- 综合排序
- 最热优先
- 最新优先
- 来自专栏审计底稿自动化
AI审计风险识别实战 — 如何用AI快速识别财务造假信号、关联交易风险
本文是AI审计自动化系列文章的第3篇，延续前两篇的底稿自动化和质控引擎主题，深入探讨AI在审计风险识别中的实战应用。一、引言财务造假和关联交易风险是审计工作的两大核心挑战。 二、财务造假信号的AI识别2.1收入造假识别收入造假是最常见的财务造假手段。 、AI风险识别系统的构建4.1系统架构一个完整的AI审计风险识别系统包含以下模块：展开代码语言：TXTAI代码解释数据采集层└─财务数据、工商信息、银行流水、合同文档数据预处理层└─数据清洗、标准化、特征工程风险识别层 Matplotlib,Plotly风险热力图、关联网络图4.3实施路线图第一阶段：数据准备（1-2周）收集历史财务数据、工商信息、银行流水建立数据字典和标准化规范完成数据清洗和特征工程第二阶段：模型开发 （2-3周）开发财务造假识别模型开发关联交易识别模型训练异常检测算法第三阶段：系统整合（1-2周）搭建系统架构开发用户界面建立自动化流程第四阶段：测试优化（持续）使用历史案例测试系统准确性根据反馈优化模型参数扩展新的风险识别场景五
62820编辑于 2026-05-19 基于 WorkBuddy 智能体的上市公司财务风险分析—— 从 2017 年报识别康美风险
验算完毕，两份干净、完整的结构化表格归档到位： 格力电器 2017 年财务报表 OCR 识别结果.xlsx 康美药业 2017 年财务报表 OCR 识别结果.xlsx每份文件都包含完整的财报四表 —— WorkBuddy 按照模型既定的公式，逐项计算财务指标，识别异常项，并用组合风险规则进行交叉验证。 结果清晰而有力：✅低风险｜格力电器：经营与财务表现整体稳健，各项指标处于合理区间，未触发组合风险规则。⚠️高风险｜康美药业：报告识别出两个集中爆发的风险点：其一，"存贷双高" 异常。 V3PDF 年报转换为结构化 Excel，完成表格解析校验步骤 2：识别与校验财务风险智能评分模型【自建评分模型】计算财务指标、识别异常、组合风险交叉验证步骤 3：风险研判listedco‑financial‑risk‑scoring 输出风险洞察报告，计算财务指标、识别异常风险，做多维度交叉验证步骤 3：风险研判listedco‑financial‑compare‑decision财报对比，生成投资决策建议报告，两家企业横向对比步骤
18710编辑于 2026-08-19- 来自专栏搜狗测试
风险识别知多少？
一、为什么要做风险识别？ 所以，如果能提前识别项目中可能存在哪些会阻塞测试的风险，然后基于风险来调整我们的测试策略，就可以在测试过程中”如鱼得水“。 针对例2，我们可以加强对开发设计文档的评审、让开发参与测试用例评审等来应对风险。 那么，如何做风险分析？ 二、风险识别应从哪些方面入手？ 我们可以根据测试策略逐步分析哪些问题会对测试活动的开展带来阻碍，并进行风险识别。 若条件1和条件4无法满足，那么识别出来的风险点就是： 风险1：开发缺少设计文档，或可能文档更新不及时 风险2：测试人员对压力、稳定性、性能方面的测试方法掌握不足，可能会出现测试设计遗漏 上面是简单举的一个例子
1.7K10发布于 2019-11-09 - 来自专栏FreeBuf
邮件外发风险识别
本文讨围绕邮件外发风险识别，讨论如何定义合理业务需要和违规外发，如何剖析外发场景，区分业务需要和判定要素，如何引入各种安全能力，提高自动化处理效率。 邮件外发审计依据 俗话说“无规矩不成方圆”，企业开展邮件外发监控的首要依据是内部可落地的安全管理规范以及违规处罚标准，其次是邮件系统的架构可以支撑审计能力的开展，最后需要的是从海量的邮件外发中将高风险外发行为识别出来大数据风险策略能力 大数据审计能力 传统邮件外发监控的最大缺陷是仅凭有限的人力无法从海量的邮件外发事件中逐一进行核验，无法将所有识别维度快速进行解读分析，并且无法将日常审计中归纳总结的经验通过系统做自动化处置。 安全团队可以藉由相关数据形成场景、策略，辅以算法模型分析，进行风险阈值打分，将高风险邮件外发行为识别出来，使得审计效率、准确率获得极大的提升。 风险分计算 公式：邮件外发风险分=X人员关系分+Y行为场景分+Z内容检测分 得分划为3个区间，【高风险】【中风险】【低风险】 注：XYZ为权重需要根据企业实际情况配置 人员关系分数来源： 发送人或所属团队
2.8K10发布于 2020-09-14 企业财务数据安全解决方案：从风险识别到智能防护的全链路实践
企业面临的五大财务数据风险场景：1. 存储风险财务人员使用未加密设备或私人云盘存储薪资表、审计报告、客户流水等，且打印文档无管控，随意堆放在办公区。2. 权限风险系统权限粗放，销售、行政等非财务人员可查看成本、薪资等数据；临时授权长期有效，跨部门数据随意流转。4. 系统风险使用未修复漏洞的旧版财务软件，系统访问不受控，业务人员随意登录下载敏感文件，暴露核心数据。5. 操作风险财务人员点击钓鱼邮件、数据备份缺失、离职前恶意删除文档、随意修改或重命名归档文件，导致数据永久丢失。 合规达标：满足相关监管要求，可提供完整操作审计链，降低合规处罚与审计风险。业务支撑：保障财务核心工作流畅运转，赋能财务与业务协同。
58910编辑于 2025-12-30- 来自专栏注册会计师用 WorkBuddy提升效率
Python 财务造假红旗识别（注师视角）
问题上市公司财务造假，注师看三个最灵的红旗：应收增速远超营收、应计比率畸高、经营现金流长期为负。用Python一行行算出来，比看故事会靠谱。 rev_growth=[(revenue[i]-revenue[i-1])/revenue[i-1]foriinrange(1,len(revenue))]print("ARgrowth:",[round(x,2) forxinar_growth])print("Revenuegrowth:",[round(x,2)forxinrev_growth])net_income=200operating_cash=50accrual =(net_income-operating_cash)/net_incomeprint("Accrualratio:",round(accrual,2))关键点（注师视角）应收增速长期大于营收增速，是 识别造假，本质上是在穿透现象、逼近本质——而这，恰是注师职业最深刻的哲学训练。觉得这篇能帮你排掉几个雷，点赞收藏+关注。
19021编辑于 2026-08-16 - 来自专栏安全加固
【安全公告】某流行财务软件勒索病毒攻击风险预警
风险详情 经分析确认，此次安全事件中涉及到的漏洞为任意文件上传漏洞。
3.6K800编辑于 2022-08-31 - 来自专栏API 分享
企业税收违法查询API：提升财务监控和风险管理的关键利器
为了降低税务风险，提高财务监控水平，许多企业已经开始采用先进的工具和技术。其中之一，便是企业税收违法查询API，这一强大的工具已经成为财务监控和风险管理的关键利器。 有了这些数据，财务团队可以更好地监控企业的财务状况，及时发现问题并采取纠正措施。提高风险管理除了财务监控，企业税收违法查询API还在风险管理方面发挥了关键作用。 这些API能够帮助企业识别潜在的税务风险，包括与税务合规性相关的法规变化和潜在的问题领域。通过提前了解这些风险，企业可以制定策略，降低风险，并避免不必要的法律纠纷。 "res_person_id_type": "", "res_person_sex": "", "address": "广西南宁市银沙大道11号新加坡城1号楼2单元 res_department_id_type": "", "res_department_id_number": "" }, "reason": "ok", "error_code": 0}2.
58240编辑于 2023-11-02 - 来自专栏生物信息与临床医学专栏
多基因风险评分2
是AA，并且AA就是野生型，突变的情况是A突变成G，那么基因型AG就是杂合型，GG就是纯合突变型，为了方便计算，我们规定基因型为AA的人的等位基因剂量为0，AG的等位基因剂量为1，GG的等位基因剂量为2， 我们也称该SNP的等位基因剂量分别是0、1、2，其他相关知识点可参考往期遗传学概述。 关于多基因风险评分的计算方法就讲到这里，在下期内容中我会和大家介绍如何使用PRSice软件来快速计算PRS，敬请期待！
2.1K21发布于 2020-08-27 - 来自专栏硬核项目经理的专栏
【信管10.2】规划识别风险及定性分析
识别风险 识别风险指的是确定哪些风险会影响项目，将其特性记载成文。识别风险过程是风险分析和跟踪的基础。 识别风险的内容包括： 识别并确定项目有哪些潜在的风险 识别引起这些风险的主要因素 识别项目风险可能引起的后果 在进行风险识别的时候，要注意识别风险的全员性、系统性、动态性、信息依赖性以及综合性这些特性。 代表的就是识别风险不是一两个人的事，而是团队整体的事情，并且应该系统性地，不断地进行风险地识别。 包括： 已识别风险清单 潜在应对措施清单 风险根本原因 风险类别更新 风险登记册始于风险识别过程，然后供其它风险管理过程和项目管理过程使用，所以说它是整个项目管理计划的一部分。 在定性风险分析和定量风险分析中都会进一步完善。 风险识别：风险登记册包括的主要信息有已识别的风险清单、潜在应对清单等，就是上面刚刚说过的那四条内容。
1.7K20编辑于 2023-03-02 - 来自专栏API接口
增值税发票识别API，让财务数据更透明
现在的商业世界中，财务数据的准确性和透明度对企业的发展至关重要。而随着电子发票的普及和应用，如何快速高效地识别和提取发票信息成为了一个重要的问题。 好在有了增值税发票识别API，我们可以轻松实现对增值税发票信息的结构化识别，从而让财务数据更加透明。 四要素字段的识别准确率高达95%，能够满足大部分应用场景的需求。下面我们来看一下如何使用增值税发票识别API来识别一张发票。 返回的结果中，如果成功识别出发票信息，则可以通过解析JSON数据获取各个字段的值。通过增值税发票识别API，我们可以轻松实现对增值税发票信息的识别和提取，大大提高了财务数据的准确性和透明度。 让我们共同努力，让财务数据更透明，为企业的发展注入新的活力！
82011编辑于 2024-05-27 - 来自专栏点云PCL
浅谈自动驾驶中的行为风险识别
我们可以通过一个比喻来解释什么是行为风险识别：自动驾驶的机器大脑在参加一场考试，他遇到一道难题，在两个答案之间犹豫不决。 为什么需要行为风险识别？ 在处理这些输入不确定性，并输出确定性决策的过程中。 前者会影响通行效率，而后者则可能带来更高的风险（旁边车道来车）。 图2. 而行为风险识别希望达到的目的就是将区间（3）中的场景首先转化为区间（2），即“know unknowns”。 行为风险识别的具体算法，以及识别后的处理方式，将在下次技术解析中详细介绍。
1.7K20发布于 2021-11-12 无符号整型下溢风险识别以及解决
本文从风险、原因、解决方案和跨语言影响四个维度进行分析。 写法1：直接判断size展开代码语言：C++AI代码解释if(container.size()>1){for(size_ti=0;i<container.size()-1;i++){//处理逻辑}}写法2： 四、其他语言是否也有类似风险？ 2.Python——无风险（动态类型+不使用下标循环）Python常规写法是：展开代码语言：PythonAI代码解释foriinrange(len(container)-1):range(-1)会生成空序列 但同样存在：对空集合行为未明确忘了处理最后一个元素属于逻辑风险，而非语言级风险。
30530编辑于 2025-12-12- 来自专栏算法工程师的学习日志
车牌识别（2）-搭建车牌识别模型
上一期分享了模拟生成车牌的方法，今天分享一下搭建要给简单的车牌识别模型，模拟生成车牌的方法参看：车牌识别（1）-车牌数据集生成 生成的车牌如下图 准备数据集，图片放在path下面，同时把图片名称和图片的车牌号对应关系写入到 y_train是长度为7的列表，其中每个都是shape为(n, # )的ndarray，分别对应n张图片的第一个字符，第二个字符....第七个字符 因为车牌是固定长度，所以有个想法，就是既然我们知道识别七次 ，那就可以用七个模型按照顺序识别。 ，识别成功 chars = '' for arg in np.argmax(lic_pred, axis=1): # 取每行中概率值最大的arg,将其转为字符 Lic_pred.append(chars) # 将车牌和识别结果一并存入Lic_pred return Lic_pred
4K30编辑于 2022-07-27 - 来自专栏渗透云笔记
基于数据安全的风险评估（一）：数据资产识别、脆弱性识别
● 数据资产识别 现今信息系统的风险评估体系已非常完善，但数据安全方面并没有形成相关评估内容，整个体系中缺少数据安全相关的检测与评估项，所以近期一直思考数据安全风险评估应是如何，应该从哪些方面进行检测与评估 本文产生的目就是希望解决如上一系列数据安全风险评估疑问，尽可能从资产识别、威胁分类、脆弱性识别、风险计算、处置建议等5个环节进行完善，通过不断持续优化完善，以期实现基于数据安全风险评估的体系化建设。 第一章为资产识别，资产是安全保护的对象，是风险评估的主体，资产的识别是理清内容、看透价值的重要手段，只有准确的资产识别，才能产生有意义的风险评估报告。 资产登记示例图 ● 脆弱性识别 数据资产识别是风险评估的开始，而脆弱性是对一个或多个资产弱点的集合，脆弱性识别也可称为弱点识别，而该弱点是资产本身存在的，如果没有威胁利用，单纯的弱点不会引发安全事件。 本篇文章将从脆弱性识别内容、识别方式、脆弱性定级，三个部分进行介绍。 一 脆弱性识别内容 资产脆弱性包括管理型与技术型两大类。
10.5K61发布于 2020-03-12 自然语言处理在风险识别中的应用
利用自然语言处理理解和识别风险作为某中心的应用科学经理，Muthu Chandrasekaran致力于开发新工具来自动化并构建风险技术。 如今，他是某中心的应用科学经理，领导一个科学家团队，通过分析某中心团队正在开发的新技术产品的机器学习模型来识别风险。目标是在产品发布前识别可能对客户体验产生负面影响的潜在问题。 理解和识别风险Chandrasekaran接受了挑战，如今领导风险科学团队，该团队是客户体验与业务趋势（CXBT）组织的一部分。CXBT包含多个某中心业务，致力于深入理解和改善全球客户体验。 “整个风险分析领域基本上是关于预测或预报可能出错的事情，”他解释道。他的团队专注于影响客户信任和体验的风险。“在某中心，客户信任至关重要。 他们都对人工智能及其在风险领域产生的影响充满热情。”推动研究领域发展Chandrasekaran在某中心工作最欣赏的一点是NLP在各个某中心组织中的广泛应用。
30310编辑于 2025-10-11财务报销变了：AI自动识别票据异常，节省团队40%时间
……一位中型企业的财务主管跟我算过一笔账：平均每张发票人工核对需要2-3分钟，每月处理2000张发票，光是核对就要花掉一个财务人员近一半的工作时间。 三、解决方案：AI辅助的票据异常识别整体思路： 在财务人员介入之前，先让AI完成第一道筛查。AI读取发票图片，提取关键信息，对照规则进行判断，输出异常标记和分类。 （如税率错误）：自动标记，推送申请人修改中风险异常（如金额不一致）：推送财务人工复核高风险异常（如重复报销）：直接驳回，触发告警第四步：数据沉淀与复盘所有识别结果、人工处理记录、异常类型分布，统一沉淀到数据库中 四、落地效果某企业财务团队上线该方案后，3个月的数据：指标一：核对时间缩短人工核对单张发票：2-3分钟AI辅助后：30秒（AI识别+人工确认异常部分）财务团队每月节省时间：约40%指标二：异常检出率提升人工检出率 ：约85%（注意力下降后漏检）AI辅助后：98%（规则全覆盖，不疲劳）指标三：异常处理周期缩短原来：从提交到退回修改，平均2.5天现在：从提交到收到异常通知，平均2小时指标四：财务满意度提升财务负责人评价
44610编辑于 2026-05-08- 来自专栏数据派THU
干货 | 人脸识别技术的风险及应对方案
从运用领域来看，随着技术成熟和法律规范化，人脸识别技术将在生活各方面得到爆炸式增长。 第二部分：人脸识别的风险与挑战 人脸识别应用过程中产生的风险可以分为技术风险和法律风险两类。 技术风险，指恶意攻击或人脸识别系统技术不完善所带来的风险。 法律风险，指人脸识别技术在应用过程中可能出现的侵犯财产权利和人身权利的风险。 一、人脸识别的技术风险分析 人脸识别过程中的技术缺陷：比如使用2D图片、短视频，脸部模具向人脸识别系统提交虚假证据以通过身份认证，通过篡改验证流程通讯信息，劫持访问对象与修改软件进程的方式，实现虚假的人脸信息的通过等 二、人脸识别的法律风险分析 当前，对于人脸识别法律风险的研究，主要集中隐私权侵犯与数据滥用和法律缺失导致权责认定困难两个方面。 第四部分：应对方案构建 通过对境外对人脸识别技术风险法律规制手段的总结，我们得到启示：严格敏感个人信息的收集与处理，区分不同领域的应用，并建立人脸识别全流程监管框架。
2.2K20编辑于 2023-03-29 - 来自专栏美团无人配送
浅谈自动驾驶中的行为风险识别（一）
为什么需要行为风险识别？ 在处理这些输入不确定性，并输出确定性决策的过程中。 前者会影响通行效率，而后者则可能带来更高的风险（旁边车道来车）。 图2. 因此，我们需要在行为决策层增加一种以安全性为单目标的算法模型，希望能够对可能发生的风险进行提前的识别，当安全性不满足要求时采用人工接管或保守策略。 而行为风险识别希望达到的目的就是将区间（3）中的场景首先转化为区间（2），即“know unknowns”。 行为风险识别的具体算法，以及识别后的处理方式，将在下次技术解析中详细介绍。
2.2K30发布于 2021-07-27 机器学习助力识别自杀风险的技术研究
在临床心理学家妻子Rebecca Resnik的影响下，他对应用计算模型识别与心理健康相关的语言信号特别感兴趣。“语言是洞察人们心理状态的关键窗口，”Resnik说。 在机器学习研究奖的支持下，他和同事目前正应用机器学习技术分析社交媒体数据，试图对心理健康的重要方面（包括自杀风险）进行预测。开发更复杂的工具来预防自杀在美国是一个紧迫的问题。 在这种场景下，模型利用由社交媒体帖子组成的数据集，在给定大量正确示例后，学习如何识别模式或属性以做出预测。 当软件在一个已经负担过重的系统中识别出更多可能需要帮助的人时，会发生什么？他说，答案是找到方法来帮助优先处理最需要尽快关注的病例。因此，Resnik的团队将重点从简单的分类转向了优先级排序。 其中一种方法是，告知医疗服务提供者哪些患者风险更高，需要最立即的关注。该系统不仅会对风险最高的个体进行排名，还会为每个人排名哪些社交媒体帖子最能反映其心理状态。
23400编辑于 2025-12-29
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号