本发明属于信息审计技术领域，特别是涉及一种大数据智能云审计方法及系统。
背景技术：
云计算被认为是继大型计算机、个人计算机、互联网之后，IT产业的第四次革命。云计算秉承“按需服务”的理念，是一种新近提出的计算模式；云计算技术运用到审计过程中，产生了“云审计”，云审计是指在云计算的基础上搭建一个平台，通过数据的云存储，实现各类审计信息的数字化，使各种审计资源，包括审计人员、程序和相关的硬件设备，通过云来协同工作，使审计资源得到充分优化利用，以促进信息的交流和共享。在云审计过程中，审计人员可以按照自己的时间、方式进行审计，无需关注使用何种计算机程序，也无需关注数据的存储、共享和工作时效性问题，惟一需要关注的就是审计任务本身，而云端看不见的繁琐技术全部留给技术后台来解决，并不需要知晓后台是如何运作的，关键是前台的使用是否便捷，是不是得心应手。这也是信息时代发展中的一种必然变化，也已经成为新时期下审计信息化的一种需求。
企业管理信息系统的普及带来了大量的数据积累，传统的审计对数据的采集存在目的性和选择性上不够准确导致数据臃肿，影响审计分析结果。
技术实现要素：
本发明的目的在于提供一种大数据智能云审计方法及系统，通过对数据的清洗和转换提高数据质量，通过及时将预处理后的数据分析结果数据及时备份存储、可视化输出和数据加密保证数据的安全性、可复查性。使数据审计的准确性以及共享性得到提高加强了审计线索和进行总体分析的能力。
为解决上述技术问题，本发明是通过以下技术方案实现的：
本发明为一种大数据智能云审计方法，包括：
审计数据采集：根据采集规则确定采集对象，采集得到初始数据源；
审计数据预处理：根据设定的数据预处理规则对初始数据源进行清洗和转换得到审计源数据；
数据挖掘：对审计源数据进行挖掘；
审计数据处理分析：对应用不同的分析方法数据挖掘结果进行分析和评估；
审计数据管理：管理审计分析结果数据的存储，可视化输出和数据加密。
进一步地，所述审计数据的管理包括将审计结果数据存储在中心数据库。
进一步地，所述数据挖掘包括人工神经网络、遗传算法、聚类分析、决策树中的一种或几种方法。
进一步地，所述审计数据的预处理还包括数据转换，重复数据的清理和合并，数据排序。
本发明还包括一种大数据智能云审计系统，包括：
审计数据采集单元：用于采集规则采集得到初始数据源；
审计数据预处理单元：用于设定的数据预处理规则对初始数据源进行清洗和整合得到审计源数据；
审计数据分析单元：用于审计规则对审计源数据进行数据挖掘和分析处理得到审计结果数据；
审计数据管理单元：用于管理审计结果数据的存储，可视化输出和数据加密。
进一步地，所述审计数据的管理单元包括数据存储模块，可视化输出模块和数据加密模块。
进一步地，所述一种大数据智能云审计系统，其特征在于，还包括数据库单元。
进一步地，所述审计数据的预处理单元通过数据管理单元将数据备份存储至中心数据库。
进一步地，所述审计数据分析单元包括数据分析模块和审计项目管理模块。
本发明具有以下有益效果：
本发明通过及时将预处理后的数据分析结果数据进行备份存储、可视化输出和数据加密，保证数据的安全性和可复查性。使数据审计的准确性以及共享性得到提高加强了审计线索和进行总体分析的能力，增强了审计的能力、降低了审计成本、提高审计质量，降低审计风险。
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的一种大数据智能云审计方法流程示意图；
图2为本发明的一种大数据智能云审计系统结构示意图；
图3为分析单元结构示意图；
图4为管理单元结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，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。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，本实施例的一个具体应用为：一种大数据智能云审计方法，包括：
(1)审计数据采集(S100)：根据所要审计的项目指定的采集规则确定采集对象，对本地数据和云端大数据存储的相关信息包括报表数据、图片数据、视频数据等；
(2)审计数据预处理(S200)：根据设定的数据预处理规则对审计初始数据源进行清洗、重复数据的清理和合并、数据排序和转换得到审计源数据；得到的审计源数据可进行备份存储在中心数据库中；
(3)数据挖掘(S300)：采用包括人工神经网络、遗传算法、聚类分析、决策树中的一种或几种方法对审计源数据进行挖掘；挖掘数据间的数据间内在规律、共性问题和发展趋向；
(4)审计数据处理分析(S400)：对应用不同的分析方法数据挖掘结果进行分析和评估；
(5)审计数据管理(S500)：对分析结果或审计数据进行管理、包括将审计源数据和审计结果进行数据导出和云端存储；数据的可视化输出对审计源数据和审计结果进行转换例如转换成表格、图表、文件等更清晰直观的方式；审计数据管理还包括加密模块，对预处理后的审计源数据和审计分析后的审计结果进行加密和权限管理。
请参阅图2-4所示，本发明实施例的另一个具体应用为：
一种大数据智能云审计系统，审计数据采集单元100负责检测是否有新数据，如有数据数据传输，通过设置的相应采集规则进行数据采集并将得到初始数据源传输至审计数据预处理单元200；
审计数据预处理单元200，在接收到审计数据采集单元100所传输的审计初始数据后，通过设定的数据预处理规则对审计初始数据源进行清洗、重复数据的清理和合并、数据排序和转换得到审计源数据；审计数据预处理单元200与审计数据管理单元400连接；审计数据管理单元400接收到审计源数据后通过数据加密模块430对数据加密，设置对数据的访问权限，对数据存储建立数据访问控制，对数据进行数据等级区分，通过数据存储模块410对审计源数据进行分开存储至数据库单元500，进行数据备份，便于随时取用；权限内用户可通过可视化输出模块420对备份数据进行浏览、修改和删除等操作，更优选的可对不通操作如浏览、修改和删除分别设置权限。优选地可视化输出模块420可对数据进行转换例如转换成表格、图表、文件等更清晰直观的方式；
审计数据预处理单元200与审计数据分析单元300连接；审计数据分析单元300接受审计源数据后审计项目管理模块320根据指定的算法规则利用数据挖掘包括人工神经网络、遗传算法、聚类分析、决策树等一种或几种结合的方法对审计源数据进行挖掘，数据分析模块310对结果进行分析、解释和评估；并将结果传输至审计数据管理单元400，可视化输出模块420将分析结果转换成表格、图表、文件等便于用户清晰直观了解的方式；通过数据存储模块410对审计源数据进行分开存储至数据库单元500，便于用户通过网络查看；通过数据加密模块430对审计结果数据加密，设置对数据的访问权限，对数据存储建立数据访问控制，如对数据进行浏览、修改和删除等操作等，更优选的可对不通操作如浏览、修改和删除分别设置权限。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。