CN119444431A 一种基于大数据的企业数据资产审计方法和系统 （深圳建安润星安全技术有限公司）

一种基于大数据的企业数据资产审计方法公开了一种基于大数据的企业数据资产审计方2S2、对采集的财务信息数据、业务运营数据、管对财务信息数据集、业务运营数据集、管理决策数据集和外部行业S4、将预测的企业数据资产的审计风险系数与预使用线性插值法对财务信息数据、业务运营数据、管理决策对财务信息数据、业务运营数据、管理决策数据和外部行业数据进对财务信息数据集进行特征提取的方法为：计算财务指标，对对业务运营数据集进行特征提取的方法为：对业务运营数据集中3;f为第a个客户的F;;采用K_means聚类算法对客户进行进一步细分；对管理决策数据集进行特征提取的方对外部行业数据集进行特征提取的方法为：使用时间序列分析方法对市将特征提取后的财务特征数据集、业务运营特征数据集、管理决4;将数据集划分为训练集、验证集和测试集，数据集包括历史综合特使用GRU层处理历史综合特征数据集，根据任务复杂度调整GRU层的数量和神经元数使用平均绝对误差作为损失函数，衡量模型的预测值和实际;系数的真实值；j,为第i个企业资产数据的审计风险系数的预测值；使用训练集数据进行模型训练，通过Adam优化器来最小化损使用测试集评估模型在预测任务中的性能，将当前综合;5;为第i'个学习率的取值；为第j个GRU层数的取值；K折限制公式对K折交叉验证中的折数K进行限制，所述K折限制公式为：;;其中，F为审计风险系数阈值；M为历史审计风Q为历史审计风险系数的百分位数；r为历史审计风险系数的中位数与百;临的审计风险等级；若ESR，则判定企业数据资产面临的审计风险等级为低风险；若6对于低度审计风险的企业数据资产，采取的管理策略包括进行数据质量对于中度审计风险的企业数据资产，采取的管理策略包括实施联合对于高度审计风险的企业数据资产，采取综合性优化管理策略，对10.一种基于大数据的企业数据资产审计系统，用于实现权利要求1至9中任一项所述对财务信息数据集、业务运营数据集、管理决策数据集和外部行业风险预测模块，用于构建审计风险预测模型，将综合特征数据集输入审计风险评估模块，用于将预测的企业数据资产的审计风险系数与预设的企调整优化模块，用于根据企业数据资产面临的审计风险7[0002]申请公开号为CN115375417A的专利公开了一种基于大数89;f为第a个客为第a个客户的F指标评分权重系数；i,为第a个客户的M指标评分权重系数；a为客户的S43、将客户按不同的得分组合进行初步分群，每个组合代表一种不同的客户类;;采用K_means聚类算法对客户进行进一步细分；对管理决策数据集进行特征提取;;风险系数的真实值；j,为第i个企业资产数据的审计风险系数的预测值；;L的取值范围为：;L的取值数量；S72、对于每一个超参数组合，通过折交叉验证误差公式计算该超参数组合的;为第i'个学习率的取值；为第j个GRU层数S73、通过K折限制公式对K折交叉验证中的折数K进行限制，所述K折限制公;;风险系数的标准差；Q为历史审计风险系数的百分位数；r为历史审计风险系数的中位数S82、通过系数调整模型对历史审计风险系数的中位数与百分位数差值的调整系;为历史审计风险系数的方差；对于中度审计风险的企业数据资产，采取的管理策略包括实施联合数据保护措;f为第a个客为第a个客户的F指标评分权重系数；i,为第a个客户的M指标评分权重系数；a为客户的S43、将客户按不同的得分组合进行初步分群，每个组合代表一种不同的客户类;;采用K_means聚类算法对客户进行进一步细分；对管理决策数据集进行特征提取;;风险系数的真实值；j,为第i个企业资产数据的审计风险系数的预测值；;L的取值范围为：;L的取值数量；S72、对于每一个超参数组合，通过折交叉验证误差公式计算该超参数组合的;为第i'个学习率的取值；为第j个GRU层数K折限制公式对K折交叉验证中的折数K进行限制，K折限制公式为：;假设选择进行5折交叉验证来评估每一个超参数组合的表现：对于每一个超参数;这里的折数限制表示可以选择5折交叉验证来减少计算量，设经过网格搜索和折[0030]将预测的企业数据资产的审计风险系数与预设的企业数据资产审计风险系数阈;风险系数的标准差；Q为历史审计风险系数的百分位数；r为历史审计风险系数的中位数S82、通过系数调整模型对历史审计风险系数的中位数与百分位数差值的调整系;为历史审计风险系数的方差；数r约为0.5；对于中度审计风险的企业数据资产，采取的管理策略包括实施联合数据保护措[0035]由于本实施例所