展开后，输入财务数据合规审查模型，获得目标财务数据的合规审查结果。本发明实现了对不同时间段的动态财务数据进行自动化、高效率和高准确度的合规审查。
Description
技术领域
本发明涉及区块链、内控合规技术领域，尤其涉及一种基于区块链的财务数据合规审查方法及装置。
背景技术
财务合规是企业内控合规的重要环节之一，财务合规对于管控企业运营风险有着十分重要的意义。传统的财务数据合规审查方法通常是对年度财务数据进行合规审查，由于年度财务数据的数据量大，容易导致合规审查时间长，且合规审查结果笼统片面的问题，因此在面对财务数据变更频繁、明细繁多，以及财务数据存在错误变更或者不可信变更的情形，这种基于静态财务数据的传统方法难以对财务数据动态变更过程进行有效监控和合规审查。
为了保障财务数据的有效性，可以采用区块链技术来确保财务明细数据不可篡改不可抵赖。然而，目前通用的区块链技术不支持区块查询索引，需要通过全遍历方式查找区块数据，因此难以面向频繁变动的财务明细数据实现高效链上查询。
发明内容
基于此，本发明旨在解决背景技术中的至少一个技术问题，从而提供一种基于区块链的财务数据合规审查方法及装置。
为解决上述问题，本发明实施例提供了一种基于区块链的财务数据合规审查方法，包括：
构建多部门财务区块链，并基于共识机制对财务变更数据区块进行上链；
获取所述财务变更数据区块的财务数据索引和物理地址，以构建查询索引表；
在所述多部门财务区块链中部署全节点，并利用所述查询索引表从所有所述财务数据变更区块中获取目标财务数据；
根据所述目标财务数据生成财务数据勾稽关联立方体模型；
构建三维时序卷积神经网络，并使所述三维时序卷积神经网络在预设的训练集上训练，得到财务数据合规审查模型；
将所述财务数据勾稽关联立方体模型进行展开后，输入所述财务数据合规审查模型，以得到所述目标财务数据的合规审查结果。
可选地，所述构建三维时序卷积神经网络，并使所述三维时序卷积神经网络在预设的训练集上训练，得到财务数据合规审查模型，包括：
构建包含输入层、三维卷积层、池化层、全连接层和输出层的三维时序卷积神经网络；
获取财务数据样本的勾稽关联立方体模型和合规审查真实标签，并构建训练集；
对所述财务数据样本的勾稽关联立方体模型进行展开，获取不同时间段的多个勾稽关联矩阵；
将多个所述勾稽关联矩阵输入所述三维时序卷积神经网络，通过所述三维时序卷积神经网络提取每个所述勾稽关联矩阵的独立特征和所述勾稽关联矩阵之间的相关性特征，并根据所述独立特征和所述相关性特征获得财务数据样本的审查合规概率值；
根据所述审查合规概率值和所述合规审查真实标签，获得损失函数；
根据所述损失函数获取所述三维时序卷积神经网络中全连接层和输出层之间的梯度；
通过梯度下降法反向传播梯度，优化全连接层和输出层之间的权重参数，得到财务数据合规审查模型。
可选地，所述三维卷积层包含尺寸为3*3的第一卷积核和尺寸为1*10的第二卷积核，所述第一卷积核和第二卷积核的数量均为10，所述池化层包含尺寸为2*2的最大池化核；
所述通过所述三维时序卷积神经网络提取每个所述勾稽关联矩阵的独立特征和所述勾稽关联矩阵之间的相关性特征，并根据所述独立特征和所述相关性特征获得财务数据样本的审查合规概率值，包括：
通过所述三维时序卷积神经网络的输入层获取多个勾稽关联矩阵；
通过所述三维卷积层的第一卷积核对每个所述勾稽关联矩阵进行卷积操作，提取独立特征，并通过所述三维卷积层的第二卷积核对所述勾稽关联矩阵中同一数据元素不同时间段的数值进行卷积操作，提取相关性特征；
通过所述池化层的最大池化核对所述独立特征和所述相关性特征进行降维处理；
通过所述全连接层的ReLU激活函数和Softmax激活函数进行网络参数拟合，并通过所述输出层输出审查合规概率值。
可选地，所述损失函数采用均方差损失函数，具体为：
其中，
为均方差损失函数，/>
为三维时序卷积神经网络输出的审查合规概率值，/>
为合规审查真实标签；
所述全连接层和输出层之间的梯度为：
其中，
为步长，/>
为全连接层输入。
可选地，所述基于共识机制对财务变更数据区块进行上链，包括：
所述多部门财务区块链中的各部门节点检测部门财务数据是否发生变更；
在部门财务数据发生变更时，发生财务数据变更的部门节点生成包含时间戳、哈希摘要、数字签名、财务数据变更内容和财务数据索引的财务变更数据区块，并生成包含所述财务变更数据区块的上链请求；
所述多部门财务区块链接收并响应所述上链请求，对所述财务变更数据区块进行共识，并在共识成功后，新增并存储所述财务变更数据区块。
可选地，所述多部门财务区块链响应所述上链请求，对所述财务变更数据区块进行共识，并在共识完成后，新增并存储所述财务变更数据区块，包括：
将所述多部门财务区块链中发生财务数据变更的部门节点、其他部门节点分别确认为变更发起节点和共识节点；
各所述共识节点获取包含所述财务变更数据区块的上链请求，根据所述财务变更数据区块中的数字签名对所述变更发起节点进行身份验证，并在身份验证通过时对所述变更发起节点进行投票；
所述多部门财务区块链获取投票结果，并在所述投票结果满足预设的共识成功条件时，将所述财务变更数据区块新增到各所述共识节点。
可选地，所述在所述多部门财务区块链中部署全节点，并利用所述查询索引表从所有所述财务数据变更区块中获取目标财务数据，包括：
对所述多部门财务区块链上的所述财务变更数据区块的财务数据索引采用公钥进行非对称加密，并在所述多部门财务区块链中部署存有私钥的全节点；
在所述全节点接收到包含索引信息的合规审查请求时，从所述查询索引表中获取与所述索引信息匹配的财务数据索引，并根据匹配的财务数据索引访问所述财务变更数据区块的物理地址，获取目标财务数据。
可选地，所述根据所述目标财务数据生成财务数据勾稽关联立方体模型，包括：
根据所述目标财务数据中的字段项确定勾稽关联矩阵的行列索引；
获取所述行列索引对应的两两字段项之间的相关性系数；所述相关性系数包含线性相关性系数和皮尔逊相关性系数；
将所述相关性系数填入所述勾稽关联矩阵的行列索引对应位置，以完成勾稽关联矩阵的构建；
获取多个时间片段的所述勾稽关联矩阵，组合得到财务数据勾稽关联立方体模型。
此外，本发明实施例还提供一种基于区块链的财务数据合规审查装置，包括：
区块链构建模块，用于构建多部门财务区块链，并基于共识机制对财务变更数据区块进行上链；
索引表构建模块，用于获取所述财务变更数据区块的财务数据索引和物理地址，以构建查询索引表；
财务数据查询模块，用于在所述多部门财务区块链中部署全节点，并利用所述查询索引表从所有所述财务数据变更区块中获取目标财务数据；
关联模型生成建模块，用于根据所述目标财务数据生成财务数据勾稽关联立方体模型；
合规审查模型构建模块，用于构建三维时序卷积神经网络，并使所述三维时序卷积神经网络在预设的训练集上训练，得到财务数据合规审查模型；
合规审查模块，用于将所述财务数据勾稽关联立方体模型进行展开后，输入所述财务数据合规审查模型，以得到所述目标财务数据的合规审查结果。
可选地，所述合规审查模型构建模块包括：
神经网络构建子模块，用于构建包含输入层、三维卷积层、池化层、全连接层和输出层的三维时序卷积神经网络；
训练集构建子模块，用于获取财务数据样本的勾稽关联立方体模型和合规审查真实标签，并构建训练集；
关联模型处理子模块，用于对所述财务数据样本的勾稽关联立方体模型进行展开，获取不同时间段的多个勾稽关联矩阵；
神经网络训练子模块，用于将多个所述勾稽关联矩阵输入所述三维时序卷积神经网络，通过所述三维时序卷积神经网络提取每个所述勾稽关联矩阵的独立特征和所述勾稽关联矩阵之间的相关性特征，并根据所述独立特征和所述相关性特征获得财务数据样本的审查合规概率值；根据所述审查合规概率值和所述合规审查真实标签，获得损失函数；根据所述损失函数获取所述三维时序卷积神经网络中全连接层和输出层之间的梯度；通过梯度下降法反向传播梯度，优化全连接层和输出层之间的权重参数，得到财务数据合规审查模型。
本发明实施例提供的技术方案可以具有以下有益效果：
1）通过多部门财务区块链动态记录财务数据变动，可以确保财务数据不可篡改不可伪造；
2）通过查询索引表访问链上各部门节点的财务变更数据区块，以获得目标财务数据，可以提升链上财务数据查询溯源效率；
3）通过生成财务数据勾稽关联立方体模型，可以对财务数据中字段项之间的相关性进行表征，从而有利于挖掘不合规的财务数据模式；
4）采用三维时序卷积神经网络结构的财务数据合规审查模型进行合规审查，可以实现对不同时间段的动态财务数据进行自动化、高效率和高准确度的合规审查。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了本发明实施例提供的一种基于区块链的财务数据合规审查方法的流程图；
图2示出了本发明实施例提供的一种基于区块链的财务数据合规审查方法中步骤S50的流程图；
图3示出了本发明实施例提供的一种基于区块链的财务数据合规审查装置的结构示意图；
图4示出了本发明实施例提供的一种基于区块链的财务数据合规审查装置中合规审查模型构建模块的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
如图1所示，本发明实施例所提供的一种基于区块链的财务数据合规审查方法的流程图，该方法包括以下步骤：
S10，构建多部门财务区块链，并基于共识机制对财务变更数据区块进行上链。
在步骤S10中，基于联盟链构建多部门财务区块链，该多部门财务区块链包含多个部门节点，可以表示为
，/>
表示多部门财务区块链的部门节点集合，
表示多部门财务区块链的连接边集合。对于多部门财务区块链中的各部门节点，检查账本中记录的财务数据/>
是否发生新增、修改、删除等变更操作/>
，若发生变更操作，即/>
，则财务数据变更的发起部门节点生成财务变更数据区块/>
并申请上链，并基于Raft协议与链上其他部门节点进行共识
，共识成功后多部门财务区块链新增并存储财务变更数据区块
。
作为优选，所述步骤S10中基于共识机制对财务变更数据区块进行上链，具体包括以下步骤：
S101，所述多部门财务区块链中的各部门节点检测部门财务数据是否发生变更。
S102，在部门财务数据发生变更时，发生财务数据变更的部门节点生成包含时间戳、哈希摘要、数字签名、财务数据变更内容和财务数据索引的财务变更数据区块，并生成包含所述财务变更数据区块的上链请求。
在本实施例中，对于多部门财务区块链中的任一部门节点，若检测到财务数据发生变更，则生成包含时间戳
、哈希摘要/>
、数字签名
、财务数据变更内容/>
、财务数据索引/>
的财务变更数据区块/>
，并生成包含财务变更数据区块/>
的上链请求发送到多部门财务区块链中。其中，时间戳/>
用于记录财务数据变更时间；哈希摘要/>
为采用SHA-1（Secure Hash Algorithm 1，安全散列算法1）对整个财务变更数据区块进行哈希运算后的特征码，用于确保财务变更数据区块未被篡改；数字签名
为采用RSA算法（公钥加密算法）对部门唯一标识采用部门私钥
进行加密的密文标识，可由链上其他部门节点利用公开的公钥/>
解密后，验证生成财务变更数据区块的部门节点（即发生财务数据变更的部门节点）的身份真实性；财务数据变更内容/>
用于记录财务数据变更的全部内容；财务数据索引/>
为财务数据变更内容/>
的关键词。
S103，所述多部门财务区块链接收并响应所述上链请求，对所述财务变更数据区块进行共识，并在共识成功后，新增并存储所述财务变更数据区块。
在本实施例中，所述步骤S103可以包括以下步骤：
S1031，将所述多部门财务区块链中发生财务数据变更的部门节点、其他部门节点分别确认为变更发起节点和共识节点。
S1032，各所述共识节点获取包含所述财务变更数据区块的上链请求，根据所述财务变更数据区块中的数字签名对所述变更发起节点进行身份验证，并在身份验证通过时对所述变更发起节点进行投票。
S1033，所述多部门财务区块链获取投票结果，并在投票结果满足预设的共识成功条件时，将所述财务变更数据区块新增到各所述共识节点。
在步骤S1031中，所述发生财务数据变更的部门节点为生成财务变更数据区块的部门节点或生成上链请求的部门节点。
在步骤S1032中，链上其他部门节点（即共识节点）接收到发生财务数据变更的部门节点（即变更发起节点）的上链请求后，先解析上链请求获取财务变更数据区块，再解析财务变更数据区块获取获得数字签名，接下来，对数字签名利用公开的共钥进行解密，得到变更发起节点的部门唯一标识，最后，将变更发起节点的部门唯一标识与共识节点预先记录的标识信息进行比对，以验证变更发起节点的身份真实性，若比对结果相同，则确定身份验证通过，并为变更发起节点投票，否则确定身份验证失败，不为变更发起节点投票。
在步骤S1033中，多部门财务区块链对投票数量进行统计，获得投票结果，并在检测到投票数量超过一半节点数量时，确定投票结果满足共识成功条件，将财务变更数据区块新增到各共识节点。可理解的，本实施例构建的多部门财务区块链，可以动态记录财务数据变动，确保财务数据的不可篡改不可伪造。
S20，获取所述财务变更数据区块的财务数据索引和物理地址，以构建查询索引表。
在步骤S20中，首先从财务变更数据区块中解析得到财务数据索引，该财务数据索引可以根据财务数据变更内容的关键词进行设置，财务数据变更内容的关键词可以通过现有的关键词提取工具获得。然后，将财务数据索引与财务变更数据区块的物理地址进行关联，并构建查询索引表
，存储到多部门财务区块链的数据库中。可理解的，本实施例通过构建查询索引表，可以解决由于区块链上财务数据明细复杂繁多，所导致的链上财务数据查询效率低的问题。
S30，在所述多部门财务区块链中部署全节点，并利用所述查询索引表从所有所述财务数据变更区块中获取目标财务数据。
在步骤S30中，由于区块链上包含多个部门的财务数据，涉及财务数据可能不具备相关访问权限的问题，因此，对链上财务变更数据区块的财务数据索引
利用公开的公钥/>
进行RSA加密（即非对称加密）/>
，并在区块链中部署拥有私钥/>
的全节点，该拥有私钥/>
的全节点可以解密财务变更数据区块的财务数据索引，进而访问链上所有财务变更数据区块的权限。当进行合规审查时，全节点可以利用查询索引表查询并规整所有财务变更数据区块。
作为优选，所述步骤S30包括以下步骤：
S301，对所述多部门财务区块链上的所述财务变更数据区块的财务数据索引采用公钥进行非对称加密，并在所述多部门财务区块链中部署存有私钥的全节点。
S302，在所述全节点接收到包含索引信息的合规审查请求时，从所述查询索引表中获取与所述索引信息匹配的财务数据索引，并根据匹配的财务数据索引访问所述财务变更数据区块的物理地址，获取目标财务数据。
在本实施例中，多部门财务区块链包含存储财务数据的多个部门节点以及查询并审查财务数据的全节点。全节点接收到包含索引信息的合规审查请求后，先解析合规审查请求获得索引信息，该索引信息可以为关键词，也可以为财务数据索引的索引名；再根据索引信息，从查询索引表索获取相匹配的财务数据索引，标记为目标财务数据索引，最后利用目标财务数据索引访问链上对应部门节点的财务变更数据区块，并从财务变更数据区块解析出财务数据变更内容，作为目标财务数据。
可以理解的是，多部门财务区块链的全节点可以根据合规审查请求访问链上任一部门节点的财务变更数据区块，从而获取至少一组目标财务数据。
S40，根据所述目标财务数据生成财务数据勾稽关联立方体模型。
在步骤S40中，根据从链上各部门节点获取的不可篡改不可伪造的目标财务数据，生成财务数据勾稽关联立方体模型，该财务数据勾稽关联立方体模型由勾稽关联矩阵
的时间序列/>
组成，可以表示为
，其中/>
表示第/>
个时间片段的勾稽关联矩阵，且/>
。对于勾稽关联矩阵，勾稽关联矩阵的行索引和列索引均表示采用数据表格式的目标财务数据中的字段项，行列对应位置的数值表示两两字段项之间的相关性系数，相关性系数包含线性相关性和皮尔逊相关性。
作为优选，所述步骤S40具体包括以下步骤：
S401，根据所述目标财务数据中的字段项确定勾稽关联矩阵的行列索引。
S402，获取所述行列索引对应的两两字段项之间的相关性系数。
S403，将所述相关性系数填入勾稽关联矩阵的行列索引对应位置，以完成勾稽关联矩阵的构建。
S404，获取多个时间片段的勾稽关联矩阵，并按照时间先后顺序组合得到财务数据勾稽关联立方体模型。
在步骤S401中，所述字段项包含但不限于不同企业运营活动的支出和收益等。
在步骤S404中，所述时间片段根据财务数据的变更频率进行设置，且财务数据的变更频率越高，时间片段越短。
进一步地，所述相关性系数包含线性相关性系数和皮尔逊相关性系数，此时，所述步骤S302具体包括以下步骤：
S3021，根据每一行和每一列字段项的数值计算线性相关性系数，该线性相关性系数的计算公式为：
其中，
为第/>
行字段项的数值，/>
为第/>
列字段项的数值，/>
、/>
为常数，
为线性相关性系数。
S3022，根据每一行和每一列字段项的数值，以及每一行和每一列字段项的数值平均值计算皮尔逊相关性系数，该皮尔逊相关性系数的计算公式为：
其中，
、/>
分别为第/>
行和第/>
列字段项的数值，/>
、/>
分别为第/>
行和第/>
列字段项的数值在一段时间/>
内的平均值。
S3023，将所述线性相关性系数和所述皮尔逊相关性系数，确定为所述两两字段项之间的相关性系数。
具体的，在勾稽关联矩阵构建过程中，首先根据所述目标财务数据中的
个字段项确定勾稽关联矩阵的/>
个行索引和/>
个列索引，并初始化/>
勾稽关联矩阵，使勾稽关联矩阵中各元素的数值为预设初始值；然后通过上述线性相关性系数的计算公式和上述皮尔逊相关性系数的计算公式，获得行索引对应的字段项和列索引对应的字段项之间的相关性系数，并将初始化的勾稽关联矩阵中行索引与列索引对应元素的预设初始值替换为该相关性系数；最后在初始化的勾稽关联矩阵中所有元素的数值被替换完成后，得到最终的勾稽关联矩阵。
可以理解的是，在根据合规审查请求获取到多组目标财务数据时，针对各组目标财务数据，可以构建对应的勾稽关联矩阵，并与部门唯一标识进行关联。
S50，构建三维时序卷积神经网络，并使所述三维时序卷积神经网络在预设的训练集上训练，得到财务数据合规审查模型。
在步骤S50中，所述预设的训练集包含财务数据样本的勾稽关联立方体模型和财务数据样本的合规审查真实标签。财务数据样本为链上各部门节点在账本中记录的历史财务数据。财务数据样本的勾稽关联立方体模型可以参照财务数据勾稽关联立方体模型生成过程，具体包括上述步骤S401至步骤S404。财务数据样本的合规审查真实标签通过人工打标方式获得。
需要说明的是，构建财务数据合规审查模型仅需在应用财务数据合规审查模型进行合规审查之前，即步骤S50可以在步骤S10至步骤S40中任一步骤之前执行即可，图1仅为一种可选实施方式的流程图。
作为优选，如图2所示，所述步骤S50具体包括以下步骤：
S501，构建包含输入层、三维卷积层、池化层、全连接层和输出层的三维时序卷积神经网络。
S502，获取财务数据样本的勾稽关联立方体模型和合规审查真实标签，并构建训练集。
S503，对所述财务数据样本的勾稽关联立方体模型进行展开，获取不同时间段的多个勾稽关联矩阵。
S504，将多个所述勾稽关联矩阵输入所述三维时序卷积神经网络，通过所述三维时序卷积神经网络提取每个所述勾稽关联矩阵的独立特征和所述勾稽关联矩阵之间的相关性特征，并根据所述独立特征和所述相关性特征获得财务数据样本的审查合规概率值。
S505，根据所述审查合规概率值和所述合规审查真实标签，获得损失函数；所述损失函数采用均方差损失函数，可以表示为：
其中，
为均方差损失函数，/>
为三维时序卷积神经网络输出的审查合规概率值，/>
为合规审查真实标签。
S506，根据所述损失函数获取所述三维时序卷积神经网络中全连接层和输出层之间的梯度；所述全连接层和输出层之间的梯度，可以表示为：
其中，
为步长，/>
为全连接层输入。
S507，通过梯度下降法反向传播梯度，优化全连接层和输出层之间的权重参数，得到财务数据合规审查模型。
需要说明的是，构建三维时序卷积神经网络和构建训练集可以同时执行，也可以某一步骤优先执行，即步骤S501和步骤S501可以同时执行，也可以任一步骤优于另一步骤优先执行，图2仅为一种可选实施方式的流程图。
进一步地，所述三维卷积层包含尺寸为3*3的第一卷积核和尺寸为1*10的第二卷积核，所述第一卷积核和第二卷积核的数量均为10，所述池化层包含尺寸为2*2的最大池化核，此时，所述步骤S504包括以下步骤：
S5031，通过所述三维时序卷积神经网络的输入层获取多个勾稽关联矩阵。
S5032，通过所述三维卷积层的第一卷积核对每个所述勾稽关联矩阵进行卷积操作，提取独立特征，并通过所述三维卷积层的第二卷积核对所述勾稽关联矩阵中同一数据元素不同时间段的数值进行卷积操作，提取相关性特征。
S5033，通过池化层的最大池化核对独立特征和相关性特征进行降维处理。
S5034，通过全连接层的ReLU激活函数和Softmax激活函数进行网络参数拟合，并通过输出层输出审查合规概率值。
在本实施例中，采用3D时序卷积神经网络结构的财务数据合规审查模型包含输入层、3D卷积层、池化层、全连接层和输出层，其中输入层用于获取勾稽关联立方体模型展开成的若干勾稽关联矩阵；3D卷积层（即三维卷积层）包含两类卷积核，一类卷积核为10个随机生成的3*3尺寸的卷积核，用于对不同时间段的勾稽关联矩阵进行卷积运算，提取独立特征，另一类卷积核为10个随机生成的1*10尺寸的卷积核，用于对勾稽关联矩阵中同一数据元素不同时间段的数值进行卷积运算，提取相关性特征；池化层采用2*2尺寸的最大池化核进行保留显著性特征的降维处理；全连接层包含ReLU激活函数和Softmax激活函数，用于对降维后的特征信息进行处理；输出层用于输出审查合规概率值。可理解的，本实施例采用3D时序卷积神经网络结构的财务数据合规审查模型，可以提取不同时间段的勾稽关联矩阵的独立特征以及勾稽关联矩阵不同时间段的相关性特征，自动挖掘不合规的财务数据模式，进而判断财务数据存在不合规的可能性，实现了对不同时间段的动态财务数据进行自动化、高效率和高准确度的合规审查。
S60，将所述财务数据勾稽关联立方体模型进行展开后，输入所述财务数据合规审查模型，以得到所述目标财务数据的合规审查结果。
具体的，在利用财务数据合规审查模型进行合规审查时，先通过财务数据合规审查模型的输入层获取由财务数据勾稽关联立方体模型展开得到的若干勾稽关联矩阵，再通过3D卷积层提取各勾稽关联矩阵的独立特征和勾稽关联矩阵之间的相关性特征，接下来，通过池化层对独立特征和相关性特征进行降维后，通过全连接层和输出层输出审查合规概率值，从而得到目标财务数据的合规审查结果。
综上所述，本实施例提供的一种基于区块链的财务数据合规审查方法具有以下有益效果：
1）通过多部门财务区块链动态记录财务数据变动，可以确保财务数据不可篡改不可伪造；
2）通过查询索引表访问链上各部门节点的财务变更数据区块，以获得目标财务数据，可以提升链上财务数据查询溯源效率；
3）通过生成财务数据勾稽关联立方体模型，可以对财务数据中字段项之间的相关性进行表征，从而有利于挖掘不合规的财务数据模式；
4）采用三维时序卷积神经网络结构的财务数据合规审查模型进行合规审查，可以实现对不同时间段的动态财务数据进行自动化、高效率和高准确度的合规审查。
此外，如图3所示，本发明实施例还提供一种基于区块链的财务数据合规审查装置，包括：
区块链构建模块110，用于构建多部门财务区块链，并基于共识机制对财务变更数据区块进行上链；
索引表构建模块120，用于获取所述财务变更数据区块的财务数据索引和物理地址，以构建查询索引表；
财务数据查询模块130，用于在所述多部门财务区块链中部署全节点，并利用所述查询索引表从所有所述财务数据变更区块中获取目标财务数据；
关联模型生成模块140，用于根据所述目标财务数据生成财务数据勾稽关联立方体模型；
合规审查模型构建模块150，用于构建三维时序卷积神经网络，并使所述三维时序卷积神经网络在预设的训练集上训练，得到财务数据合规审查模型；
合规审查模块160，用于将所述财务数据勾稽关联立方体模型进行展开后，输入所述财务数据合规审查模型，以得到所述目标财务数据的合规审查结果。
在一些可选实施例中，如图4所示，所述合规审查模型构建模块150包括：
神经网络构建子模块151，用于构建包含输入层、三维卷积层、池化层、全连接层和输出层的三维时序卷积神经网络；
训练集构建子模152，用于获取财务数据样本的勾稽关联立方体模型和合规审查真实标签，并构建训练集；
关联模型处理子模块153，用于对所述财务数据样本的勾稽关联立方体模型进行展开，获取不同时间段的多个勾稽关联矩阵；
神经网络训练子模块154，用于将多个所述勾稽关联矩阵输入所述三维时序卷积神经网络，通过所述三维时序卷积神经网络提取每个所述勾稽关联矩阵的独立特征和所述勾稽关联矩阵之间的相关性特征，并根据所述独立特征和所述相关性特征获得财务数据样本的审查合规概率值；根据所述审查合规概率值和所述合规审查真实标签，获得损失函数；根据所述损失函数获取所述三维时序卷积神经网络中全连接层和输出层之间的梯度；通过梯度下降法反向传播梯度，优化全连接层和输出层之间的权重参数，得到财务数据合规审查模型。
可以理解的是，本实施例提供的一种基于区块链的财务数据合规审查装置用于实现上述实施例的一种区块链的财务数据合规审查方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭示如上，然而并非用以限定本发明，任何本领域技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简介修改、等同变化与修饰，均仍属于本发明技术方案的范围内。
Claims (8)
1.一种基于区块链的财务数据合规审查方法，其特征在于，包括：
构建多部门财务区块链，并基于共识机制对财务变更数据区块进行上链，包括：所述多部门财务区块链中的各部门节点检测部门财务数据是否发生变更；
在部门财务数据发生变更时，发生财务数据变更的部门节点生成包含时间戳、哈希摘要、数字签名、财务数据变更内容和财务数据索引的财务变更数据区块，并生成包含所述财务变更数据区块的上链请求；所述多部门财务区块链接收并响应所述上链请求，对所述财务变更数据区块进行共识，并在共识成功后，新增并存储所述财务变更数据区块；
获取所述财务变更数据区块的财务数据索引和物理地址，以构建查询索引表；
在所述多部门财务区块链中部署全节点，并利用所述查询索引表从所有所述财务数据变更区块中获取目标财务数据；
根据所述目标财务数据生成财务数据勾稽关联立方体模型，包括：根据所述目标财务数据中的字段项确定勾稽关联矩阵的行列索引；获取所述行列索引对应的两两字段项之间的相关性系数，该相关性系数包含线性相关性系数和皮尔逊相关性系数；将所述相关性系数填入所述勾稽关联矩阵的行列索引对应位置，以完成勾稽关联矩阵的构建；获取多个时间片段的所述勾稽关联矩阵，组合得到财务数据勾稽关联立方体模型；
构建三维时序卷积神经网络，并使所述三维时序卷积神经网络在预设的训练集上训练，得到财务数据合规审查模型；
将所述财务数据勾稽关联立方体模型进行展开后，输入所述财务数据合规审查模型，以通过所述财务数据合规审查模型提取每个所述勾稽关联矩阵的独立特征和所述勾稽关联矩阵之间的相关性特征，并根据所述独立特征和所述相关性特征获得所述目标财务数据的合规审查结果。
2.根据权利要求1所述的基于区块链的财务数据合规审查方法，其特征在于，所述构建三维时序卷积神经网络，并使所述三维时序卷积神经网络在预设的训练集上训练，得到财务数据合规审查模型，包括：
构建包含输入层、三维卷积层、池化层、全连接层和输出层的三维时序卷积神经网络；
获取财务数据样本的勾稽关联立方体模型和合规审查真实标签，并构建训练集；
对所述财务数据样本的勾稽关联立方体模型进行展开，获取不同时间段的多个勾稽关联矩阵；
将多个所述勾稽关联矩阵输入所述三维时序卷积神经网络，通过所述三维时序卷积神经网络提取每个所述勾稽关联矩阵的独立特征和所述勾稽关联矩阵之间的相关性特征，并根据所述独立特征和所述相关性特征获得财务数据样本的审查合规概率值；
根据所述审查合规概率值和所述合规审查真实标签，获得损失函数；
根据所述损失函数获取所述三维时序卷积神经网络中全连接层和输出层之间的梯度；
通过梯度下降法反向传播梯度，优化全连接层和输出层之间的权重参数，得到财务数据合规审查模型。
3.根据权利要求2所述的基于区块链的财务数据合规审查方法，其特征在于，所述三维卷积层包含尺寸为3*3的第一卷积核和尺寸为1*10的第二卷积核，所述第一卷积核和第二卷积核的数量均为10，所述池化层包含尺寸为2*2的最大池化核；
所述通过所述三维时序卷积神经网络提取每个所述勾稽关联矩阵的独立特征和所述勾稽关联矩阵之间的相关性特征，并根据所述独立特征和所述相关性特征获得财务数据样本的审查合规概率值，包括：
通过所述三维时序卷积神经网络的输入层获取多个勾稽关联矩阵；
通过所述三维卷积层的第一卷积核对每个所述勾稽关联矩阵进行卷积操作，提取独立特征，并通过所述三维卷积层的第二卷积核对所述勾稽关联矩阵中同一数据元素不同时间段的数值进行卷积操作，提取相关性特征；
通过所述池化层的最大池化核对所述独立特征和所述相关性特征进行降维处理；
通过所述全连接层的ReLU激活函数和Softmax激活函数进行网络参数拟合，并通过所述输出层输出审查合规概率值。
4.根据权利要求2所述的基于区块链的财务数据合规审查方法，其特征在于，所述损失函数采用均方差损失函数，具体为：
其中，
为均方差损失函数，/>
为三维时序卷积神经网络输出的审查合规概率值，/>
为合规审查真实标签；
所述全连接层和输出层之间的梯度为：
其中，
为步长，/>
为全连接层输入。
5.根据权利要求1所述的基于区块链的财务数据合规审查方法，其特征在于，所述多部门财务区块链响应所述上链请求，对所述财务变更数据区块进行共识，并在共识完成后，新增并存储所述财务变更数据区块，包括：
将所述多部门财务区块链中发生财务数据变更的部门节点、其他部门节点分别确认为变更发起节点和共识节点；
各所述共识节点获取包含所述财务变更数据区块的上链请求，根据所述财务变更数据区块中的数字签名对所述变更发起节点进行身份验证，并在身份验证通过时对所述变更发起节点进行投票；
所述多部门财务区块链获取投票结果，并在所述投票结果满足预设的共识成功条件时，将所述财务变更数据区块新增到各所述共识节点。
6.根据权利要求1所述的基于区块链的财务数据合规审查方法，其特征在于，所述在所述多部门财务区块链中部署全节点，并利用所述查询索引表从所有所述财务数据变更区块中获取目标财务数据，包括：
对所述多部门财务区块链上的所述财务变更数据区块的财务数据索引采用公钥进行非对称加密，并在所述多部门财务区块链中部署存有私钥的全节点；
在所述全节点接收到包含索引信息的合规审查请求时，从所述查询索引表中获取与所述索引信息匹配的财务数据索引，并根据匹配的财务数据索引访问所述财务变更数据区块的物理地址，获取目标财务数据。
7.一种基于区块链的财务数据合规审查装置，其特征在于，包括：
区块链构建模块，用于构建多部门财务区块链，并基于共识机制对财务变更数据区块进行上链，包括：所述多部门财务区块链中的各部门节点检测部门财务数据是否发生变更；在部门财务数据发生变更时，发生财务数据变更的部门节点生成包含时间戳、哈希摘要、数字签名、财务数据变更内容和财务数据索引的财务变更数据区块，并生成包含所述财务变更数据区块的上链请求；所述多部门财务区块链接收并响应所述上链请求，对所述财务变更数据区块进行共识，并在共识成功后，新增并存储所述财务变更数据区块；
索引表构建模块，用于获取所述财务变更数据区块的财务数据索引和物理地址，以构建查询索引表；
财务数据查询模块，用于在所述多部门财务区块链中部署全节点，并利用所述查询索引表从所有所述财务数据变更区块中获取目标财务数据；
关联模型生成模块，用于根据所述目标财务数据生成财务数据勾稽关联立方体模型，包括：根据所述目标财务数据中的字段项确定勾稽关联矩阵的行列索引；获取所述行列索引对应的两两字段项之间的相关性系数，该相关性系数包含线性相关性系数和皮尔逊相关性系数；将所述相关性系数填入所述勾稽关联矩阵的行列索引对应位置，以完成勾稽关联矩阵的构建；获取多个时间片段的所述勾稽关联矩阵，组合得到财务数据勾稽关联立方体模型；
合规审查模型构建模块，用于构建三维时序卷积神经网络，并使所述三维时序卷积神经网络在预设的训练集上训练，得到财务数据合规审查模型；
合规审查模块，用于将所述财务数据勾稽关联立方体模型进行展开后，输入所述财务数据合规审查模型，以通过所述财务数据合规审查模型提取每个所述勾稽关联矩阵的独立特征和所述勾稽关联矩阵之间的相关性特征，并根据所述独立特征和所述相关性特征获得所述目标财务数据的合规审查结果。
8.根据权利要求7所述的基于区块链的财务数据合规审查装置，其特征在于，所述合规审查模型构建模块包括：
神经网络构建子模块，用于构建包含输入层、三维卷积层、池化层、全连接层和输出层的三维时序卷积神经网络；
训练集构建子模块，用于获取财务数据样本的勾稽关联立方体模型和合规审查真实标签，并构建训练集；
关联模型处理子模块，用于对所述财务数据样本的勾稽关联立方体模型进行展开，获取不同时间段的多个勾稽关联矩阵；
神经网络训练子模块，用于将多个所述勾稽关联矩阵输入所述三维时序卷积神经网络，通过所述三维时序卷积神经网络提取每个所述勾稽关联矩阵的独立特征和所述勾稽关联矩阵之间的相关性特征，并根据所述独立特征和所述相关性特征获得财务数据样本的审查合规概率值；根据所述审查合规概率值和所述合规审查真实标签，获得损失函数；根据所述损失函数获取所述三维时序卷积神经网络中全连接层和输出层之间的梯度；通过梯度下降法反向传播梯度，优化全连接层和输出层之间的权重参数，得到财务数据合规审查模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310248208.4A CN115952240B (zh) | 2023-03-15 | 2023-03-15 | 一种基于区块链的财务数据合规审查方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310248208.4A CN115952240B (zh) | 2023-03-15 | 2023-03-15 | 一种基于区块链的财务数据合规审查方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115952240A CN115952240A (zh) | 2023-04-11 |
| CN115952240B true CN115952240B (zh) | 2023-06-02 |
Family
ID=85891444
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310248208.4A Active CN115952240B (zh) | 2023-03-15 | 2023-03-15 | 一种基于区块链的财务数据合规审查方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115952240B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115357623A (zh) * | 2022-08-31 | 2022-11-18 | 普联软件股份有限公司 | 一种多维度立方体数据的智能组织方法、***及介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109086325A (zh) * | 2018-06-29 | 2018-12-25 | 阿里巴巴集团控股有限公司 | 基于区块链的数据处理方法和装置 |
| CN108959228A (zh) * | 2018-07-13 | 2018-12-07 | 众安信息技术服务有限公司 | 基于区块链创建、检索、编辑数据的方法及可读存储介质 |
| CN109241192B (zh) * | 2018-09-18 | 2021-06-15 | 百度在线网络技术（北京）有限公司 | 区块链的数据修改及区块验证方法、装置、设备和介质 |
| CN113255496A (zh) * | 2021-05-17 | 2021-08-13 | 杭州西语科技有限公司 | 基于区块链技术的财务费用报销管理方法 |
-
2023
- 2023-03-15 CN CN202310248208.4A patent/CN115952240B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115357623A (zh) * | 2022-08-31 | 2022-11-18 | 普联软件股份有限公司 | 一种多维度立方体数据的智能组织方法、***及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115952240A (zh) | 2023-04-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shen et al. | Privacy-preserving image retrieval for medical IoT systems: A blockchain-based approach | |
| JP5989183B2 (ja) | データの署名生成方法、データの署名検証方法及び管理計算機 | |
| US20160283920A1 (en) | Authentication and verification of digital data utilizing blockchain technology | |
| JP5415795B2 (ja) | 編集文書の保全性を検証する方法及び装置 | |
| Raghavan | Digital forensic research: current state of the art | |
| US11321305B2 (en) | Utilizing independently stored validation keys to enable auditing of instrument measurement data maintained in a blockchain | |
| CN109510737A (zh) | 协议接口测试方法、装置、计算机设备和存储介质 | |
| CN102045356B (zh) | 一种面向云存储的可信存储验证方法和*** | |
| WO2021189908A1 (zh) | 基于深度学习的图像分类方法、装置、服务器及介质 | |
| CN106650495A (zh) | 一种文件验证方法及装置 | |
| CN110033285A (zh) | 房源信息发布方法、装置、设备及计算机可读存储介质 | |
| US11621851B2 (en) | Block chain proof for identification | |
| CN111563243A (zh) | 一种基于微信小程序的可信身份认证平台 | |
| CN104090835A (zh) | 基于eID和谱理论的跨平台虚拟资产交易审计方法 | |
| CN109636553B (zh) | 凭证管理方法、装置、计算机设备及存储介质 | |
| CN110610094A (zh) | 一种基于区块链的高校数据增量治理*** | |
| CN107451459A (zh) | 使用图片验证码进行验证的方法和装置 | |
| CN107171808A (zh) | 一种电子档案真实性的验证方法及装置 | |
| CN111339551A (zh) | 数据的验证方法及相关装置、设备 | |
| CN110753080A (zh) | 区块传输方法、装置、设备及可读存储介质 | |
| CN115952240B (zh) | 一种基于区块链的财务数据合规审查方法及装置 | |
| CN112947911A (zh) | 接口脚本生成方法、装置、设备及存储介质 | |
| CN112348041B (zh) | 日志分类、日志分类训练方法及装置、设备、存储介质 | |
| JP7325318B2 (ja) | 証跡記録システム及びデータ検証方法 | |
| CN111917861A (zh) | 基于区块链和知识图谱的知识存储方法、***及其应用 |
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 |