[发明专利]基于机器学习模型解释的智慧审计方法

说明书

本发明属于智慧审计领域，尤其是基于机器学习模型解释的智慧审计方法，针对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，现提出如下方案，其包括以下步骤：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；本发明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。

技术领域

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(Machine Learning, 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。

发明内容

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。