CN113506034A - 构建智能第三方监督评估组织的方法 - Google Patents

Abstract

本发明公开了构建智能第三方监督评估组织的方法，属于企业数据分析审查技术领域。本方法包括构建智能第三方监督评估组织；对企业数据进行关联分析，实现智能化的企业合规管理，对涉案企业的合规计划完成情况进行全面检查、评估和考核，出具合规意见和企业合规合规评估报告；提供信用报告，帮助预破产企业挑选第三方调解机构；构建企业声誉边界，利用大数据为员工画像，关联分析员工情况，提供企业声誉风险管控。本发明实现企业合规管理的全过程智能化，相当于第三方监督评估组织，实现第三方监督评估组织对涉案企业合规第三方监督评估，还实现企业合规管理的智能化处理，代替律师业务，利用人工智能和大数据技术，智能化制定合规计划。

Description

构建智能第三方监督评估组织的方法

技术领域

本发明涉及企业数据分析审查技术领域，具体为构建智能第三方监督评估组织的方法。

背景技术

第三方监督评估组织是指经过一定程序产生的、受检察机关委托对涉案企业合规情况进行调查、规划、监督的律师事务所。其遴选工作主要由司法局负责，第三方监督评估组织的具体选任工作主要由人民检察院负责，相关培训、考核、奖惩等管理工作由人民检察院、司法局共同开展。涉案企业在合规监督考察期限内，第三方监督评估组织应当协助人民检察院调查、监督企业合规计划的执行，并针对企业合规建设情况、第三方监督评估组织的履职情况出具阶段性书面监管报告。

而在监管过程中，存在以下问题：第三方监督评估组织没有技术辅助，因此在监管过程中容易出现效率低，人为因素较多，耗时长，廉洁问题，而且不够智能、自动化等诸多缺点；因此本发明在这样的缺点上，提出了一种构建智能第三方监督评估组织的方法，用以实现涉案企业合规管理的智能化，代替律师业务，减少人为因素，利用人工智能和大数据技术，对涉案企业的合规承诺进行调查、评估、监督和考察。此方法适用于公司、企业等市场主体在生产经营活动中涉及的经济犯罪、职务犯罪等案件，既包括公司、企业等实施的单位犯罪案件，也包括公司、企业实际控制人、经营管理人员、关键技术人员等实施的与生产经营活动密切相关的犯罪案件。辅助第三方监督评估机制管理委员会工作。

发明内容

本发明的目的在于提供一种构建智能第三方监督评估组织的方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：

构建智能第三方监督评估组织的方法，该方法包括：

构建企业的第三方监督评估组织；

对企业数据进行关联分析，实现智能化的企业合规管理，对涉案企业的合规计划完成情况进行全面检查、评估和考核，出具合规意见和企业合规评估报告；

提供信用报告，帮助预破产企业挑选第三方调解机构；

构建企业声誉边界，利用大数据为员工画像，关联分析员工情况，提供企业声誉风险管控。

根据上述技术方案，所述企业应适用于相对不起诉机制审查；

获取所有填报数据的企业；

获取检察机关提供的相对不起诉适用范围和不适宜情形，对所有填报数据的企业进行筛查，正常申报数据的企业设标签0，申请合规整改的企业设标签1；

获取企业填报数据和数字公证的结果，如企业经营状况、财务报表、企业发展阶段、企业合规制度、合规管理机构、合规培训、合规文化等，根据该类型企业历史数据，勾画出该类型企业特征图谱、行为特点、规律趋势等，设定该类型企业的核实真伪指标，自动设定关联分析模式，利用人工智能和大数据技术进行关联分析，判断上报证据材料的真伪，从而验证证据链的合法性、有效性，并最终输出审核数据；

在关联分析中，例如在不动产信息中，包括有房产租赁信息、水电费、水电使用时间，关联分析房产是否抵押担保。从水电费这一信息出发，水电费是否异常能够判断企业是否正常经营，而水电费开关灯时间和工作量息息相关，特别是水电费开关灯时间如果与企业缴纳税款的情况关联分析，就能够分辨出企业是否偷漏税或者虚开增值税发票。

在动产信息中心，包括有车辆信息、保养时间、违规情况、行驶情况，关联分析车辆是否抵押担保。从保养时间、违规情况这一信息出发；例如一辆车2019年经常违法违规，经常被扣分，而且在乡村路上行驶较多，也不定期保养，而2018年却不是相同情况，那么这辆车的抵押担保可能性就比较大。

获取审核数据，对比相对不起诉标准，不适用于相对不起诉标准的企业设标签0，适用于相对不起诉标准的企业设标签1。

对企业数据进行关联分析包括：

获取合规企业标准；

获取区分合规企业与不合规企业的特征属性；

通过分析、挖掘数据，训练得到分类器，建立预测模型，鉴别企业是否属于合规企业，即通过企业属于合规企业的可能性与不合规企业的可能性的大小进行判断。

所述分析、挖掘数据具体如下：

设X为一个待分类项，其中X＝{a₁，a₂，a₃，…，a_n}；a₁、a₂、a₃、…、a_n分别为X的一个特征属性，而且各特征属性之间相互独立；

设C＝{y₁，y₂，…，y_n}为一个类别集合；y₁、y₂、…、y_n分别代表一个类别；

根据公式：

P(A|B)＝P(AB)/P(B)；

其中P(A|B)为事件A在事件B发生下的条件概率；P(AB)为事件A、B一起发生的概率；P(B)为事件B发生的概率；

计算P(y₁|X)、P(y₂|X)、…、P(y_n|X)；

在P(y₁|X)、P(y₂|X)、…、P(y_n|X)的结果中取最大值，记为P(y_k|X)；则X属于y_k；

则计算后验概率P(y_k|X)包括如下：

确定已知分类的待分类项集合，即训练样本集；

统计得到在各类别下各个特征属性的条件概率估计。

确定特征属性及划分

这一步需要找出可以帮助我们区分合规企业与不合规企业的特征属性。在现实中，可用于区分合规企业和不合规企业的特征属性数量众多，对这些特征属性的划分也比较细致，例如：

商业贿赂、扰乱市场秩序犯罪的合规要素：企业建立完善防止商业贿赂、虚假广告、串通投标等犯罪的内控制度，协助企业建立内部举报、企业自查等机制。

个人隐私和数据安全合规要素：(1)谁负责数据隐私安全合规；(2)企业采取哪些措施确保数据安全；(3)所有数据主体是否都收到合适的通知并给出必要同意？所有通知和同意文本是否都准确并已更新；(4)是否已向所有的数据保护机关或其他政府机构提交必要申报且获得了相应的必要批准？自上一次提交申报或获得批准相比，目前的相关情况是否发生了变化；(5)企业是否跨国接收或发送位于其他法域之自然人的数据；(6)企业是否开通举报热线或已部署监控技术；(7)企业的营销是否遵守了相关法律；(8)企业是否设计了产品、流程和标准合同来支持和实现员工、客户和产品用户遵守关于数据隐私和安全规定。

IPO企业数据合规要素：(1)数据全生命周期合规性；(2)信息安全内控制度及其执行效果；(3)APP专项治理合规情况；(4)信息安全事件/数据泄露事件；(5)网络安全事件对业务的影响及应对措施(6)是否侵犯个人隐私信息、隐私数据、肖像权、声音权益、数据采集、脸部数据采集等；(7)是否存在因数据合规问题引发重大行政处罚、诉讼及仲裁案件；(8)监管政策对业务的影响及应对措施、数据安全法对大数据计算业务的影响；(9)数据出境问题。

人工智能犯罪和数据侵权的合规要素：是否涉及产品责任、职业责任，人工智能通过整合、发布、共享、交易等方式使用数据信息的过程，可概括为对数据的利用。利用方式包括：整合数据信息；发布数据信息；使用数据信息；授权他人使用数据信息。与他人为数据交易等行为。这里对人工智能数据利用的列举并非穷尽，随着科技的进步，数据的利用可能会有越益深入的发展。

平台企业合规要素：平台企业是否垄断经营和不正当竞争行为、是否涉及信息网络犯罪或帮助信息网络犯罪。因数据安全是数据利用的前提，故平台企业享有的用户数据资源权益，应包括安全权益和利用权益两方面，其中：安全权益具有公益和私益双重属性，公益来源于平台企业的管理者身份，保护数据资源的安全既是职权，也是职责。私益来源于平台的经营者身份，有基于数据资源提供服务和数据资源利用权益的需要两方面考核。

网络犯罪的合规指标：是否涉及网络精准诈骗、非法集资、网络洗钱、网络赌博等网络灰黑产业。是否涉及政府投资、金融机构和上市企业的网络攻击、窃取商业机密、篡改信息、被动帮助网络犯罪等。

所述预测模型具体如下：

依据初始标签设置和关键词，对企业相关数据自动添加企业标签；

根据历史数据，进行数据分析、挖掘，勾画出专项企业合规特征图谱、行为特点、趋势，利用该模型对该行为特征持续收集，关联比对出现违法违规企业问题的各方面数据，计算、勾画该专项企业违法违规的指标、概率；

进行企业违法违规指标的可用性判断；

当前企业违法违规指标可用时，选择概率最大的N类指标；

对N类指标进行指标检测，并对检测出的问题数据进行打标签；

对指标进行识别，判断是否是漏报、虚报、错报，排除问题预警；

进行企业违规和企业违法犯罪的概率计算，与数据库中相应的法律法规、企业规章制度进行比对，判断该企业是否进行行政违规或违法犯罪；

在发生企业违规或犯罪的情况下，进行预警并防范、监控，预测各项指标，预测重犯风险；

根据企业合规建设等级结果或者企业违法违规的危险程度，提出不同类型的处置方案；所述企业合规建设等级包括优质、良好、达标、四级警告、三级警告、二级警告、一级警告；

根据处置方案，结合实行行为、侵犯法益结果，利用因果推断模型，判断是否符合附条件不起诉，挽救企业；

根据企业标签，按照合规计划和措施持续跟进监督；

将相关证据和指标分送到其他相关机关，根据审查结果判断是否立即采取行政措施或司法措施；所述审查结果由相关机关给出；

相关机关提出检察建议或者采取止损措施或者监督合规办法。

通过上述技术方案，我们能够在企业合规信息缺少重要线索的情况下，对已有合规数据材料进行分析，以通过这种自动检测机制提前对可疑企业进行监控和管理，提高合规风险预防、合规风险识别、合规风险处置的工作效率，更好地实现预防、识别和处置合规风险的目标。

所述企业合规管理包括：

将企业填报的数据全部上传区块链，对所有企业的合规情况进行梳理，按照不同行业不同类别企业，进行分类管理、存档，以备待查；数据可在检察机关内部和公安、法院、行政机关之间实现共享。

所述企业合规管理还包括：

企业合规态势感知：对所有填报的企业数据，按照数据分析后结果，对比企业刑事合规指标和标准，分析合规计划落实的有效性并进行实时显示，提供整体企业合规态势，查询企业合规整改进度，在合规考察期内，可以定期或者不定期对涉案企业合规计划履行情况进行检查和评估。并通过态势分析，提前预判企业行政违规、刑事违法的情况；

涉案企业提交的合规计划，主要围绕与企业涉嫌犯罪有密切联系的企业内部治理结构、规章制度、人员管理等方面存在的问题，制定可行的合规管理规范，构建有效的合规组织体系，健全合规风险防范报告机制，弥补企业制度建设和监督管理漏洞，防止再次发生相同或者类似的违法犯罪。

出具企业合规评估报告：自动化提供企业合规评估报告，含企业合规进度，经检察机关审核后，向企业端进行发布，并可以提供相关合规企业的公示信息；

在所述企业合规评估报告中，还包括数据安全保护；

所述数据安全保护按照数据安全有关法律法规、标准、规范，建立数据安全保护模型，提供数据采集、存储、处理、应用全生命周期的监控，包括数据侵权手段、特征、规避方法、侵犯数据方法等，按照分析对象的特征和历史数据，对自动化工具的功能和安全性进行验证确认，例如：代码、脚本、接口、算法模型、软件开发工具包、小程序等，确定数据安全等级。

所述信用报告包括：

按照服务特征、服务要求制定信用报告，并可以提供给金融机构，信用内容包括企业违法违规历史数据，违法违规的具体内容，再次违法违规的概率，通过各方面数据的综合分析判断实际贷款偿还能力和逃债概率。

判断企业贷款偿还能力和逃债概率，就是按照“替代数据”，分析是否有可能。例如企业或者个人，多久还不上债务，几次超期未还款，系统提醒还款，仍然不还。另外，也可以结合企业或个人的行为异常来判断。

所述破产预和解包括：

在企业破产管理人系统之间进行数据切换，依靠企业发展趋势分析和合规合规情况，帮助预破产企业挑选第三方调解机构，促成破产和解。

所述声誉风险管控包括：

用大数据为员工画像，关联分析员工情况，提前管控声誉事件，为企业保守商业秘密，保护知识产权，封存行政处罚、刑事违法相关信息，及时帮助企业止损，构建企业声誉边界。

与现有技术相比，本发明所达到的有益效果是：

1、本方法是通过分析对象的特征和历史数据，包括各类型企业的违法违规指标、数据侵权手段、特征、规避方法、犯罪方法等，利用该模型进行综合评估，对比分析现行法律法规、规章制度、司法解释、司法判例和行业规则等，对未来一个时间段内的企业合规行为进行预判,按照等级设计进行预警并提出检察建议，通过利用各行业各类型企业的违法违规的历史数据设置指标体系，实时判断多个指标是否超限，既可以做到必要的概率分析和预判，又可以将此次收集证据进行再累积、再学习、再训练，利用海量历史和实时数据数据和司法判例进行验证和演算，使系统能够自主学习、自主判断、自动迭代，让预测模型具有自适应能力和自主预防能力；

2、本发明实现企业合规管理的全过程智能化，特别是代替人，实现第三方监督评估组织对涉案企业的合规计划完成情况进行全面检查、评估和考核，还实现企业合规合规的智能化监督，代替律师业务，减少人为因素，利用人工智能和大数据技术，智能化督促合规落实。为司法机关和行政机关，提供预防企业犯罪、参与现代企业治理、监管企业合规整改的智能化手段，相当于第三方监管机构，帮助企业与检察机关解决端到端监督和合规整改、建设问题，节省检察机关人力、物力、财力，也帮助企业节省成本和精力。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明构建智能第三方监督评估组织的方法的流程示意图；

图2是本发明构建智能第三方监督评估组织的方法的步骤示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-2，本发明提供技术方案：

构建智能第三方监督评估组织的方法，其特征在于：该方法包括：

构建企业的第三方监督评估组织；

对企业数据进行关联分析，实现智能化的企业合规管理，可以定期或者不定期对涉案企业合规计划履行情况进行检查和评估，出具合规意见和企业合规合规评估报告；

提供信用报告，帮助预破产企业挑选第三方调解机构；

构建企业声誉边界，利用大数据为员工画像，关联分析员工情况，提供企业声誉风险管控。

所述企业应适用于相对不起诉机制审查；

获取所有填报数据的企业；

获取检察机关提供的相对不起诉适用范围和不适宜情形，对所有填报数据的企业进行筛查，正常申报数据的企业设标签0，申请合规整改的企业设标签1；

获取企业填报数据和数字公证的结果，利用人工智能和大数据技术进行关联分析，判断上报证据材料的真伪，从而验证证据链的合法性、有效性，并最终输出审核数据；

获取审核数据，对比相对不起诉标准，不适用于相对不起诉标准的企业设标签0，适用于相对不起诉标准的企业设标签1。

对企业数据进行关联分析包括：

获取合规企业标准；

获取区分合规企业与不合规企业的特征属性；

通过分析、挖掘数据，训练得到分类器，建立预测模型，鉴别企业是否属于合规企业，即通过企业属于合规企业的可能性与不合规企业的可能性的大小进行判断。

所述分析、挖掘数据具体如下：

设X为一个待分类项，其中X＝{a₁，a₂，a₃，…，a_n}；a₁、a₂、a₃、…、a_n分别为X的一个特征属性，而且各特征属性之间相互独立；

设C＝{y₁，y₂，…，y_n}为一个类别集合；y₁、y₂、…、y_n分别代表一个类别；

根据公式：

P(A|B)＝P(AB)/P(B)；

其中P(A|B)为事件A在事件B发生下的条件概率；P(AB)为事件A、B一起发生的概率；P(B)为事件B发生的概率；

计算P(y₁|X)、P(y₂|X)、…、P(y_n|X)；

在P(y₁|X)、P(y₂|X)、…、P(y_n|X)的结果中取最大值，记为P(y_k|X)；则X属于y_k；

则计算后验概率P(y_k|X)包括如下：

确定已知分类的待分类项集合，即训练样本集；

统计得到在各类别下各个特征属性的条件概率估计。

所述预测模型具体如下：

依据初始标签设置和关键词，对企业相关数据自动添加企业标签；

根据历史数据，进行数据分析、挖掘，勾画出专项企业合规特征图谱、行为特点、趋势，利用该模型对该行为特征持续收集，关联比对出现违法违规企业问题的各方面数据，计算、勾画该专项企业违法违规的指标、概率；

进行企业违法违规指标的可用性判断；

当前企业违法违规指标可用时，选择概率最大的N类指标；

对N类指标进行指标检测，并对检测出的问题数据进行打标签；

对指标进行识别，判断是否是漏报、虚报、错报，排除问题预警；

进行企业违规和企业违法犯罪的概率计算，与数据库中相应的法律法规、企业规章制度进行比对，判断该企业是否进行行政违规或违法犯罪；

在发生企业违规或犯罪的情况下，进行预警并防范、监控，预测各项指标，预测重犯风险；

根据企业合规建设等级结果或者企业违法违规的危险程度，提出不同类型的处置方案；所述企业合规建设等级包括优质、良好、达标、四级警告、三级警告、二级警告、一级警告；

根据处置方案，结合实行行为、侵犯法益结果，利用因果推断模型，判断是否符合附条件不起诉，挽救企业；

根据企业标签，按照合规计划和措施持续跟进监督；在合规考察期内，可以定期或者不定期对涉案企业合规计划履行情况进行检查和评估。

将相关证据和指标分送到其他相关机关，根据审查结果判断是否立即采取行政措施或司法措施；所述审查结果由相关机关给出；

相关机关提出检察建议或者采取止损措施或者监督合规办法。

所述企业合规管理包括：

将企业填报的数据全部上传区块链，对所有企业的合规情况进行梳理，按照不同行业不同类别企业，进行分类管理、存档，以备待查；数据可在检察机关内部和公安、法院、行政机关之间实现共享，。

所述企业合规管理还包括：

企业合规态势感知：对所有填报的企业数据，按照数据分析后结果，对比企业刑事合规指标和标准，分析有效性并进行实时显示，提供整体企业合规态势，查询企业合规合规进度，在合规考察期内，可以定期或者不定期对涉案企业合规计划履行情况进行检查和评估。并通过态势分析，提前预判企业行政违规、刑事违法的情况；

涉案企业提交的合规计划，主要围绕与企业涉嫌犯罪有密切联系的企业内部治理结构、规章制度、人员管理等方面存在的问题，制定可行的合规管理规范，构建有效的合规组织体系，健全合规风险防范报告机制，弥补企业制度建设和监督管理漏洞，防止再次发生相同或者类似的违法犯罪。

出具企业合规评估报告：自动化提供企业合规评估报告，含合规合规进度，经检察机关审核后，向企业端进行发布，并可以提供相关合规企业的公示信息；

在所述企业合规评估报告中，还包括数据安全保护；

所述数据安全保护按照数据安全有关法律法规、标准、规范，建立数据安全保护模型，提供数据采集、存储、处理、应用全生命周期的监控，按照分析对象的特征和历史数据，对自动化工具的功能和安全性进行验证确认，确定数据安全等级。

所述信用内容报告包括：

按照服务特征、服务要求制定信用报告，并可以提供给金融机构，信用内容包括企业违法违规历史数据，违法违规的具体内容，再次违法违规的概率，通过各方面数据的综合分析判断实际贷款偿还能力和逃债概率等。

所述破产预和解包括：

在企业破产管理人系统之间进行数据切换，依靠企业发展趋势分析和合规合规情况，帮助预破产企业挑选第三方调解机构，促成破产和解。

所述声誉风险管控包括：

用大数据为员工画像，关联分析员工情况，提前管控声誉事件，为企业保守商业秘密，保护知识产权，封存行政处罚、刑事违法相关信息，及时帮助企业止损，构建企业声誉边界。

在本实施例中：

对企业的分析、挖掘数据，训练得到分类器，建立预测模型进行说明；

选择了3个特征属性作为代表：a1：数据全生命周期是否合规(是＝1，不是＝0)，a2：是否侵犯个人隐私信息、隐私数据、肖像权、声音权益、数据采集、脸部数据采集等(是＝1，不是＝0)，a3：信息安全事件/数据泄露事件(是＝1，不是＝0)。

这三项特征属性的具体情况从数据库中查得到的。

下面给出划分：

a1：{a＝0，a＝1}，

a2：{a＝0，a＝1}，

a3：{a＝0，a＝1}

获取训练样本

这里使用某市互联网企业数据作为训练样本。

计算训练样本中每个类别的频率；

用训练样本中合规企业和不合规企业数量分别除以1万，得到：P(C＝0)＝8900/10000＝0.89

P(C＝1)＝1100/10000＝0.11

计算各个特征属性划分的频率：

P(a1＝0|C＝0)＝0.6

P(a1＝1|C＝0)＝0.4

P(a1＝0|C＝1)＝0.2

P(a1＝1|C＝1)＝0.8

P(a2＝0|C＝0)＝0.8

P(a2＝1|C＝0)＝0.2

P(a2＝0|C＝1)＝0.1

P(a2＝1|C＝1)＝0.9

P(a3＝0|C＝0)＝0.8

P(a3＝1|C＝0)＝0.2

P(a3＝0|C＝1)＝0.1

P(a3＝1|C＝1)＝0.9

使用分类器进行鉴别，如果P(C＝0)P(x|C＝0)>P(C＝1)P(x|C＝1)，则合规企业的可能性大，否则为不合规企业的可能性大。

本专利中使用训练得到的分类器鉴别一个企业为不合规企业的可能性，这个企业是数据全生命周期不合规，侵犯个人隐私信息、隐私数据、肖像权、声音权益、数据采集、脸部数据采集等，发生了信息安全事件/数据泄露事件。

P(C＝0)P(x|C＝0)＝P(C＝0)*maxP(y₁|C＝0)*maxP(y₂|C＝0)*maxP(y₃|C＝0)＝0.89×0.6×0.8×0.8＝0.34176.

P(C＝1)P(x|C＝1)＝P(C＝1)*maxP(y₁|C＝1)*maxP(y₂|C＝1)*maxP(y₃|C＝1)＝0.11×0.9×0.9×0.8＝0.07128.

因为P(C＝0)P(x|C＝0)>P(C＝1)P(x|C＝1)，所以这个企业是合规企业的可能性要大于其是不合规企业的可能性。

可以看到，该企业虽然数据全生命周期不合规，但是通过分类器的鉴别，更倾向于将此企业归入合规企业的类别。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.构建智能第三方监督评估组织的方法，其特征在于：该方法包括：

构建涉案企业的第三方监督评估组织；

对企业数据进行关联分析，实现智能化的企业合规管理，对涉案企业的合规计划完成情况进行全面检查、评估和考核，出具合规意见和企业合规评估报告；

提供信用报告，帮助预破产企业挑选第三方调解机构；

构建企业声誉边界，利用大数据为员工画像，关联分析员工情况，提供企业声誉风险管控。

2.根据权利要求1所述的一种构建智能第三方监督评估组织的方法，其特征在于：所述企业应适用于相对不起诉机制审查；

获取所有填报数据的企业；

获取检察机关提供的相对不起诉适用范围和不适宜情形，对所有填报数据的企业进行筛查，正常申报数据的企业设标签0，申请合规整改的企业设标签1；

获取企业填报数据和数字公证的结果，利用人工智能和大数据技术进行关联分析，判断上报证据材料的真伪，从而验证证据链的合法性、有效性，并最终输出审核数据；

获取审核数据，对比相对不起诉标准，不适用于相对不起诉标准的企业设标签0，适用于相对不起诉标准的企业设标签1。

3.根据权利要求1所述的一种构建智能第三方监督评估组织的方法，其特征在于：对企业数据进行关联分析包括：

获取合规企业标准；

获取区分合规企业与不合规企业的特征属性；

通过分析、挖掘数据，训练得到分类器，建立预测模型，鉴别企业是否属于合规企业，即通过企业属于合规企业的可能性与不合规企业的可能性的大小进行判断。

4.根据权利要求3所述的一种构建智能第三方监督评估组织的方法，其特征在于：所述分析、挖掘数据具体如下：

设X为一个待分类项，其中X＝{a₁，a₂，a₃，…，a_n}；a₁、a₂、a₃、…、a_n分别为X的一个特征属性，而且各特征属性之间相互独立；

设C＝{y₁，y₂，…，y_n}为一个类别集合；y₁、y₂、…、y_n分别代表一个类别；

根据公式：

P(A|B)＝P(AB)/P(B)；

其中P(A|B)为事件A在事件B发生下的条件概率；P(AB)为事件A、B一起发生的概率；P(B)为事件B发生的概率；

计算P(y₁|X)、P(y₂|X)、…、P(y_n|X)；

在P(y₁|X)、P(y₂|X)、…、P(y_n|X)的结果中取最大值，记为P(y_k|X)；则X属于y_k；

则计算后验概率P(y_k|X)包括如下：

确定已知分类的待分类项集合，即训练样本集；

统计得到在各类别下各个特征属性的条件概率估计。

5.根据权利要求4所述的一种构建智能第三方监督评估组织的方法，其特征在于：所述预测模型具体如下：

依据初始标签设置和关键词，对企业相关数据自动添加企业标签；

根据历史数据，进行数据分析、挖掘，勾画出专项企业合规特征图谱、行为特点、趋势，利用该模型对该行为特征持续收集，关联比对出现违法违规企业问题的各方面数据，计算、勾画该专项企业违法违规的指标、概率；

进行企业违法违规指标的可用性判断；

当前企业违法违规指标可用时，选择概率最大的N类指标；

对N类指标进行指标检测，并对检测出的问题数据进行打标签；

对指标进行识别，判断是否是漏报、虚报、错报，排除问题预警；

进行企业违规和企业违法犯罪的概率计算，与数据库中相应的法律法规、企业规章制度进行比对，判断该企业是否进行行政违规或违法犯罪；

在发生企业违规或犯罪的情况下，进行预警并防范、监控，预测各项指标，预测重犯风险；

根据企业合规建设等级结果或者企业违法违规的危险程度，提出不同类型的处置方案；所述企业合规建设等级包括优质、良好、达标、四级警告、三级警告、二级警告、一级警告；

根据处置方案，结合实行行为、侵犯法益结果，利用因果推断模型，判断是否符合附条件不起诉，挽救企业；

根据企业标签，按照合规计划和措施持续跟进监督；

将相关证据和指标分送到其他相关机关，根据审查结果判断是否立即采取行政措施或司法措施；所述审查结果由相关机关给出；

相关机关提出检察建议或者采取止损措施或者监督合规办法。

6.根据权利要求1所述的一种构建智能第三方监督评估组织的方法，其特征在于：所述企业合规管理包括：

将企业填报的数据全部上传区块链，对所有企业的合规情况进行梳理，按照不同行业不同类别企业，进行分类管理、存档，以备待查；数据可在检察机关内部和公安、法院、行政机关之间实现共享。

7.根据权利要求6所述的一种构建智能第三方监督评估组织的方法，其特征在于：所述企业合规管理还包括：

企业合规态势感知：对所有填报的企业数据，按照数据分析后结果，对比企业刑事合规指标和标准，分析合规计划落实的有效性并进行实时显示，提供整体企业合规态势，查询企业合规合规进度，在合规考察期内，可以定期或者不定期对涉案企业合规计划履行情况进行检查和评估；并通过态势分析，提前预判企业行政违规、刑事违法的情况；

出具企业合规评估报告：自动化提供企业合规评估报告，含企业合规评估进度，经检察机关审核后，向企业端进行发布，并可以提供相关合规企业的公示信息；

在所述企业合规评估报告中，还包括数据安全保护；

所述数据安全保护按照数据安全有关法律法规、标准、规范，建立数据安全保护模型，提供数据采集、存储、处理、应用全生命周期的监控，按照分析对象的特征和历史数据，对自动化工具的功能和安全性进行验证确认，确定数据安全等级。

8.根据权利要求1所述的一种构建智能第三方监督评估组织的方法，其特征在于：所述信用报告包括：

按照服务特征、服务要求制定征信报告，并可以提供给金融机构，信用报告内容包括企业违法违规历史数据，违法违规的具体内容，再次违法违规的概率，通过各方面数据的综合分析判断实际贷款偿还能力和逃债概率。

9.根据权利要求1所述的一种构建智能第三方监督评估组织的方法，其特征在于：所述破产预和解包括：

在智能企业破产管理人系统之间进行数据切换，依靠企业发展趋势分析和合规合规情况，帮助预破产企业挑选第三方调解机构，促成破产和解。

10.根据权利要求1所述的一种构建智能第三方监督评估组织的方法，其特征在于：所述声誉风险管控包括：

用大数据为员工画像，关联分析员工情况，提前管控声誉事件，为企业保守商业秘密，保护知识产权，封存行政处罚、刑事违法相关信息，及时帮助企业止损，构建企业声誉边界。

Images