在互聯(lián)網(wǎng)金融迅猛發(fā)展的今天，商業(yè)銀行業(yè)務(wù)范疇不斷擴(kuò)大，內(nèi)部審計(jì)作為其必不可少的風(fēng)險(xiǎn)控制工具，可以客觀評估風(fēng)險(xiǎn)管理的整體水平，有效防范和控制風(fēng)險(xiǎn)的蔓延。然而，面對日益復(fù)雜的審計(jì)環(huán)境和海量的審計(jì)數(shù)據(jù)，傳統(tǒng)審計(jì)方法已經(jīng)無法滿足審計(jì)工作高質(zhì)量發(fā)展的要求。2018年中央審計(jì)委員會第一次會議與黨的二十大報(bào)告均指出數(shù)字技術(shù)已成為經(jīng)濟(jì)社會發(fā)展不可缺少的重要力量，審計(jì)工作亟需使用數(shù)字技術(shù)與數(shù)字化能力提升產(chǎn)能和價(jià)值創(chuàng)造。

人工智能技術(shù)作為世界科技革命和產(chǎn)業(yè)變革的先導(dǎo)力量，日益融入經(jīng)濟(jì)社會發(fā)展各領(lǐng)域全過程，能夠有效支持審計(jì)數(shù)字化轉(zhuǎn)型。本文以客戶隱蔽關(guān)系挖掘?yàn)槔榻B三種常用技術(shù)在商業(yè)銀行審計(jì)工作中的應(yīng)用，以及人工智能助力審計(jì)數(shù)字化轉(zhuǎn)型時(shí)所帶來的效能提升與風(fēng)險(xiǎn)提示。

PART1三種常用技術(shù)在商業(yè)銀行審計(jì)工作中的應(yīng)用01 關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則算法包括兩個(gè)主要步驟，一是找到事務(wù)數(shù)據(jù)集中的頻繁項(xiàng)集，二是對頻繁項(xiàng)集生成關(guān)聯(lián)規(guī)則，即首先通過頻繁項(xiàng)集挖掘算法找出同時(shí)頻繁出現(xiàn)的數(shù)據(jù)集合，然后分析出如“由于某些事件的發(fā)生而引起另外一些事件的發(fā)生”之類的規(guī)則，進(jìn)而分析該規(guī)則背后更深層次的隱含問題與原因，并提供相關(guān)決策支持。

圖1.關(guān)聯(lián)規(guī)則算法分析步驟

常用的關(guān)聯(lián)規(guī)則算法包括Apriori和FP-Growth，兩種算法均能實(shí)現(xiàn)頻繁項(xiàng)集挖掘，基于“如果一個(gè)項(xiàng)集是頻繁的，則其所有子集一定也是頻繁的”這一先驗(yàn)定理，挖掘得出頻繁同時(shí)出現(xiàn)的數(shù)據(jù)集合。但由于分析思路不同，對數(shù)據(jù)庫掃描次數(shù)不同，算法效率會受到數(shù)據(jù)量等因素影響存在差異，應(yīng)用中需要根據(jù)數(shù)據(jù)量情況、基礎(chǔ)設(shè)施算力情況選擇合適的算法。

表1.Apriori算法與FP-Growth算法比較

1.背景描述

出于規(guī)避檢查等原因，異常或可疑交易通常不是直接通過用戶本人的銀行賬戶，而是通過其控制的或相關(guān)關(guān)系人賬戶進(jìn)行。本人賬戶與被控制賬戶往往在交易時(shí)空上存在交集，即在一定條件下頻繁出現(xiàn)。通過關(guān)聯(lián)規(guī)則算法找到頻繁出現(xiàn)的交易集合，就能夠找到賬戶間控制關(guān)系，從而發(fā)現(xiàn)客戶間隱蔽關(guān)系。

2.所需數(shù)據(jù)

分析主要應(yīng)用的是手機(jī)銀行登錄日志信息，主要字段包括用戶登錄時(shí)間、登錄次數(shù)、交易成功次數(shù)、交易成功金額。

3.分析過程

一是明確事務(wù)數(shù)據(jù)集。篩選一年內(nèi)滿足登錄時(shí)間異常、交易成功金額高等特點(diǎn)的手機(jī)銀行日志數(shù)據(jù)，對該數(shù)據(jù)集按登錄時(shí)間戳、交易時(shí)間戳、交易金額范圍等進(jìn)行分組，統(tǒng)計(jì)每組內(nèi)用戶客戶號或其他身份信息作為一個(gè)事務(wù)向量，每個(gè)事務(wù)向量的集合為待分析的事務(wù)數(shù)據(jù)集。

二是挖掘頻繁項(xiàng)集。考慮到手機(jī)銀行數(shù)據(jù)量較大且短時(shí)間內(nèi)登錄用戶密集，調(diào)用Python工具中的FP-Growth算法，導(dǎo)入事務(wù)數(shù)據(jù)集，按照數(shù)據(jù)讀取——向量轉(zhuǎn)換——關(guān)聯(lián)規(guī)則挖掘——輸出結(jié)果的順序進(jìn)行挖掘分析。算法執(zhí)行中需設(shè)置支持度和置信度的參數(shù)值，分析結(jié)果以二維數(shù)據(jù)表形式展現(xiàn)，包含支持度數(shù)值及對應(yīng)的用戶客戶號集合。

三是結(jié)果核實(shí)。分析得出的用戶與手機(jī)銀行日志及客戶信息關(guān)聯(lián)，得到其對應(yīng)的登錄明細(xì)信息與基礎(chǔ)信息，結(jié)合交易流水等進(jìn)一步確定隱蔽關(guān)系。

圖2.分析過程02 聚類分析技術(shù)

聚類分析是一種非監(jiān)督的學(xué)習(xí)方法，是數(shù)據(jù)分析、理解與數(shù)據(jù)可視化的有效工具。在數(shù)據(jù)挖掘過程中，聚類就是根據(jù)數(shù)據(jù)對象相似性情況，將數(shù)據(jù)對象分組成為多個(gè)不同類或簇，原則是在同一個(gè)類或簇中的對象彼此之間很相似，而與其他類或簇中的對象有一定相異。

常用的聚類算法包括K-Means、DBSCAN、BIRCH。三種算法形成聚簇的方式不同，應(yīng)用中需要根據(jù)數(shù)據(jù)情況進(jìn)行選擇。

表2.K-Means、DBSCAN與BIRCH算法比較

圖3.K-Means、DBSCAN與BIRCH算法對同一虛擬數(shù)據(jù)集聚類結(jié)果

1.背景描述

存在隱性關(guān)系的用戶除了通過手機(jī)銀行線上交易，還可能在線下頻繁接觸，在同一空間范圍內(nèi)面對面登錄賬號并進(jìn)行交易，呈現(xiàn)地理位置上的聚集關(guān)系。通過聚類算法對用戶GPS信息進(jìn)行處理分析，能夠得到用戶在同一時(shí)空中的聚集情況，頻繁存在于同一空間簇內(nèi)的用戶存在潛在關(guān)系。

2.所需數(shù)據(jù)

分析主要應(yīng)用的是手機(jī)銀行登錄日志信息與用戶GPS信息，主要字段包括用戶登錄時(shí)間、登錄次數(shù)、交易成功次數(shù)、交易成功金額、登錄或交易時(shí)所處城市、經(jīng)緯度組合等。

3.分析過程

一是明確數(shù)據(jù)集。將用戶手機(jī)銀行登錄日志與GPS信息關(guān)聯(lián)，剔除經(jīng)緯度為空的數(shù)據(jù)記錄，為避免出現(xiàn)城市與用戶經(jīng)緯度不匹配記錄，關(guān)聯(lián)省市經(jīng)緯度范圍并進(jìn)行修正。

二是根據(jù)用戶位置進(jìn)行聚類。聚類以城市為單位分別進(jìn)行，考慮到城市中人口分布常用密度計(jì)量，在城市內(nèi)呈現(xiàn)區(qū)域性集中，調(diào)用Python工具中的DBSCAN算法，導(dǎo)入數(shù)據(jù)集，按照數(shù)據(jù)讀取——城市選擇——參數(shù)設(shè)置——聚類分析——輸出結(jié)果的順序進(jìn)行分析。算法執(zhí)行中需設(shè)置以每個(gè)用戶為中心的范圍半徑和范圍內(nèi)最小樣本數(shù)兩個(gè)參數(shù)值，輸出聚簇序號以及簇內(nèi)包含的用戶客戶號。

三是聚簇合并。由于初始范圍半徑固定，可能出現(xiàn)分布較稀疏的聚類被劃分為多個(gè)簇，考慮通過空間關(guān)系約束進(jìn)行合并。設(shè)置簇間距離閾值，計(jì)算每個(gè)聚簇中心點(diǎn)之間的距離并與閾值進(jìn)行比較，若小于閾值則合并為同一空間簇，若超過閾值范圍則認(rèn)為屬于不同空間簇。在進(jìn)行聚簇合并時(shí)，可以考慮使用角度約束作為補(bǔ)充。存在于同一空間簇內(nèi)的用戶存在潛在關(guān)系。

圖4.空間關(guān)系約束（左）與角度關(guān)系約束（右）03 知識圖譜

知識圖譜運(yùn)用可視化技術(shù)描述知識資源，通過繪制包含對象、屬性及關(guān)系的知識映射圖譜來挖掘和分析對象的相互關(guān)系。通過知識圖譜可以高效直觀地得到目標(biāo)對象之間的關(guān)聯(lián)網(wǎng)絡(luò)，實(shí)現(xiàn)從多維度對審計(jì)對象進(jìn)行畫像。

利用關(guān)聯(lián)規(guī)則、聚類分析等算法輸出的客戶關(guān)系結(jié)果滿足構(gòu)建關(guān)系型圖譜的底層數(shù)據(jù)要求，可獲得企業(yè)客戶之間隱蔽關(guān)系的可視化圖譜，添加交易、流水信息還能夠補(bǔ)充擔(dān)保和資金往來關(guān)系。通過追蹤圖譜節(jié)點(diǎn)，審計(jì)人員能夠快速抓取信息，為非現(xiàn)場審計(jì)的風(fēng)險(xiǎn)發(fā)現(xiàn)和信息檢索提供直接幫助。

圖5.點(diǎn)邊關(guān)系示例

PART2效能提升與風(fēng)險(xiǎn)提示01 效能提升

隨著人工智能技術(shù)的廣泛應(yīng)用，一方面，審計(jì)人員可以利用前沿技術(shù)算法、先進(jìn)的分析軟件，對海量的數(shù)據(jù)進(jìn)行深層次分析和挖掘，快速、精準(zhǔn)地識別業(yè)務(wù)活動(dòng)背后的潛在風(fēng)險(xiǎn)，大幅縮短審計(jì)時(shí)間，顯著提升審計(jì)效率。另一方面，能夠建立科學(xué)的審計(jì)模型，提升審計(jì)結(jié)果的準(zhǔn)確性。通過各種審計(jì)數(shù)據(jù)模型的合理應(yīng)用，對內(nèi)部審計(jì)結(jié)果進(jìn)行科學(xué)預(yù)測和準(zhǔn)確分析，快速準(zhǔn)確地發(fā)現(xiàn)銀行內(nèi)部管理中存在的各種問題，并提出解決措施，推動(dòng)審計(jì)效能不斷提升。

02 風(fēng)險(xiǎn)提示

雖然人工智能算法能夠有效拓展銀行內(nèi)部審計(jì)廣度與深度，但是在大數(shù)據(jù)環(huán)境下的應(yīng)用過程中需要注意以下三點(diǎn)。

1.強(qiáng)化數(shù)據(jù)安全管理

數(shù)據(jù)分析處理需要借助于互聯(lián)網(wǎng)技術(shù)和計(jì)算機(jī)設(shè)備進(jìn)行，存在病毒攻擊與人員泄密風(fēng)險(xiǎn)。商業(yè)銀行需不斷強(qiáng)化數(shù)據(jù)安全管控，明確數(shù)據(jù)用途，嚴(yán)防數(shù)據(jù)泄露。通過問責(zé)機(jī)制等方式加強(qiáng)審計(jì)人員數(shù)據(jù)安全意識，督促其嚴(yán)格遵守?cái)?shù)據(jù)安全要求，分級設(shè)置數(shù)據(jù)權(quán)限，做好數(shù)據(jù)保密工作。同時(shí)，制定統(tǒng)一的安全風(fēng)險(xiǎn)管理標(biāo)準(zhǔn)和防范等級，做好安全風(fēng)險(xiǎn)評估，最大限度減少數(shù)據(jù)安全隱患。

2.緊密結(jié)合現(xiàn)場與非現(xiàn)場審計(jì)

人工智能技術(shù)為非現(xiàn)場審計(jì)系統(tǒng)建設(shè)提供了強(qiáng)有力支撐，但這并不意味著現(xiàn)場審計(jì)的作用可以被削弱或替代。算法應(yīng)用與模型構(gòu)建的初始閾值設(shè)置依賴于現(xiàn)場審計(jì)提供的專家經(jīng)驗(yàn)，算法結(jié)果輸出的可疑清單需要審計(jì)人員現(xiàn)場核查并返回結(jié)果，從而進(jìn)行迭代優(yōu)化；現(xiàn)場審計(jì)則需要數(shù)字化方式明確審計(jì)對象，縮小排查范圍，精準(zhǔn)及時(shí)發(fā)現(xiàn)潛在風(fēng)險(xiǎn)的同時(shí)減輕負(fù)擔(dān)。

將現(xiàn)場與非現(xiàn)場審計(jì)相結(jié)合，共同提升商業(yè)銀行內(nèi)部審計(jì)獨(dú)立性與有效性，達(dá)到更客觀和全面審計(jì)的目的，發(fā)揮內(nèi)部審計(jì)作為風(fēng)險(xiǎn)管理第三道防線的作用。

3.培養(yǎng)復(fù)合型人才

目前，商業(yè)銀行審計(jì)人員在有效利用前沿技術(shù)開展內(nèi)部審計(jì)方面仍需提升。應(yīng)首先加強(qiáng)對審計(jì)人員在技術(shù)領(lǐng)域的培訓(xùn)，不僅要懂得審計(jì)工作流程和方法，還要懂得數(shù)據(jù)分析模型運(yùn)用，熟悉相關(guān)業(yè)務(wù)系統(tǒng)以及系統(tǒng)內(nèi)部數(shù)據(jù)處理方式，善于應(yīng)用審計(jì)模型進(jìn)行預(yù)測分析、及時(shí)發(fā)現(xiàn)問題。同時(shí)不斷優(yōu)化和調(diào)整現(xiàn)有審計(jì)人員結(jié)構(gòu)，引進(jìn)復(fù)合型人才。對于大數(shù)據(jù)思維下的內(nèi)部審計(jì)工作人員，需要做好內(nèi)部審計(jì)工作轉(zhuǎn)型的準(zhǔn)備，擺脫過去傳統(tǒng)的思維模式，提高處理數(shù)據(jù)的能力，進(jìn)行有效的數(shù)據(jù)驅(qū)動(dòng)審計(jì)，為內(nèi)部審計(jì)的轉(zhuǎn)型和發(fā)展做出貢獻(xiàn)。