基于机器学习模型解释的智慧审计方法与流程

本发明涉及智慧审计技术领域，尤其涉及一种基于机器学习模型解释的智慧审计方法。

背景技术：

机器学习(machinelearning,ml)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，机器学习模型在智慧审计中能很好的融入。

现有的审计方法多数采用人工的方式进行审计，审计过程中需要遵循的法规和规则更新快，范围大，仅靠审计人员大脑储存会影响审计的准确性和可靠性，审计的风险高，所以我们提出了基于机器学习模型解释的智慧审计方法，用以解决上述提出的问题。

技术实现要素：

本发明提出的基于机器学习模型解释的智慧审计方法，解决了现有的审计方法多数采用人工的方式进行审计，审计过程中需要遵循的法规和规则更新快，范围大，仅靠审计人员大脑储存会影响审计的准确性和可靠性，审计的风险高的问题。

为了实现上述目的，本发明采用了如下技术方案：

基于机器学习模型解释的智慧审计方法，包括以下步骤：

s1：向基于机器学习模型解释的智慧审计系统的输入端输入待审计的文件或者数据；

s2：对输入的文件或者数据进行审计的同时利用机器学习模型对审计的过程进行展示；

s3：通过机器学习的模型解释功能，对机器学习结果进行可视化和业务规则输出；

s4：将输出的业务规则和原有的审计规则库进行比对，将新增的业务规则添加至审计规则库内，更新审计规则库；

s5：将更新过后的审计规则库中的规则进行删选，将相似度超过百分之八十的两条规则进行单一的舍弃。

优选的，所述s1中，基于机器学习模型解释的智慧审计系统中具有四层两翼结构，由下至上分别是数据层、信息层、知识层和智慧层，左翼是信息技术支撑部，有益是法规和规则部。

优选的，所述s2中，审计过程中采用决策树的方式对输入的文件或者数据进行审计，在审计的过程中使用到的规则逐条在机器学习模型的内部存储器加一并存储规则的详细，将审计的最终结果在机器学习的模型上进行展出。

优选的，所述s3中，在机器学习的内部使用的是ante-hoc可解释性，无需额外的信息就可以理解模型的决策过程或者决策依据，这些操作都是在sql上完成，再将机器学习模型结果在显示屏上进行显示。

优选的，所述s3中，业务规则输出就是将s2中审计过程存储的规则逐条输出，所述s2中机器学习模型内部的存储器上还设有计数器，能对所有使用到的规则进行汇总。

优选的，数据层的主要功能是存储和共享审计工作所需的数值型数据和非数值型数据，智慧层的主要功能是产生和共享审计服务国家治理的准确判断和建议。

优选的，信息层的主要功能是产生和共享数据所蕴含的关系，信息层能够表示数据的来源和去向，信息技术支撑部的主要功能是为数据层、信息层、知识层和智慧层各层之间相互转环提供信息技术支撑保障。

优选的，所述s4中，在更新审计规则库之前对市政审计规则库进行检索，将新增和修改过后的规则存储在更新层处，将审计过程中使用的业务规则和审计规则库进行比对，查重补漏，将更新层处新增或者修改过后的审计规则添加至审计规则库中。

优选的，所述s5中，更新过后的审计规则库中的规则采用全局比对算法进行比对，对相似度高的规则，将近期未更新规则进行删除。

优选的，所述s5中，在审计规则库中还设置了更新组件，更新组件是记录每一条规则的使用时间，更新组件每条遍历审计规则库一次，将半年内未使用的规则进行删除，目的是完善审计规则的生命周期。

与现有技术相比，本发明的有益效果是：

1、本发明的技术方案主要解决了审计方法多数采用人工的方式进行审计，审计过程中需要遵循的法规和规则更新快，范围大，仅靠审计人员大脑储存会影响审计的准确性和可靠性，审计的风险高的问题，本方法在审计的过程中可以对使用的规则进行汇总和存储，将新增或者修改的业务规则可以反向补充审计规则库，有利于提升审计的准确性和可靠性，并且可以完善审计规则的生命周期管理；

2、本发明基于机器学习模型解释的智慧审计方法，可以不断的完善机器学习的模型，还可以将新增或者修改的业务规则可以反向补充审计规则库，有利于提升审计的准确性和可靠性，并且可以完善审计规则的生命周期管理；

3、本发明可以实现智能化的审计，可以为审计人员提供支持和帮助，大大降低了审计人员的工作强度，有利于提升审计的准确性和可靠性，并且可以完善审计规则的生命周期管理。

附图说明

图1为本发明提出的基于机器学习模型解释的智慧审计方法的流程图。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

实施例

参照图1，基于机器学习模型解释的智慧审计方法，包括以下步骤：

s1：向基于机器学习模型解释的智慧审计系统的输入端输入待审计的文件或者数据；

s2：对输入的文件或者数据进行审计的同时利用机器学习模型对审计的过程进行展示；

s3：通过机器学习的模型解释功能，对机器学习结果进行可视化和业务规则输出；

s4：将输出的业务规则和原有的审计规则库进行比对，将新增的业务规则添加至审计规则库内，更新审计规则库；

s5：将更新过后的审计规则库中的规则进行删选，将相似度超过百分之八十的两条规则进行单一的舍弃。

本实施例中，s1中，基于机器学习模型解释的智慧审计系统中具有四层两翼结构，由下至上分别是数据层、信息层、知识层和智慧层，左翼是信息技术支撑部，有益是法规和规则部，s2中，审计过程中采用决策树的方式对输入的文件或者数据进行审计，在审计的过程中使用到的规则逐条在机器学习模型的内部存储器加一并存储规则的详细，将审计的最终结果在机器学习的模型上进行展出，s3中，在机器学习的内部使用的是ante-hoc可解释性，无需额外的信息就可以理解模型的决策过程或者决策依据，这些操作都是在sql上完成，再将机器学习模型结果在显示屏上进行显示，s3中，业务规则输出就是将s2中审计过程存储的规则逐条输出，s2中机器学习模型内部的存储器上还设有计数器，能对所有使用到的规则进行汇总，数据层的主要功能是存储和共享审计工作所需的数值型数据和非数值型数据，智慧层的主要功能是产生和共享审计服务国家治理的准确判断和建议，信息层的主要功能是产生和共享数据所蕴含的关系，信息层能够表示数据的来源和去向，信息技术支撑部的主要功能是为数据层、信息层、知识层和智慧层各层之间相互转环提供信息技术支撑保障，s4中，在更新审计规则库之前对市政审计规则库进行检索，将新增和修改过后的规则存储在更新层处，将审计过程中使用的业务规则和审计规则库进行比对，查重补漏，将更新层处新增或者修改过后的审计规则添加至审计规则库中，s5中，更新过后的审计规则库中的规则采用全局比对算法进行比对，对相似度高的规则，将近期未更新规则进行删除，s5中，在审计规则库中还设置了更新组件，更新组件是记录每一条规则的使用时间，更新组件每条遍历审计规则库一次，将半年内未使用的规则进行删除，目的是完善审计规则的生命周期。

本发明可以实现智能化的审计，可以为审计人员提供支持和帮助，大大降低了审计人员的工作强度，有利于提升审计的准确性和可靠性，并且可以完善审计规则的生命周期管理。

本发明的技术方案解决了现有的审计方法多数采用人工的方式进行审计，审计过程中需要遵循的法规和规则更新快，范围大，仅靠审计人员大脑储存会影响审计的准确性和可靠性，审计的风险高的问题。

以上，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。