[发明专利]一种智能审计方法、系统和可读存储介质

权利要求书

1.一种智能审计方法，其特征在于，所述智能审计方法，包括以下步骤：

步骤一，审计数据获取模块利用数据采集技术从待审计数据存放的数据中采集相关财务数据和非财务数据；数据处理模块对获取的财务数据以及非财务数据进行清洗、去重、融合、标准化处理；数据处理模块设置的数据挖掘模块利用神经网络、机器学习等数据挖掘技术获得审计数据的关联规则、分类、聚类等知识模型；

步骤二，根据知识模型，数据检验模块对处理得到的数据的真实性、客观性、准确性进行检验；数据分析模块对通过检验的数据的持续性与安全性进行分析；

步骤三，数据分类模块对通过检验的数据基于数据类型不同分为数值型数据、文本型数据以及日志数据；数据审计模块对不同类型的数据进行分别审计；

步骤四，报警模块对数据检验不合格、数据分析异常、审计异常的数据进行报警；存储模块利用分布式数据分别存储采集的原始数据、处理后的数据、分类数据以及分析审计数据；

步骤五，审计报告输出模将数据分析、审计结果进行数据融合，生成审计报告，将数据审计报告以图表的形式进行输出；显示模块利用显示器显示审计报告；

所述审计数据获取模块利用数据挖掘技术采集相关财务数据和非财务数据的具体过程为：

将相关财务数据和非财务数据建立相应的数据集合，并且确定需要提取的数据特征信息；

利用近距离度量模型，确定提取的数据特征信息与待挖掘的数据之间的距离；

将距离最近的数据进行挖掘提取，建立对应的数据集和；

所述数据分析模块对通过检验的数据的持续性与安全性进行分析的具体过程为：

数据持续分析单元利用人工智能技术对数据的持续性进行分析，并对数据的变化情况生成可视化展示图表；

根据数据的变化情况生成的可视化展示图表，数据安全分析单元对数据的编辑情况、泄露情况以及未授权更改情况进行分析；

同时对数据存储、编辑的安全性进行分析；

所述步骤三中，数据分类模块对通过检验的数据基于数据类型不同分为数值型数据、文本型数据以及日志数据的具体过程为：

通过检验的数据，建立数据分类集合；

在数值型数据、文本型数据以及日志数据中，分别确定数据分类的特征，作为数据分类的中心点，并进行初始化操作；

确定数值型数据、文本型数据以及日志数据的分类中心点与待分类数据点之间的距离，根据确定的距离值，对待分类的数据点进行排序；

根据分类数据点的排序，选取距离最近的数据点划归为一类；

基于这些分类点，通过取组中所有向量的均值来重新计算组中心，对一组迭代重复这些步骤。

2.如权利要求1所述智能审计方法，其特征在于，步骤一中，所述数据处理模块对获取的财务数据以及非财务数据进行清洗包括：

(1)对获取的财务数据以及非财务数据进行降维处理；并对应不同的数据清洗规则；

(2)利用对应的数据清洗规则对相关财务数据以及非财务数据进行数据清洗。

3.如权利要求1所述智能审计方法，其特征在于，步骤一中，所述对获取的财务数据以及非财务数据进行去重包括：

首先，获取清洗后的财务数据以及非财务数据；

其次，将获取的数据分成若干个数据块；

然后，利用数据去重公式对各个数据块内部进行去重，遍历所有数据块；

最后，对任意两个数据块利用去重公式进行去重，即可。

4.如权利要求1所述智能审计方法，其特征在于，步骤二中，所述数据检验模块对处理得到的数据的真实性、客观性、准确性进行检验包括：

1)获取处理后的数据，并将获取的数据分别输入到数据检验模型中；

2)通过数据检验模型中的预定真实性、客观性以及准确性规则对获取的数据进行并行检验处理。

5.如权利要求4所述智能审计方法，其特征在于，步骤1)中，所述获取处理后的数据后还需进行：根据处理后的数据的属性信息，确定的数据真实性、客观性以及准确性验证规则；并判断数据检验模型中的所述预定规则是否包含全部所述数据真实性、客观性以及准确性验证规则。