李云香 周成軒 張鋮怡 余建波 楊林

[摘要]本文針對(duì)審計(jì)信息化、智能化提升的要求，基于數(shù)據(jù)挖掘技術(shù)和深度學(xué)習(xí)算法設(shè)計(jì)智慧審計(jì)框架，開(kāi)發(fā)智慧審計(jì)平臺(tái)，闡述如何將創(chuàng)新的深度學(xué)習(xí)方法運(yùn)用于審計(jì)過(guò)程，解決項(xiàng)目審計(jì)過(guò)程的數(shù)據(jù)集合與整理、多源異構(gòu)數(shù)據(jù)特征提取、項(xiàng)目異常識(shí)別及項(xiàng)目異常分析等關(guān)鍵性問(wèn)題。

[關(guān)鍵詞]智慧審計(jì) ? ?大數(shù)據(jù) ? ?深度學(xué)習(xí) ? ?多源異構(gòu)數(shù)據(jù)

內(nèi)部審計(jì)在企業(yè)中承擔(dān)著監(jiān)督管理的重要職責(zé)，其高效開(kāi)展與企業(yè)健康發(fā)展緊密相連。隨著互聯(lián)網(wǎng)信息技術(shù)的發(fā)展和企業(yè)數(shù)字化轉(zhuǎn)型步伐的加快，內(nèi)部審計(jì)必然要面對(duì)更多紛繁復(fù)雜的異構(gòu)多源數(shù)據(jù)。在此背景下，傳統(tǒng)審計(jì)模式已無(wú)法滿(mǎn)足要求。綜合運(yùn)用網(wǎng)絡(luò)爬蟲(chóng)、可視化分析、循環(huán)神經(jīng)網(wǎng)絡(luò)、自然語(yǔ)言處理、卷積神經(jīng)網(wǎng)絡(luò)圖像處理等深度學(xué)習(xí)技術(shù)，構(gòu)建智慧審計(jì)系統(tǒng)，打通管理、資產(chǎn)、業(yè)務(wù)等不同領(lǐng)域的信息壁壘和數(shù)據(jù)壁壘，快速、準(zhǔn)確地對(duì)審計(jì)發(fā)現(xiàn)問(wèn)題進(jìn)行定位和描述，完成審計(jì)業(yè)務(wù)的大部分基礎(chǔ)性工作，提升業(yè)務(wù)流程速度，同時(shí)減少審計(jì)人員的機(jī)械勞動(dòng)時(shí)間，已成大勢(shì)所趨。

一、文獻(xiàn)綜述

（一）大數(shù)據(jù)環(huán)境下的智慧審計(jì)

大數(shù)據(jù)、云計(jì)算是新時(shí)代的一種嶄新的計(jì)算模式，它集計(jì)算機(jī)技術(shù)與網(wǎng)絡(luò)技術(shù)為一體，運(yùn)用網(wǎng)絡(luò)存儲(chǔ)、網(wǎng)絡(luò)計(jì)算、負(fù)載平衡、分布式處理等技術(shù)將大量虛擬化計(jì)算機(jī)技術(shù)運(yùn)用到計(jì)算機(jī)系統(tǒng)中，實(shí)現(xiàn)計(jì)算機(jī)資源的遠(yuǎn)程配置，供遠(yuǎn)程用戶(hù)獲取信息資源。大數(shù)據(jù)是傳統(tǒng)數(shù)據(jù)庫(kù)軟件在數(shù)據(jù)采集、管理和分析能力之外的數(shù)據(jù)集合，數(shù)據(jù)量較大，數(shù)據(jù)流動(dòng)較快，且包含多種類(lèi)型數(shù)據(jù)。云計(jì)算與大數(shù)據(jù)關(guān)系密不可分，如圖1所示。

隨著國(guó)家大數(shù)據(jù)戰(zhàn)略的實(shí)施，基于大數(shù)據(jù)的智慧企業(yè)快速發(fā)展。在大數(shù)據(jù)環(huán)境下，企業(yè)的數(shù)據(jù)管理模式也隨之改變。有了云計(jì)算的支撐，企業(yè)就能從海量動(dòng)態(tài)、多元化數(shù)據(jù)中快速獲取有用信息，從而提高決策能力。大數(shù)據(jù)具有價(jià)值高的特性，海量數(shù)據(jù)可以通過(guò)新型數(shù)據(jù)處理模式進(jìn)行高效轉(zhuǎn)換與利用。大數(shù)據(jù)主要技術(shù)涵蓋采集、預(yù)處理、存儲(chǔ)與管理、分析與挖掘、展現(xiàn)與應(yīng)用五大技術(shù)層面。

為適應(yīng)審計(jì)工作新要求，智慧審計(jì)的概念被相關(guān)學(xué)者提出。將大數(shù)據(jù)運(yùn)用于審計(jì)工作，可以為審計(jì)過(guò)程提供多樣化的數(shù)據(jù)分析，審計(jì)人員可以從復(fù)雜數(shù)據(jù)中獲取深層信息，迅速發(fā)現(xiàn)異常數(shù)據(jù)和審計(jì)疑點(diǎn)，為審計(jì)工作帶來(lái)不可估量的增值。智慧審計(jì)以被審計(jì)單位計(jì)算機(jī)信息系統(tǒng)和底層數(shù)據(jù)庫(kù)原始數(shù)據(jù)為切入點(diǎn)，首先對(duì)信息系統(tǒng)進(jìn)行檢查測(cè)評(píng)，再通過(guò)對(duì)底層數(shù)據(jù)的采集、轉(zhuǎn)換、清理、驗(yàn)證，運(yùn)用查詢(xún)分析、多維分析、數(shù)據(jù)挖掘等多種技術(shù)方法構(gòu)建模型并進(jìn)行數(shù)據(jù)分析，發(fā)現(xiàn)趨勢(shì)、異常和錯(cuò)誤，把握總體、突出重點(diǎn)、精確延伸，從而收集審計(jì)證據(jù)，實(shí)現(xiàn)審計(jì)目標(biāo)。

大數(shù)據(jù)環(huán)境下的智慧審計(jì)，關(guān)鍵在于數(shù)據(jù)獲取，數(shù)據(jù)的質(zhì)量和數(shù)量最為重要。多方數(shù)據(jù)采集是從數(shù)據(jù)中挖掘隱藏信息的有效前提，由于大數(shù)據(jù)技術(shù)的進(jìn)步，大數(shù)據(jù)的數(shù)據(jù)來(lái)源已經(jīng)得到一定程度的優(yōu)化，如何進(jìn)一步實(shí)現(xiàn)跨專(zhuān)業(yè)、跨地域、跨類(lèi)型的全量數(shù)據(jù)采集、分析與應(yīng)用，是審計(jì)工作的重大創(chuàng)新點(diǎn)。目前，國(guó)內(nèi)對(duì)智慧審計(jì)的研究還處于起步階段，大數(shù)據(jù)在審計(jì)中的應(yīng)用包括審計(jì)取證模式研究、全流程風(fēng)險(xiǎn)防范、證據(jù)獲取和檢驗(yàn)等。孫玥璠和宋迪（2015）以政府審計(jì)中的高?；üこ探Y(jié)算審計(jì)為例，在大數(shù)據(jù)環(huán)境下構(gòu)建了基于孤立點(diǎn)分析的審計(jì)抽樣模型。呂勁松和王忠針（2014）對(duì)國(guó)家審計(jì)中的金融審計(jì)構(gòu)建數(shù)據(jù)分析平臺(tái)，從整個(gè)平臺(tái)的建設(shè)過(guò)程、主要功能、主要特點(diǎn)進(jìn)行了詳細(xì)說(shuō)明。張玉嶺（2019）基于深度學(xué)習(xí)構(gòu)建了智能審計(jì)模型，采用自動(dòng)編碼原理提取內(nèi)部審計(jì)非結(jié)構(gòu)化數(shù)據(jù)的深層特征，并開(kāi)展審計(jì)數(shù)據(jù)與比較基準(zhǔn)數(shù)據(jù)之間的對(duì)比分析。馬志娟和梁思源（2018）通過(guò)對(duì)大數(shù)據(jù)給政府責(zé)任審計(jì)監(jiān)督全覆蓋帶來(lái)的影響及現(xiàn)有的發(fā)展困境進(jìn)行分析，提出了大數(shù)據(jù)背景下政府環(huán)境責(zé)任審計(jì)的實(shí)施路徑?；诖髷?shù)據(jù)的智慧審計(jì)在財(cái)政、金融、電信、保險(xiǎn)等具有海量數(shù)據(jù)的行業(yè)展現(xiàn)出極強(qiáng)的生命力和效能，并逐步在財(cái)政審計(jì)、工程審計(jì)、民生專(zhuān)項(xiàng)資金和社保資金審計(jì)等方面獲得了較高的關(guān)注度。

（二）深度學(xué)習(xí)的演變與發(fā)展

隨著互聯(lián)網(wǎng)的發(fā)展，大數(shù)據(jù)、云計(jì)算等技術(shù)被廣泛應(yīng)用于各個(gè)領(lǐng)域，其背后的“大腦”——人工智能技術(shù)的普及，引發(fā)了一系列顛覆性的科技革命和產(chǎn)業(yè)變革，推動(dòng)了經(jīng)濟(jì)和新興產(chǎn)業(yè)的發(fā)展。當(dāng)前，人工智能的作用主要在于信息收集、分析與開(kāi)展決策。大數(shù)據(jù)為人工智能的發(fā)展帶來(lái)了難得的契機(jī)，人工智能的核心思想是在海量數(shù)據(jù)的基礎(chǔ)上不斷更新參數(shù)以?xún)?yōu)化決策，大數(shù)據(jù)技術(shù)能為人工智能開(kāi)展學(xué)習(xí)帶來(lái)豐富的素材。云計(jì)算技術(shù)是人工智能的另一個(gè)重要支撐，云計(jì)算相關(guān)技術(shù)的發(fā)展使人工智能成為一個(gè)能獨(dú)立思考的“大腦”。

人工智能的分支學(xué)科包括機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、認(rèn)知分析和自動(dòng)機(jī)器人程序等。深度學(xué)習(xí)（Deep Learning）的概念由Hinton等人于2006年提出，其已經(jīng)成為人工智能的研究熱點(diǎn)之一，并在許多應(yīng)用中取得了巨大成功。深度學(xué)習(xí)不僅比淺層神經(jīng)網(wǎng)絡(luò)擁有更復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)，而且在特征學(xué)習(xí)、模型構(gòu)建和模型訓(xùn)練等方面也明顯優(yōu)于淺層神經(jīng)網(wǎng)絡(luò)。基于深度學(xué)習(xí)的人工智能技術(shù)能夠吸收環(huán)境中的知識(shí)和經(jīng)驗(yàn)，并從中學(xué)習(xí)隱藏的信息，從而提高決策能力。經(jīng)典的深度神經(jīng)網(wǎng)絡(luò)包括卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，簡(jiǎn)稱(chēng)CNN）、深度置信網(wǎng)絡(luò)（Deep Belief Betwork，簡(jiǎn)稱(chēng)DBN）、堆棧自編碼器（Stacked AutoEncoder，簡(jiǎn)稱(chēng)SAE）、循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，簡(jiǎn)稱(chēng)RNN）等，此外還有深度殘差學(xué)習(xí)、長(zhǎng)短期記憶網(wǎng)絡(luò)（Long Short-Term Memory，簡(jiǎn)稱(chēng)LSTM）等已經(jīng)應(yīng)用在知識(shí)發(fā)現(xiàn)、模式識(shí)別、信息生成、趨勢(shì)預(yù)測(cè)、異常探測(cè)等領(lǐng)域。這些網(wǎng)絡(luò)呈現(xiàn)多層級(jí)聯(lián)的結(jié)構(gòu)，可以從復(fù)雜的數(shù)據(jù)中提取有助于判斷的特征信息。

目前，國(guó)內(nèi)外學(xué)者已經(jīng)對(duì)深度學(xué)習(xí)及其應(yīng)用有了相當(dāng)客觀的研究成果。國(guó)內(nèi)方面，趙旻昊（2013）將深度學(xué)習(xí)算法與數(shù)據(jù)融合技術(shù)相結(jié)合，構(gòu)建了可應(yīng)用于浮式儲(chǔ)油卸油裝置（Floating Production Storage and Offloading，簡(jiǎn)稱(chēng)FPSO）系統(tǒng)的深度學(xué)習(xí)網(wǎng)絡(luò)模型，驗(yàn)證了該技術(shù)在FPSO預(yù)警功能方面具有很高的效率和準(zhǔn)確性，可以應(yīng)用到風(fēng)險(xiǎn)預(yù)警領(lǐng)域。江舒宇分階段討論了人工智能在審計(jì)工作中的應(yīng)用前景、應(yīng)用流程等問(wèn)題，并且指出人工智能在審計(jì)中面臨的困難。國(guó)外方面，Lee和Kwon（2017）采用一種新的CNN網(wǎng)絡(luò)，它比現(xiàn)有的用于高光譜圖像分類(lèi)的深度網(wǎng)絡(luò)更深更廣，可以通過(guò)聯(lián)合利用相鄰單個(gè)像素矢量的局部空間光譜關(guān)系最佳地探索局部信息。Tang（2018）等人提出了一種數(shù)據(jù)驅(qū)動(dòng)的故障檢測(cè)方法，該方法將DBN與多元靜態(tài)相結(jié)合，以應(yīng)對(duì)非線(xiàn)性問(wèn)題。Park和Yun（2018）提出了一種基于RNN的編碼—解碼器的快速自適應(yīng)異常檢測(cè)模型。綜上所述，國(guó)內(nèi)外對(duì)于深度學(xué)習(xí)網(wǎng)絡(luò)的研究已從多個(gè)方向有所發(fā)展，深度學(xué)習(xí)網(wǎng)絡(luò)的實(shí)際應(yīng)用也取得不錯(cuò)效果。

二、基于深度學(xué)習(xí)的智慧審計(jì)體系結(jié)構(gòu)

（一）基于深度學(xué)習(xí)的智慧審計(jì)框架構(gòu)建

審計(jì)工作是一項(xiàng)系統(tǒng)工程，在企業(yè)信息化廣泛應(yīng)用的背景下，傳統(tǒng)審計(jì)正逐漸向智能審計(jì)轉(zhuǎn)變，深度學(xué)習(xí)的發(fā)展為這一轉(zhuǎn)變提供了一種新思路，即本文提出的基于深度學(xué)習(xí)的智慧審計(jì)實(shí)現(xiàn)框架，如圖2所示。首先將審計(jì)數(shù)據(jù)從源數(shù)據(jù)庫(kù)中提取出來(lái)，然后運(yùn)用優(yōu)先隊(duì)列算法、排序鄰居算法及基于粗糙集、聚類(lèi)分析與遺傳神經(jīng)網(wǎng)絡(luò)的清洗技術(shù)等進(jìn)行清洗。數(shù)據(jù)清洗能有效提高審計(jì)數(shù)據(jù)的質(zhì)量，是進(jìn)行下一步審計(jì)的關(guān)鍵。預(yù)處理后的數(shù)據(jù)進(jìn)入審計(jì)流程，通過(guò)一系列深度學(xué)習(xí)方法從審計(jì)數(shù)據(jù)中挖掘隱藏其中的有用信息。將深度學(xué)習(xí)應(yīng)用于審計(jì)流程，可實(shí)現(xiàn)從審計(jì)數(shù)據(jù)中獲取項(xiàng)目疑點(diǎn)、幫助審計(jì)人員尋找線(xiàn)索及項(xiàng)目異常識(shí)別等功能。

（二）基于深度學(xué)習(xí)的智慧審計(jì)平臺(tái)

基于深度學(xué)習(xí)的智慧審計(jì)平臺(tái)如圖3所示，該平臺(tái)依托云服務(wù)器和云端數(shù)據(jù)庫(kù)，錄入存儲(chǔ)企業(yè)歷史財(cái)務(wù)數(shù)據(jù)和行業(yè)經(jīng)濟(jì)數(shù)據(jù)，采集互聯(lián)網(wǎng)平臺(tái)、審計(jì)機(jī)關(guān)等API端口包括圖像、政策法規(guī)、財(cái)務(wù)經(jīng)濟(jì)指標(biāo)在內(nèi)的結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)并在云端存儲(chǔ)。基于海量大數(shù)據(jù)，以深度學(xué)習(xí)算法模型作為基礎(chǔ)，從分類(lèi)分析、關(guān)聯(lián)分析、聚類(lèi)分析、預(yù)測(cè)分析和知識(shí)發(fā)現(xiàn)五個(gè)角度進(jìn)行集成建模，實(shí)現(xiàn)對(duì)審計(jì)管理、審計(jì)作業(yè)過(guò)程中的數(shù)據(jù)挖掘和數(shù)據(jù)處理，全方位、多角度提取并應(yīng)用財(cái)務(wù)數(shù)據(jù)。針對(duì)日常票據(jù)等非結(jié)構(gòu)化數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理和異常檢測(cè)開(kāi)發(fā)了基于深度學(xué)習(xí)的圖像審計(jì)系統(tǒng);針對(duì)部分審計(jì)作業(yè)開(kāi)發(fā)了基于深度學(xué)習(xí)的存貨監(jiān)盤(pán)智慧審計(jì)系統(tǒng);針對(duì)財(cái)務(wù)證據(jù)驗(yàn)證、財(cái)務(wù)欺詐和財(cái)務(wù)指標(biāo)預(yù)測(cè)構(gòu)建了基于深度學(xué)習(xí)和數(shù)據(jù)挖掘技術(shù)的財(cái)務(wù)分析預(yù)測(cè)系統(tǒng)。

（三）智慧審計(jì)任務(wù)分析

在傳統(tǒng)的審計(jì)抽樣中，審計(jì)人員依靠審計(jì)經(jīng)驗(yàn)及專(zhuān)業(yè)能力進(jìn)行人工抽樣，樣本選擇的數(shù)量及質(zhì)量都無(wú)法體現(xiàn)客觀性、科學(xué)性，樣本選擇過(guò)少，將導(dǎo)致審計(jì)抽樣工作無(wú)效;樣本選擇過(guò)多，將增加審計(jì)人員的工作量。同時(shí)，審計(jì)人員往往只能以樣本結(jié)果為基礎(chǔ)預(yù)估結(jié)論。如何擴(kuò)大審計(jì)范圍，提升審計(jì)精度，減輕審計(jì)人員負(fù)擔(dān)，是當(dāng)前智慧審計(jì)的重要任務(wù)。此外，許多企業(yè)都面臨較高的經(jīng)營(yíng)風(fēng)險(xiǎn)，包括財(cái)務(wù)造假、治理結(jié)構(gòu)不合理、違規(guī)擔(dān)保等。這些長(zhǎng)期積累的問(wèn)題使企業(yè)財(cái)務(wù)狀況不斷惡化，最終陷入財(cái)務(wù)困境。研究結(jié)果表明，企業(yè)陷入財(cái)務(wù)困境有先兆且可預(yù)測(cè)。因此，通過(guò)審計(jì)分析和預(yù)測(cè)為企業(yè)經(jīng)營(yíng)管理保駕護(hù)航，同樣成為智慧審計(jì)的任務(wù)之一。

（四）基于深度學(xué)習(xí)的智慧審計(jì)流程

依托智慧審計(jì)平臺(tái)設(shè)計(jì)深度學(xué)習(xí)智慧審計(jì)流程，如圖4所示。通過(guò)企業(yè)數(shù)據(jù)庫(kù)，采集多渠道、全方位財(cái)務(wù)相關(guān)信息，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，之后利用數(shù)據(jù)挖掘技術(shù)和深度學(xué)習(xí)算法實(shí)時(shí)審計(jì)企業(yè)當(dāng)前財(cái)務(wù)狀態(tài)，對(duì)異常指標(biāo)以及可能導(dǎo)致的財(cái)務(wù)欺詐行為進(jìn)行預(yù)警，從分類(lèi)分析、關(guān)聯(lián)分析、聚類(lèi)分析、預(yù)測(cè)分析和知識(shí)發(fā)現(xiàn)五個(gè)方面，給出問(wèn)題診斷及處置方案建議，并利用深度學(xué)習(xí)算法挖掘大數(shù)據(jù)隱含信息，對(duì)發(fā)現(xiàn)的問(wèn)題進(jìn)行問(wèn)題成因分析，完成風(fēng)險(xiǎn)控制。同時(shí)，對(duì)于診斷結(jié)果進(jìn)行跟蹤驗(yàn)證，采用遠(yuǎn)程審計(jì)、數(shù)據(jù)采集實(shí)現(xiàn)審計(jì)期中的取證，從而進(jìn)一步降低期末審計(jì)舞弊及相關(guān)風(fēng)險(xiǎn)。

因此構(gòu)建智慧審計(jì)平臺(tái)，可根據(jù)審計(jì)人員的需求，通過(guò)數(shù)據(jù)庫(kù)和資料庫(kù)實(shí)時(shí)提取歷史財(cái)務(wù)數(shù)據(jù)、動(dòng)態(tài)經(jīng)營(yíng)數(shù)據(jù)。此外，基于會(huì)計(jì)資源和會(huì)計(jì)信息高度共享，智慧審計(jì)平臺(tái)可通過(guò)證監(jiān)會(huì)、銀行、生產(chǎn)部門(mén)、人事部門(mén)、客戶(hù)的會(huì)計(jì)系統(tǒng)記錄和業(yè)務(wù)活動(dòng)與外部機(jī)構(gòu)的聯(lián)系，通過(guò)數(shù)據(jù)獲取端口API或爬蟲(chóng)技術(shù)，獲取公開(kāi)數(shù)據(jù)集信息，包括同行業(yè)的年報(bào)、季報(bào)以及運(yùn)營(yíng)數(shù)據(jù)信息等?；讷@取的海量大數(shù)據(jù)，進(jìn)行橫向同業(yè)間與縱向歷史發(fā)展?fàn)顩r的對(duì)比，制訂審計(jì)方案計(jì)劃。

通過(guò)數(shù)據(jù)挖掘技術(shù)和深度學(xué)習(xí)算法，對(duì)被審計(jì)單位的全部財(cái)務(wù)數(shù)據(jù)進(jìn)行核查，自動(dòng)形成核查文件中的異常項(xiàng)，包括數(shù)據(jù)錯(cuò)漏、偽造、數(shù)據(jù)過(guò)大或過(guò)小以及被審計(jì)企業(yè)的其他差異情況，并將所有異常項(xiàng)內(nèi)容以預(yù)警的形式體現(xiàn)出來(lái)，幫助審計(jì)人員形成第一階段的審計(jì)意見(jiàn)，篩選相關(guān)的細(xì)分財(cái)務(wù)項(xiàng)、證、賬、簿進(jìn)行識(shí)別，輔助審計(jì)人員快速發(fā)現(xiàn)原因。該審計(jì)平臺(tái)可以迅速進(jìn)行財(cái)務(wù)信息的核查并形成評(píng)判意見(jiàn)，在提升工作效率的同時(shí)，避免人工操作造成的各類(lèi)風(fēng)險(xiǎn)。

三、關(guān)鍵審計(jì)技術(shù)

（一）基于深度學(xué)習(xí)的異構(gòu)多源數(shù)據(jù)融合集成

如何快速、準(zhǔn)確地錄入日常往來(lái)業(yè)務(wù)紙質(zhì)單據(jù)數(shù)據(jù)并調(diào)用，是企業(yè)信息化審計(jì)在效率方面追求的方向，特別是近幾年，隨著數(shù)據(jù)挖掘技術(shù)和深度學(xué)習(xí)算法的快速發(fā)展，諸如卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別、關(guān)聯(lián)算法和循環(huán)神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘技術(shù)正不斷創(chuàng)新并大規(guī)模嘗試將異構(gòu)財(cái)務(wù)數(shù)據(jù)審計(jì)應(yīng)用于企業(yè)發(fā)展的各個(gè)方面，從而提升業(yè)務(wù)處理的效率，如圖5所示。

異構(gòu)多源數(shù)據(jù)一般包括圖像、紙質(zhì)憑證、紙質(zhì)會(huì)議紀(jì)要、決議規(guī)章等。以增值稅專(zhuān)用發(fā)票為例，增值稅發(fā)票是最常見(jiàn)的紙質(zhì)原始業(yè)務(wù)憑證和企業(yè)經(jīng)濟(jì)活動(dòng)繳稅依據(jù)，也是銷(xiāo)項(xiàng)稅和進(jìn)項(xiàng)稅的合法證明。依托紙質(zhì)票據(jù)進(jìn)行的合規(guī)審計(jì)也是審計(jì)人員較多接觸的異構(gòu)數(shù)據(jù)審計(jì)業(yè)務(wù)。

異構(gòu)多源數(shù)據(jù)的錄入和識(shí)別多基于OCR圖文識(shí)別和深度學(xué)習(xí)圖像處理技術(shù)，通過(guò)掃描儀、相機(jī)等設(shè)備對(duì)圖像審計(jì)信息進(jìn)行采集。對(duì)于擬錄入的圖像數(shù)據(jù)，傳統(tǒng)審計(jì)模式下需要人工進(jìn)行預(yù)處理，包括圖像矯正、灰度化處理、圖像去噪、提高對(duì)比度、銳化等處理步驟，而采用OCR圖文識(shí)別技術(shù)對(duì)圖像中的自然文本語(yǔ)言進(jìn)行提取，借助深度學(xué)習(xí)算法，基于卷積神經(jīng)、LSTM神經(jīng)網(wǎng)絡(luò)對(duì)自然語(yǔ)言進(jìn)行分類(lèi)，從而完成自動(dòng)化異構(gòu)多源數(shù)據(jù)的錄入，省去了人工預(yù)處理的步驟，精確度也更高。

（二）基于深度學(xué)習(xí)的業(yè)務(wù)審計(jì)

按照審計(jì)計(jì)劃，整體審計(jì)任務(wù)被拆解成小的審計(jì)單元模塊并根據(jù)業(yè)務(wù)流進(jìn)行分類(lèi)審計(jì)，如圖6所示?；谥腔蹖徲?jì)系統(tǒng)的審計(jì)業(yè)務(wù)主要由線(xiàn)下內(nèi)控審計(jì)和線(xiàn)上內(nèi)控審計(jì)兩部分組成。

以審計(jì)業(yè)務(wù)中的存貨內(nèi)控審計(jì)為例。在使用智慧審計(jì)系統(tǒng)前，審計(jì)人員需完成線(xiàn)上內(nèi)控審計(jì)的相關(guān)布置，針對(duì)信息系統(tǒng)的控制審計(jì)，對(duì)信息系統(tǒng)的運(yùn)行和維護(hù)情況進(jìn)行審查，查看信息系統(tǒng)的管理制度是否健全，系統(tǒng)操作是否規(guī)范，系統(tǒng)運(yùn)轉(zhuǎn)是否正常，不相容職務(wù)是否建立了分離制度等。對(duì)存貨業(yè)務(wù)相關(guān)應(yīng)用的內(nèi)控審計(jì)，首先要重點(diǎn)關(guān)注內(nèi)控設(shè)計(jì)是否合理、內(nèi)控系統(tǒng)運(yùn)行是否正常、是否能夠與智慧審計(jì)系統(tǒng)連接、信息輸入及反饋是否匹配。其次要對(duì)崗位設(shè)置合理性進(jìn)行審計(jì)。審計(jì)人員應(yīng)對(duì)庫(kù)存相關(guān)業(yè)務(wù)進(jìn)行梳理，掌握相關(guān)崗位的職責(zé)和權(quán)限，了解各崗位之間的相容性，并查證被審計(jì)單位是否對(duì)不相容職務(wù)進(jìn)行分離，在數(shù)據(jù)庫(kù)管理的重點(diǎn)環(huán)節(jié)要納入密碼管理，通過(guò)特定權(quán)限確保系統(tǒng)操作安全，同時(shí)將重要審核崗位成員的管理范圍、變動(dòng)情況、手寫(xiě)簽名等信息通過(guò)ERP系統(tǒng)錄入智慧審計(jì)系統(tǒng)。針對(duì)業(yè)務(wù)環(huán)節(jié)進(jìn)行審核，尤其對(duì)業(yè)務(wù)環(huán)節(jié)核準(zhǔn)簽字的流程情況進(jìn)行調(diào)查，查看審核批準(zhǔn)環(huán)節(jié)是否合理。

線(xiàn)上內(nèi)控審計(jì)完成后，基于智慧審計(jì)系統(tǒng)，需搭配調(diào)試智能監(jiān)盤(pán)設(shè)備從而輔助開(kāi)展存貨基本情況審計(jì)。傳統(tǒng)人工盤(pán)點(diǎn)方法是由盤(pán)點(diǎn)人員手工記錄盤(pán)點(diǎn)的設(shè)備信息，再與之前的記錄進(jìn)行比對(duì)和更新，而智慧審計(jì)系統(tǒng)則依靠硬件設(shè)施，按照存貨的分類(lèi)和存放，進(jìn)行大規(guī)模圖像錄入和信息讀取，然后與ERP或企業(yè)內(nèi)網(wǎng)系統(tǒng)數(shù)據(jù)進(jìn)行比對(duì)，上傳盤(pán)點(diǎn)結(jié)果。

對(duì)于存貨、設(shè)備的固定信息，如設(shè)備類(lèi)型、客戶(hù)信息、設(shè)備序列號(hào)等，可放到二維碼中，通過(guò)帶有攝像頭功能或者FID讀寫(xiě)功能的盤(pán)點(diǎn)設(shè)備讀取存貨或設(shè)備的標(biāo)簽信息，還可通過(guò)互聯(lián)網(wǎng)獲取GPS地理定位信息，基于錄入圖像使用卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)自動(dòng)識(shí)別貨物大小、數(shù)量、質(zhì)量，對(duì)于出庫(kù)入庫(kù)的圖像再搭配數(shù)據(jù)挖掘算法，對(duì)于不同地點(diǎn)分布的存貨監(jiān)盤(pán)可依托分布式審計(jì)子系統(tǒng)進(jìn)行審計(jì)，監(jiān)盤(pán)后智慧審計(jì)平臺(tái)匯總至實(shí)時(shí)動(dòng)態(tài)數(shù)據(jù)庫(kù)。審計(jì)人員僅需確認(rèn)監(jiān)盤(pán)過(guò)程中是否全部貨物都已盤(pán)點(diǎn)，是否存在不列入盤(pán)點(diǎn)范圍內(nèi)的貨物，同時(shí)詢(xún)問(wèn)原因并進(jìn)行記錄。盤(pán)點(diǎn)結(jié)束后，對(duì)于盤(pán)點(diǎn)差異的部分，監(jiān)督盤(pán)點(diǎn)人與貨物保管人的核對(duì)過(guò)程，相關(guān)的支持依據(jù)如出入庫(kù)單等，可作為數(shù)據(jù)信息錄入智慧審計(jì)平臺(tái)，進(jìn)行集成建模，基于以往數(shù)據(jù)可通過(guò)Apriori算法和FP-Tree算法關(guān)聯(lián)企業(yè)營(yíng)業(yè)收入、營(yíng)業(yè)支出等賬戶(hù)，實(shí)現(xiàn)關(guān)聯(lián)規(guī)則的挖掘，確認(rèn)是否存在貨物挪用，也可利用基于SDAE-LSTM的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，對(duì)企業(yè)的經(jīng)營(yíng)業(yè)績(jī)進(jìn)行預(yù)測(cè)，以輔助出具審計(jì)意見(jiàn)。

除上述關(guān)于存貨業(yè)務(wù)的審計(jì)，智慧審計(jì)平臺(tái)還可分析線(xiàn)下審計(jì)錄入數(shù)據(jù)間的關(guān)聯(lián)性，如通過(guò)貝葉斯和決策樹(shù)分類(lèi)算法比對(duì)入庫(kù)貨物清單上的品名、規(guī)格、數(shù)量等與ERP系統(tǒng)中的入庫(kù)信息是否一致，發(fā)票上的品名、價(jià)格、金額、編號(hào)等和入庫(kù)信息比對(duì)是否一致，領(lǐng)料單信息與存貨變動(dòng)信息是否一致，庫(kù)存盤(pán)點(diǎn)信息是否和錄入數(shù)據(jù)一致，業(yè)務(wù)發(fā)生信息是否屬于正確會(huì)計(jì)科目，應(yīng)收賬款信息是否與回函信息一致等。

四、總結(jié)

本文深入討論了大數(shù)據(jù)環(huán)境下智慧審計(jì)體系的構(gòu)建。在大數(shù)據(jù)時(shí)代，未來(lái)審計(jì)將依托智慧審計(jì)平臺(tái)，基于神經(jīng)網(wǎng)絡(luò)等新型智能算法模型，對(duì)從各種接口匯入的各類(lèi)數(shù)據(jù)進(jìn)行全樣本大數(shù)據(jù)分析，從海量審計(jì)數(shù)據(jù)中獲取深層特征信息，幫助審計(jì)人員快速鎖定疑點(diǎn)，找尋線(xiàn)索，把握總體，精準(zhǔn)定位，實(shí)現(xiàn)對(duì)關(guān)鍵環(huán)節(jié)和風(fēng)險(xiǎn)點(diǎn)的全面排查。在審計(jì)過(guò)程中，深度學(xué)習(xí)能解決項(xiàng)目審計(jì)過(guò)程中的數(shù)據(jù)集合與整理、多源異構(gòu)數(shù)據(jù)特征提取、項(xiàng)目異常識(shí)別及項(xiàng)目異常分析等關(guān)鍵性問(wèn)題。深度學(xué)習(xí)快速、高效的提取能力使審計(jì)系統(tǒng)更具靈活性，能針對(duì)不同審計(jì)目標(biāo)選擇有針對(duì)性的審計(jì)方法，在傳統(tǒng)審計(jì)方法的基礎(chǔ)上融入先進(jìn)技術(shù)，提高審計(jì)效率和效果。

（作者單位：國(guó)網(wǎng)山東省電力公司濟(jì)寧供電公司 ?同濟(jì)大學(xué) ?國(guó)網(wǎng)山東省電力公司，郵政編碼：201804，電子郵箱：jbyu@#edu.cn）

主要參考文獻(xiàn)

高麗陽(yáng)，馮均科.大數(shù)據(jù)環(huán)境下的社會(huì)審計(jì)取證模式研究[J].中國(guó)內(nèi)部審計(jì)， 2018（3）：80-83

蔣鳳芹，陳松，吳洵，汪波，闞海湄，鞏浩.大數(shù)據(jù)審計(jì)在銀行的應(yīng)用[J].中國(guó)內(nèi)部審計(jì)， 2018（3）：46-51

劉國(guó)城，王會(huì)金.大數(shù)據(jù)審計(jì)平臺(tái)構(gòu)建研究[J].審計(jì)研究， 2017（6）：36-41

王鳳領(lǐng).大數(shù)據(jù)云計(jì)算環(huán)境下的數(shù)據(jù)安全分析與對(duì)策研究[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用， 2020（6）：88-91

張玉嶺.智能審計(jì)在企業(yè)內(nèi)部審計(jì)中的運(yùn)用分析[J].財(cái)會(huì)通訊， 2019（4）：87-91