基于深度去噪自编码器的智能内部审计预警研究

基于生成式人工智能技术的ChatGPT,依托其强大的数据分析与处理能力以及大型语言模型,为企业智能内部审计预警提供新思路、新路径。文章在探讨生成式人工智能与企业内部审计契合性的基础上,结合ChatGPT的关键技术架构,构建了一种以添加注意力机制和双向长短期记忆(Attention-Bi-LSTM)作为神经网络的深度去噪自编码器(DDAE)智能内部审计预警模型,并从基础设施层、数据层、服务层、平台层和应用层五个层次分析了该模型在应用实施中的关注点。期望本文可以为以ChatGPT为代表的生成式人工智能应用于企业内部审计预警提供新的方法,也为注册会计师从事社会审计提供借鉴。

ChatGPT时代下基于深度自编码网络的企业内部审计智能预警——以往来款项审计为例

以ChatGPT为代表的生成式人工智能技术被誉为第二次信息革命,其强大的数据深入分析能力为企业智能化内部审计提供了新思路.针对现有审计风险预警中传统机器学习泛化能力提升有限以及特征分析维度不足等问题,提出一种基于ChatGPT技术内核的深度自编码网络方法,来对往来款项这一重要会计活动中的风险做出事前判别.首先,根据影响因素从业务匹配、期限结构、减值损失、关联交易、单体统计和文本信息多个角度筛选提取审计特征;随后,考虑到风险样本的不平衡性以及业财指标在经营周期下的前后时变特性,基于无监督和深度学习思想,构建了以添加注意力机制双向长短期记忆(Bi-LSTM)作为神经网络的深度自编码器(DAE)预训练模型,并借鉴多任务学习思想,利用融合模型迁移的集成框架量化审计风险概率以保证预警的稳定性;最后,通过大数据技术采集企业往来业务和财务的真实数据对上述方法进行了多方面对比验证.试验结果表明,该方法有助于不同预警时间窗口下审计特征的高效精准挖掘,相较常用的监督学习和迭代聚类法能显著提升审计风险预警的精度和鲁棒性,同时能识别出导致风险产生的关键因素以快速定位审计疑点,为企业改善内部审计的质量和效率提供智能化决策支持.