基于人工智能的审计事件可视化辅助识别技术

/ 2

基于人工智能的审计事件可视化辅助识别技术

陈晔1,陈平2,肖雨桐3,万方颖4

1.国网武汉供电设计院有限公司;2.国网湖北技培中心(武汉电院);3.国网湖北技培中心(武汉电院);4.国网湖北技培中心(武汉电院)

一、引言

随着电力企业的快速发展和信息化程度的不断提高,审计工作面临着越来越多的挑战。为了提高审计效率并降低审计风险,我们提出了一种基于人工智能的审计事件可视化辅助识别技术。该技术通过对审计疑点进行识别和分析,将复杂的数据转化为直观的图形和图像,从而帮助审计人员快速准确地发现潜在的问题。这种技术的应用将有助于提高审计工作的质量和效率。

智能审计架构是基于人工智能的审计技术所构建的系统体系结构,旨在应对审计过程中的复杂性和数据庞大性。这一架构集成了人工智能、大数据分析、可视化技术等关键组件,以提高审计效率、准确性,同时为审计人员提供更全面的数据洞察和决策支持。数据来源提取自企业自有ERP系统、数据中台系统、审计数字化平台和非结构化数据,可参照以下框架。

二、审计可视化技术和相关应用

审计可视化技术是指利用可视化技术,将审计过程中发现的异常或风险点以图形的方式展示出来,从而帮助审计人员更好地理解和分析审计疑点,提高审计效果和效率。目前在人工智能方面的审计疑点可视化的技术有以下几种:

1.基于数据挖掘的审计疑点可视化。这种技术利用数据挖掘的方法,从海量的审计数据中提取出有价值的信息,如关联规则、聚类分析、分类分析等,然后将这些信息以图表、网络、地图等形式可视化,从而发现审计疑点。

2.基于机器学习的审计疑点可视化。这种技术利用机器学习的方法,对审计数据进行特征提取、降维、异常检测等操作,然后将这些操作的结果以散点图、热力图、箱线图等形式可视化,从而识别审计疑点。

3.基于深度学习的审计疑点可视化。这种技术利用深度学习的方法,对审计数据进行深层次的分析和表示,如自编码器、生成对抗网络等,然后将这些分析和表示的结果以图像、视频、声音等形式可视化,从而揭示审计疑点。3

4.基于可解释性的审计疑点可视化。这种技术利用可解释性的方法,对审计数据的分析过程和结果进行解释和说明,如特征重要性、局部敏感性分析、对抗样本分析等,然后将这些解释和说明以文本、图标、流程图等形式可视化,从而解释审计疑点。

这些技术都可以帮助审计人员更好地理解和分析审计疑点,提高审计效果和效率。

三、现有技术不利于在电力审计实施的原因

利用现有人工智能和可视化技术,对审计数据进行分析和展示,减轻审计人员发现和解决审计问题也存在一些不可取处,如:

1.技术门槛较高。人工智能方面的审计疑点可视化的技术涉及多个技术领域,如自然语言处理、机器学习、数据挖掘、知识表示等,需要审计人员具备一定的专业知识和技能,否则难以有效使用和理解这种技术。

2.数据质量不足。人工智能方面的审计疑点可视化的技术依赖于海量的审计数据,如果数据质量不高,如不完整、不准确、不一致、不及时等,会影响这种技术的分析和展示效果,甚至导致错误的审计结论。

3.安全风险较大。人工智能方面的审计疑点可视化的技术涉及敏感的审计数据和信息,如果没有有效的安全保障措施,可能会遭受数据泄露、篡改、破坏等安全威胁,危害审计的公正性和权威性。

4.可解释性不强。人工智能方面的审计疑点可视化的技术通常采用复杂的算法和模型,如深度学习、生成对抗网络等,这些算法和模型的内部逻辑和原理往往难以解释和理解,导致这种技术的可解释性不强,难以为审计人员提供清晰和有说服力的审计证据和建议。

四、结合电力审计工作方式摸索智能化的审计可视化技术

湖北电力审计部已经建成并投入使用数字化审计平台多年,并根据审计数据形成来审计中台,将大量审计数据进行了整合和数据清洗,保证审计数据的准确性。我们通过利用现有平台数据,与审计中台集成进行审计可视化技术研究。

技术实现路径:

第一步、审计疑点识别分析

审计疑点识别分析技术是该技术的核心部分。我们通过对电力企业的业务特点和审计需求进行分析,建立了基于数据挖掘和机器学习的疑点识别模型。该模型通过对电力企业的财务、业务等数据进行多维度分析,能够快速准确地发现潜在的审计疑点。同时,我们还结合电力企业的实际情况,对模型进行优化和改进,提高了模型的准确性和适用性。

第二步、审计疑点图谱可视化

为了将复杂的审计数据转化为直观的图形和图像,我们提出了审计疑点图谱可视化技术。该技术通过对审计疑点进行分类和归纳,将不同类别的疑点数据以图形和图像的形式进行展示。这样,审计人员可以通过直观的视觉效果快速发现潜在的问题,提高了审计效率和质量。同时,我们还开发了相应的可视化工具,方便审计人员进行操作和使用。

第三步、人工校核技术机制

虽然基于人工智能的审计事件可视化辅助识别技术能够提高审计效率和质量,但是也存在一定的误差和风险。因此,我们提出了人工校核技术机制。该机制通过对疑点数据进行人工校核和分析,确保疑点识别的准确性和可靠性。同时,我们还建立了相应的人工校核流程和管理制度,规范了人工校核的操作和管理。

我们通过以下步骤进行人工审计数据核验:

(1)疑点数据提取:

将基于人工智能的审计技术识别出的疑点数据提取出来,包括可能的异常事件、潜在风险等。

(2)建立人工校核队伍:

组建专业的人工校核团队,其中成员具有审计经验和相关领域知识,能够深入了解业务背景。

(3)校核准则和标准:

制定人工校核的准则和标准,明确疑点校核的评估标准,以确保校核过程的一致性和准确性。

(4)校核流程设计:

设计人工校核的具体流程,包括校核数据的接收、校核方法的选择、校核结果的记录等环节。

(5)校核数据分析:

根据审计专业知识和经验,对疑点数据进行深入分析。比对系统生成的结果,确认潜在问题的真实性。

(6)问题定位和修正:

确认存在问题的具体位置,对可能的误判进行修正。修正后的结果可以用于改进人工智能模型。

(7)校核结果反馈:

将人工校核的结果反馈给相应的审计系统,以优化机器学习模型。这有助于提高模型的准确性和适应性。

(8)记录和报告:

记录人工校核的过程和结果,形成校核报告。这些记录可以作为审计的重要文档,用于审计工作的跟踪和监督。

(9)监督与管理:

建立人工校核的监督与管理制度,确保校核团队按照规范操作。定期进行质量检查,提高校核团队的水平。

(10)持续改进:

不断根据人工校核的反馈意见和经验教训,对审计事件可视化辅助识别技术进行持续改进。这包括更新模型、优化算法等。

五、结论

本文提出了一种基于人工智能的审计事件可视化辅助识别技术,旨在提高电力审计的效率和准确性。通过对审计疑点进行识别和分析,将复杂的数据转化为直观的图形和图像,帮助审计人员快速准确地发现潜在的问题。同时,我们还建立了人工校核技术机制,确保疑点识别的准确性和可靠性。该技术的实施将有助于提高电力企业的审计质量和效益。