财务智能审核方法、装置、设备及存储介质与流程

本技术涉及智能财务审核，具体涉及一种财务智能审核方法、装置、设备及存储介质。

背景技术：

1、随着企业财务数字化与业务规模扩张，财务审核呈现单据多源异构、审核链路长、风险隐蔽性强等特点，传统财务审核方案存在显著缺陷，难以适配中台化、全链路、高实时性的审核需求。具体表现有以下缺陷：

2、审核流程碎片化：现有方案多为单据采集、ocr识别、规则校验、人工复核的串行执行，数据在业务系统、识别工具、审核终端间孤立流转，存在流程断点。

3、审核方式智能化不足，隐蔽风险识别薄弱：传统审核依赖人工核对，智能方案仅单一调用规则引擎，对时序异常、关联舞弊、团伙规避等隐蔽违规模式无识别能力；且采用串行调用方式，审核响应延迟高，无法满足业务提交时的事中实时审核需求。

4、决策机制单一，无多引擎共识逻辑：仅依靠规则引擎做确定性判断，未结合风控模型的概率性预测，规则刚性过强易误报。

5、因此，亟需提出一种依托审核中台、支持多引擎并行处理、具备竞争性共识决策的财务智能审核方法。

技术实现思路

1、为解决上述问题，本技术提供了一种财务智能审核方法、装置、设备及存储介质，核心通过审核中台实现多源数据标准化融合、异步非阻塞零拷贝并行调度、规则引擎与智能风控引擎竞争性共识决策，将风险控制从事后审计前移至事中提交，解决传统审核效率低、精准度差、隐蔽违规难识别的技术问题。

2、本技术采用下述技术方案：

3、第一方面，本技术提供了一种财务智能审核方法，方法包括：

4、获取审核票据、行为数据和业务数据；其中，审核票据包括票据图像和审核元数据；

5、对行为数据和业务数据进行标准化处理得到关联业务异构数据，调用ocr引擎提取票据图像中的关键字段得到票据结构数据，将票据结构数据、审核元数据和关联业务异构数据融合为统一结构化特征；

6、通过异步非阻塞方式，将统一结构化特征以零拷贝方式并行分发至规则引擎和智能风控引擎；

7、规则引擎基于预设财务审核规则对统一结构化特征进行合规性校验，输出是否命中的布尔结果和命中规则编号；

8、智能风控引擎基于训练好的风险识别模型对统一结构化特征进行风险等级评估，输出风险分；

9、根据命中或未命中结果以及风险分进行竞争性共识决策，生成风险决策结论、风险依据以及对应的执行指令。

10、可选的，获取审核票据、行为数据和业务数据，包括：

11、获取由边缘计算节点上报的审核票据和行为数据；

12、从业务系统获取业务数据；其中，业务数据包括：职级限额、差旅标准、合同信息、项目信息。

13、可选的，对行为数据和业务数据进行标准化处理得到关联业务异构数据，调用ocr引擎提取票据图像中的关键字段得到票据结构数据，将票据结构数据、审核元数据和关联业务异构数据融合为统一结构化特征，包括：

14、对行为数据和业务数据进行格式统一、数据清洗、冗余去除和规范映射，得到关联业务异构数据；

15、基于ocr引擎从票据图像中提取关键字段，得到票据结构数据；

16、将票据结构数据、审核元数据与关联业务异构数据进行字段对齐与合并，形成统一结构化特征。

17、可选的，规则引擎基于预设财务审核规则对统一结构化特征进行合规性校验，输出是否命中的布尔结果和命中规则编号，包括：

18、调用规则引擎基于预设财务审核规则对统一结构化特征进行合规性校验；其中，预设财务审核规则至少包括：时空一致子规则、预算限额子规则、票据时效子规则、主体合规子规则；

19、若任一子规则校验不通过，则输出命中结果及对应的规则编号；

20、若所有子规则校验通过，则输出未命中结果。

21、可选的，风险识别模型为混合深度学习架构，包括依次连接的特征嵌入层、关系感知层、时序记忆层和判别输出层；

22、特征嵌入层用于将统一结构化特征中的离散特征转换为稠密向量；

23、关系感知层用于利用gcn图卷积网络对实体关系进行特征聚合以识别关联舞弊风险；

24、时序记忆层用于采用transformer自注意力网络对提交时间、提交频次、操作轨迹进行时序特征学习以识别异常操作模式；

25、判别输出层用于采用softmax激活函数输出0~1区间的风险分。

26、可选的，风险识别模型通过以下方法训练：

27、构建初始风险识别模型；

28、以历史未标注的统一结构化特征构建无监督学习样本；

29、利用无监督学习样本对初始风险识别模型进行无监督预训练以学习特征分布，得到完成预训练的风险识别模型；

30、以历史标注无风险的统一结构化特征作为正样本，以历史标注有风险的统一结构化特征作为负样本，利用过采样技术对负样本进行多维度特征增强和样本扩充形成增强负样本，基于正样本和增强负样本构建有监督学习样本；

31、利用有监督学习样本对完成预训练的风险识别模型进行有监督微调，得到训练好的风险识别模型；其中，有监督微调过程中采用焦点损失函数，降低正样本权重并提高增强负样本权重。

32、可选的，根据命中或未命中结果以及风险分进行竞争性共识决策，生成风险决策结论、风险依据以及对应的执行指令，包括：

33、若规则引擎输出命中结果，则判定风险决策结论为拦截预警；

34、若规则引擎输出未命中结果且风险分超过预设阈值，则判定风险决策结论为二次核验；

35、若规则引擎输出未命中结果且风险分不超过预设阈值，则判定风险决策结论为自动放行；

36、基于统一结构化特征中各特征对拦截预警和二次核验风险决策结论的贡献度，形成风险依据；

37、生成包括风险决策结论、风险依据和对应的执行指令的审核结果。

38、第二方面，本技术还提供了一种财务智能审核装置，装置包括：

39、数据获取单元，用于获取审核票据、行为数据和业务数据；其中，审核票据包括票据图像和审核元数据；

40、特征融合单元，用于对行为数据和业务数据进行标准化处理得到关联业务异构数据，调用ocr引擎提取票据图像中的关键字段得到票据结构数据，将票据结构数据、审核元数据和关联业务异构数据融合为统一结构化特征；

41、并行调度单元，用于通过异步非阻塞方式，将统一结构化特征以零拷贝方式并行分发至规则引擎和智能风控引擎；规则引擎基于预设财务审核规则对统一结构化特征进行合规性校验，输出是否命中的布尔结果和命中规则编号；智能风控引擎基于训练好的风险识别模型对统一结构化特征进行风险等级评估，输出风险分；

42、共识决策单元，用于根据命中或未命中结果以及风险分进行竞争性共识决策，生成风险决策结论、风险依据以及对应的执行指令。

43、第三方面，本技术还提供了一种电子设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述财务智能审核方法的步骤。

44、第四方面，本技术还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述财务智能审核方法的步骤，

45、本技术采用的上述至少一个技术方案能够达到以下有益效果：

46、本技术通过审核中台统一接入与标准化处理多源异构数据，采用异步非阻塞和零拷贝技术并行调用规则引擎和智能风控引擎，消除串行等待与数据重复拷贝损耗，实现毫秒级审核。规则引擎实现显性违规强约束校验，智能风控引擎识别隐蔽舞弊风险，通过竞争性共识决策结合两者输出结果，既避免规则误报，又弥补模型盲区，审核准确率显著提升。