【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及審計方法及系統(tǒng)，尤其涉及一種基于邊緣計算技術(shù)的高效審計方法及系統(tǒng)。
技術(shù)介紹
1、在當(dāng)今數(shù)字化和信息化高速發(fā)展的時代，企業(yè)的業(yè)務(wù)活動日益復(fù)雜，所產(chǎn)生的數(shù)據(jù)量呈爆炸式增長。審計作為保障企業(yè)財務(wù)健康和運營合規(guī)的重要手段，面臨著前所未有的挑戰(zhàn)。傳統(tǒng)的審計方法往往依賴于將大量數(shù)據(jù)傳輸?shù)街行姆?wù)器進行集中處理，這種方式存在諸多弊端。
2、首先，數(shù)據(jù)傳輸?shù)臅r效性差。隨著業(yè)務(wù)的實時性要求越來越高，傳統(tǒng)審計方法難以快速獲取和處理最新的數(shù)據(jù)，導(dǎo)致審計結(jié)果滯后，無法及時為企業(yè)決策提供支持。例如，在金融交易領(lǐng)域，每一筆交易都需要及時監(jiān)控和審計，傳統(tǒng)方式可能無法在短時間內(nèi)對大量實時交易數(shù)據(jù)進行處理和分析。
3、其次，網(wǎng)絡(luò)帶寬和數(shù)據(jù)中心的壓力巨大。大量數(shù)據(jù)的傳輸和集中存儲處理需要消耗大量的網(wǎng)絡(luò)資源和服務(wù)器計算資源。企業(yè)需要不斷投入高額成本來擴展網(wǎng)絡(luò)帶寬和升級數(shù)據(jù)中心設(shè)備，以應(yīng)對日益增長的數(shù)據(jù)處理需求，但仍然難以滿足實際業(yè)務(wù)的發(fā)展速度。
4、再者，數(shù)據(jù)安全性和隱私性難以保障。在數(shù)據(jù)傳輸和集中存儲過程中，數(shù)據(jù)容易受到網(wǎng)絡(luò)攻擊和泄露風(fēng)險。特別是對于一些敏感的財務(wù)數(shù)據(jù)和商業(yè)機密，一旦泄露將給企業(yè)帶來嚴(yán)重的損失。
5、同時，傳統(tǒng)審計方法在數(shù)據(jù)分析的深度和廣度上也存在不足。對于復(fù)雜的數(shù)據(jù)關(guān)系和潛在的風(fēng)險模式，傳統(tǒng)算法難以進行全面而深入的挖掘和分析。例如，僅依靠簡單的統(tǒng)計分析方法難以發(fā)現(xiàn)復(fù)雜的關(guān)聯(lián)交易作弊行為和隱蔽的財務(wù)風(fēng)險。
6、隨著邊緣計算技術(shù)的興起，為解決上述問題提供了新的思路和可能性。邊
技術(shù)實現(xiàn)思路
1、本專利技術(shù)提出的基于邊緣計算技術(shù)的高效審計方法及系統(tǒng)，以解決上述現(xiàn)有技術(shù)中提到的問題。
2、為了實現(xiàn)上述目的，本專利技術(shù)采用了如下技術(shù)方案：一種基于邊緣計算技術(shù)的高效審計方法，包括以下步驟：
3、步驟s1：數(shù)據(jù)采集與預(yù)處理，在邊緣節(jié)點處通過多種傳感器和數(shù)據(jù)采集接口實時采集業(yè)務(wù)數(shù)據(jù)，包括但不限于財務(wù)數(shù)據(jù)、交易數(shù)據(jù)、操作日志；對采集到的數(shù)據(jù)進行預(yù)處理，包括數(shù)據(jù)清洗、去重和格式轉(zhuǎn)換，確保數(shù)據(jù)的準(zhǔn)確性和一致性；其中，數(shù)據(jù)清洗采用基于規(guī)則的方法和異常值檢測算法，去除無效數(shù)據(jù)和噪聲數(shù)據(jù)，異常值檢測通過計算數(shù)據(jù)的均值μ和標(biāo)準(zhǔn)差σ，將超出范圍[μ-kσ，μ+kσ]的數(shù)據(jù)標(biāo)記為異常值進行處理，其中k為根據(jù)數(shù)據(jù)特性和經(jīng)驗確定的常數(shù)；去重操作通過哈希算法對數(shù)據(jù)進行比對，去除重復(fù)的數(shù)據(jù)記錄；格式轉(zhuǎn)換將不同來源和格式的數(shù)據(jù)統(tǒng)一轉(zhuǎn)換為適合后續(xù)處理的標(biāo)準(zhǔn)格式。
4、步驟s2：邊緣側(cè)數(shù)據(jù)分析，利用邊緣計算設(shè)備的計算資源，在靠近數(shù)據(jù)源的邊緣側(cè)對預(yù)處理后的數(shù)據(jù)進行實時分析；采用基于機器學(xué)習(xí)和數(shù)據(jù)挖掘的算法進行數(shù)據(jù)分析，包括但不限于聚類分析、關(guān)聯(lián)規(guī)則挖掘和異常檢測算法；聚類分析采用k-means算法，將數(shù)據(jù)劃分為不同的簇，以便發(fā)現(xiàn)數(shù)據(jù)中的模式和規(guī)律；關(guān)聯(lián)規(guī)則挖掘使用apriori算法，挖掘數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，為審計提供線索；異常檢測算法基于孤立森林算法，通過構(gòu)建多個孤立樹來識別異常數(shù)據(jù)點。引入數(shù)據(jù)局部性度量公式其中n為數(shù)據(jù)點數(shù)量，n(i)為數(shù)據(jù)點的鄰域數(shù)據(jù)點集合，d(xi，xj)為數(shù)據(jù)點xi與xj之間的距離，用于衡量數(shù)據(jù)在邊緣側(cè)分析時的局部特征和相關(guān)性，以優(yōu)化算法參數(shù)和提高分析準(zhǔn)確性。
5、步驟s3：特征提取與模型訓(xùn)練，從分析后的數(shù)據(jù)中提取關(guān)鍵特征，這些特征用于描述數(shù)據(jù)的本質(zhì)屬性和行為模式；利用提取的特征數(shù)據(jù)在邊緣節(jié)點上進行本地模型訓(xùn)練，訓(xùn)練模型包括但不限于分類模型和預(yù)測模型；分類模型采用決策樹算法，用于對數(shù)據(jù)進行分類，如正常數(shù)據(jù)和異常數(shù)據(jù)的分類；預(yù)測模型采用線性回歸算法，用于對業(yè)務(wù)數(shù)據(jù)的趨勢進行預(yù)測；模型訓(xùn)練過程中采用實時更新和增量學(xué)習(xí)的方式，不斷優(yōu)化模型的性能和準(zhǔn)確性；引入基于梯度下降的優(yōu)化算法，如隨機梯度下降(sgd)，其更新公式為其中θt為第t次迭代的模型參數(shù)，α為學(xué)習(xí)率，為損失函數(shù)在處的梯度。
6、步驟s4：風(fēng)險評估與預(yù)警模型構(gòu)建，基于邊緣側(cè)分析和模型訓(xùn)練的結(jié)果，構(gòu)建風(fēng)險評估模型和實時預(yù)警模型；風(fēng)險評估模型采用層次分析法(ahp)與模糊綜合評價法相結(jié)合，首先確定影響審計風(fēng)險的因素集u＝{u1，u2，…，un}，通過專家評價方式構(gòu)建判斷矩陣a＝(aij)n×n，計算權(quán)重向量w＝(w1，w2，…，wn)t，其中wi滿足且通過一致性檢驗，然后對每個因素進行模糊評價，得到模糊關(guān)系矩陣r＝(rij)n×m，其中m為評價級的數(shù)量，最后通過模糊合成運算得到綜合評價結(jié)果向量b，符號表示模糊合成運算，用于量化風(fēng)險水平；實時預(yù)警模型根據(jù)風(fēng)險評估結(jié)果和預(yù)設(shè)的閾值，當(dāng)風(fēng)險指標(biāo)超過閾值時觸發(fā)預(yù)警，預(yù)警公式為y＝f(b，t)，其中y為預(yù)警信號，t為閾值向量，f為預(yù)警判斷函數(shù)。
7、步驟s5：邊緣與云端協(xié)同審計，邊緣節(jié)點將本地分析和處理的結(jié)果以及提取的關(guān)鍵特征數(shù)據(jù)進行壓縮和加密后，上傳至云端審計平臺；云端審計平臺對接收到的數(shù)據(jù)進行進一步的綜合分析和深度挖掘，利用更強大的計算資源和復(fù)雜的審計算法對數(shù)據(jù)進行全面審計；云端與邊緣節(jié)點之間通過雙向通信機制進行實時交互和協(xié)同工作，云端根據(jù)邊緣節(jié)點的需求提供模型更新和策略調(diào)整支持，邊緣節(jié)點根據(jù)云端的指令進行相應(yīng)的操作和數(shù)據(jù)處理。采用數(shù)據(jù)壓縮率計算公式其中doriginal為原始數(shù)據(jù)大小，dcompressed為壓縮后數(shù)據(jù)大小，用于衡量數(shù)據(jù)壓縮效果，以優(yōu)化數(shù)據(jù)傳輸效率和降低網(wǎng)絡(luò)帶寬占用。同時，在通信過程中采用信號強度評估公式其中p為發(fā)射功率，g為天線增益，d為傳輸距離，用于實時監(jiān)測邊緣與云端通信的信號質(zhì)量，確保數(shù)據(jù)傳輸?shù)姆€(wěn)定性和可靠性。
8、步驟s6：審計結(jié)果可視化與報告生成，將審計結(jié)果以可視化的方式呈現(xiàn)給用戶，包括但不限于圖表、報表和實時監(jiān)控界面形式；可視化圖表包括柱狀圖、折線圖和散點圖，用于展示數(shù)據(jù)的分布、趨勢和異常情況；報表詳細列出審計發(fā)現(xiàn)的問題、異常數(shù)據(jù)點和相關(guān)的分析結(jié)果；實時監(jiān)控界面動態(tài)顯示業(yè)務(wù)數(shù)據(jù)的實時狀態(tài)和審計結(jié)果的實時更新；根據(jù)可視化結(jié)果和詳細數(shù)據(jù)生成審計報告，審計報告包括審計概述、審計發(fā)現(xiàn)、風(fēng)險評估和建議措施內(nèi)容，為企業(yè)決策提供支持。
9、進一步的，所述步驟s2中，在進行邊緣側(cè)數(shù)據(jù)分析之前，先對數(shù)據(jù)進行特征工程處理，包括特征選擇和特征構(gòu)建；特征選擇采用基于信息增益的方法，選擇對數(shù)據(jù)分析任務(wù)最有價值的特征；特征構(gòu)建通過對原始數(shù)據(jù)進行數(shù)學(xué)變換和組合，創(chuàng)建新的特征，以提高數(shù)據(jù)分析的準(zhǔn)確性和效果。
10、進一步的，所述步驟s3中，在模型訓(xùn)練過程中，引入自適應(yīng)學(xué)習(xí)率調(diào)整機制，根據(jù)模型的訓(xùn)練損失和收斂情況自動調(diào)本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于邊緣計算技術(shù)的高效審計方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于邊緣計算技術(shù)的高效審計方法，其特征在于，所述步驟S2中，在進行邊緣側(cè)數(shù)據(jù)分析之前，先對數(shù)據(jù)進行特征工程處理，包括特征選擇和特征構(gòu)建；特征選擇采用基于信息增益的方法，選擇對數(shù)據(jù)分析任務(wù)最有價值的特征；特征構(gòu)建通過對原始數(shù)據(jù)進行數(shù)學(xué)變換和組合，創(chuàng)建新的特征，用于提高數(shù)據(jù)分析的準(zhǔn)確性和效果。
3.根據(jù)權(quán)利要求1所述的基于邊緣計算技術(shù)的高效審計方法，其特征在于，所述步驟S3中，在模型訓(xùn)練過程中，引入自適應(yīng)學(xué)習(xí)率調(diào)整機制，根據(jù)模型的訓(xùn)練損失和收斂情況自動調(diào)整學(xué)習(xí)率，以加快模型的訓(xùn)練速度和提高模型的準(zhǔn)確性；同時，采用模型評估指標(biāo)，包括準(zhǔn)確率、召回率和F1值，對訓(xùn)練好的模型進行評估和驗證。
4.根據(jù)權(quán)利要求1所述的基于邊緣計算技術(shù)的高效審計方法，其特征在于，所述步驟S4中，在構(gòu)建風(fēng)險評估模型時，對于判斷矩陣的一致性檢驗，采用一致性指標(biāo)CI＝(λmax-n)/(n-1)，其中λmax為判斷矩陣的最大特征值，當(dāng)隨機一致性比率CR＝CI/RI<0.1時，認為判斷矩
5.根據(jù)權(quán)利要求1所述的基于邊緣計算技術(shù)的高效審計方法，其特征在于，所述步驟S5中，邊緣與云端之間的數(shù)據(jù)傳輸采用基于區(qū)塊鏈技術(shù)的安全傳輸協(xié)議，確保數(shù)據(jù)的完整性、真實性和不可篡改；區(qū)塊鏈技術(shù)中的加密算法和共識機制用于保障數(shù)據(jù)在傳輸過程中的安全性和可靠性，每個數(shù)據(jù)塊都包含前一個數(shù)據(jù)塊的哈希值，形成鏈?zhǔn)浇Y(jié)構(gòu)，防止數(shù)據(jù)被篡改。
6.根據(jù)權(quán)利要求1所述的基于邊緣計算技術(shù)的高效審計方法，其特征在于，所述步驟S6中，審計結(jié)果可視化模塊支持用戶自定義可視化布局和展示內(nèi)容，用戶根據(jù)自己的需求選擇不同的圖表類型、數(shù)據(jù)維度和篩選條件，可視化模塊還提供交互功能，用戶通過點擊圖表中的數(shù)據(jù)點獲取詳細的信息和相關(guān)的審計證據(jù)。
7.一種用于實現(xiàn)權(quán)利要求1-6任意一項所述的基于邊緣計算技術(shù)的高效審計方法的系統(tǒng)，其特征在于，包括：
8.根據(jù)權(quán)利要求7所述的基于邊緣計算技術(shù)的高效審計系統(tǒng)，其特征在于，所述系統(tǒng)還包括安全管理模塊，用于保障系統(tǒng)的安全運行，包括身份認證單元、訪問控制單元和數(shù)據(jù)加密單元；身份認證單元采用多因素認證方式，對用戶身份進行驗證；訪問控制單元根據(jù)用戶的角色和權(quán)限設(shè)置訪問策略，控制用戶對系統(tǒng)資源和數(shù)據(jù)的訪問；數(shù)據(jù)加密單元對系統(tǒng)中的敏感數(shù)據(jù)進行加密存儲和傳輸，采用對稱加密算法和非對稱加密算法相結(jié)合的方式，確保數(shù)據(jù)的安全性。
9.根據(jù)權(quán)利要求7所述的基于邊緣計算技術(shù)的高效審計系統(tǒng)，其特征在于，還具備智能預(yù)警模塊，與結(jié)果展示模塊連接，根據(jù)預(yù)設(shè)的風(fēng)險閾值和規(guī)則，對審計過程中發(fā)現(xiàn)的異常情況進行實時預(yù)警；智能預(yù)警模塊包括閾值設(shè)置單元和預(yù)警通知單元，閾值設(shè)置單元用于用戶根據(jù)業(yè)務(wù)需求設(shè)置不同的風(fēng)險閾值，預(yù)警通知單元通過短信、郵件和系統(tǒng)彈窗方式及時向相關(guān)人員發(fā)送預(yù)警信息；
...【技術(shù)特征摘要】
1.一種基于邊緣計算技術(shù)的高效審計方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于邊緣計算技術(shù)的高效審計方法，其特征在于，所述步驟s2中，在進行邊緣側(cè)數(shù)據(jù)分析之前，先對數(shù)據(jù)進行特征工程處理，包括特征選擇和特征構(gòu)建；特征選擇采用基于信息增益的方法，選擇對數(shù)據(jù)分析任務(wù)最有價值的特征；特征構(gòu)建通過對原始數(shù)據(jù)進行數(shù)學(xué)變換和組合，創(chuàng)建新的特征，用于提高數(shù)據(jù)分析的準(zhǔn)確性和效果。
3.根據(jù)權(quán)利要求1所述的基于邊緣計算技術(shù)的高效審計方法，其特征在于，所述步驟s3中，在模型訓(xùn)練過程中，引入自適應(yīng)學(xué)習(xí)率調(diào)整機制，根據(jù)模型的訓(xùn)練損失和收斂情況自動調(diào)整學(xué)習(xí)率，以加快模型的訓(xùn)練速度和提高模型的準(zhǔn)確性；同時，采用模型評估指標(biāo)，包括準(zhǔn)確率、召回率和f1值，對訓(xùn)練好的模型進行評估和驗證。
4.根據(jù)權(quán)利要求1所述的基于邊緣計算技術(shù)的高效審計方法，其特征在于，所述步驟s4中，在構(gòu)建風(fēng)險評估模型時，對于判斷矩陣的一致性檢驗，采用一致性指標(biāo)ci＝(λmax-n)/(n-1)，其中λmax為判斷矩陣的最大特征值，當(dāng)隨機一致性比率cr＝ci/ri<0.1時，認為判斷矩陣具有滿意的一致性，ri為平均隨機一致性指標(biāo)，其值根據(jù)矩陣階數(shù)查表可得。
5.根據(jù)權(quán)利要求1所述的基于邊緣計算技術(shù)的高效審計方法，其特征在于，所述步驟s5中，邊緣與云端之間的數(shù)據(jù)傳輸采用基于區(qū)塊鏈技術(shù)的安全傳輸協(xié)議，確保數(shù)據(jù)的完整性、真實性和不可篡改；區(qū)塊鏈技術(shù)中的加密算法和共識機制用...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：嚴(yán)文義，
申請(專利權(quán))人：南京大學(xué)射陽高新技術(shù)研究院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。