CN114612018B - 一种内控风险监测方法、系统和可读存储介质 - Google Patents
一种内控风险监测方法、系统和可读存储介质 Download PDFInfo
- Publication number
- CN114612018B CN114612018B CN202210508719.0A CN202210508719A CN114612018B CN 114612018 B CN114612018 B CN 114612018B CN 202210508719 A CN202210508719 A CN 202210508719A CN 114612018 B CN114612018 B CN 114612018B
- Authority
- CN
- China
- Prior art keywords
- internal control
- risk
- plate
- control information
- monitoring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Abstract
本发明提供一种内控风险监测方法、系统和可读存储介质，所述方法包括：通过分布在各个前端节点的数据采集器实时采集多个内控信息；将每个内控信息分别输入预设的知识图谱中进行标准化处理，并输出对应的标准内控信息；将对应的标准内控信息关联到对应的内控监测板块中；基于多个内控监测板块分别构建多个板块分析模型；统计每个内控监测板块关联的所有标准内控信息，并输入对应的板块分析模型中，输出对应的板块分析结果；集合多个板块分析结果，并通过内控风险评估模型评估得到该企业对应的内控风险结果。本发明能够实现对企业的内控风险进行准确预测，促使企业做好风险防范，避免因企业管理不善而造成严重后果。
Description
技术领域
本发明涉及风险监控技术领域，尤其涉及一种内控风险监测方法、系统和可读存储介质。
背景技术
近年来，越来越多的新型产业应用而生，而这些新型产业也滋生出一批大大小小的企业。通常这些企业在短时间内发展迅猛，但潜在风险较大，如不及时进行内控风险测评，做好风险防范，则容易导致严重后果。
当前，一些企业的内控测评依然以线下管理为主、在线监控结果与缺陷整改脱节，未能实现真正意义的内控闭环管理效果，主要原因是缺乏技术手段，亟待开展新技术的应用研究，解决内控管理的业务难题如何发挥内控管理职能部门第二道防线的作用，确保企业风险管理得到落实，并对相关工作做出持续性监控，已经成为企业在开展内控管理过程中待解决的首要任务。
发明内容
为了解决上述至少一个技术问题，本发明提出了一种内控风险监测方法、系统和可读存储介质，能够实现对企业的内控风险进行准确预测，促使企业做好风险防范，避免因企业管理不善而造成严重后果。
本发明第一方面提出了一种内控风险监测方法，所述方法包括：
通过分布在各个前端节点的数据采集器实时采集多个内控信息；
将每个内控信息分别输入预设的知识图谱中进行标准化处理，并输出对应的标准内控信息；
基于企业需求定义出多个内控监测板块；
基于每个内控监测板块，分别计算每个标准内控信息与对应的内控监测板块之间的匹配度，如果匹配度大于第一预设阈值，则将对应的标准内控信息关联到对应的内控监测板块中；
基于多个内控监测板块分别构建多个板块分析模型，并通过对应的样本数据对各个板块分析模型进行训练，以得到优化后的板块分析模型；
统计每个内控监测板块关联的所有标准内控信息，并输入对应的优化后的板块分析模型中，输出对应的板块分析结果；
集合多个板块分析结果，并通过内控风险评估模型评估得到该企业对应的内控风险结果。
本方案中，集合多个板块分析结果，并通过内控风险评估模型评估得到该企业对应的内控风险结果，具体包括：
获取该企业在当前时间所面临的市场状况以及政策环境因素；
基于市场状况以及政策环境因素，并通过权重评估模型评估出当前时间各个内控监测板块对企业的影响权重，且各个内控监测板块之和等于1；
将各个板块分析结果分别乘以对应的影响权重，得到校正板块分析结果；
基于各个校正板块分析结果，并通过风险评估模型评估得到该企业对应的内控风险结果。
本方案中，在通过风险评估模型评估得到该企业对应的内控风险结果之后，所述方法还包括：
基于各个板块分析结果提取出各个内控监测板块在同一维度上的缺口数据；
将各个内控监测板块的缺口数据分别乘以对应的影响权重，得到校正缺口数据；
并基于各个内控监测板块的校正缺口数据计算出各个业务类别之间的缺口比例关系；
根据内控风险结果制定出用于防控风险的总支出数据；
将总支出数据按照各个内控监测板块之间的缺口比例关系进行划分，得到各个内控监测板块对应的支出分量；
将各个支出分量分别分配给对应的内控监测板块，以进行风险防控。
本方案中，在将对应的标准内控信息关联到对应的内控监测板块之后，所述方法还包括：
基于同一内控监测板块的所有内控信息进行语义分析，得到多个语义分析结果；
将同一内控监测板块的每个标准内控信息的语义分析结果与剩余标准内控信息的语义分析结果逐一进行比对，并计算比对双方的相悖程度；
待同一内控监测板块的每个标准内控信息均完成与剩余标准内控信息比对后，得到基于每个标准内控信息的多个相悖程度；
判断每个标准内控信息的每个相悖程度是否超过第二预设阈值，如果是，则将对应的标准内控信息标注一次；
统计每个标准内控信息被标注的累加次数；
判断每个标准内控信息被标注的累加次数是否超过第三预设阈值，如果是，则将该标准内控信息从对应的内控监测板块中剔除。
本方案中，在集合多个板块分析结果，并通过内控风险评估模型评估得到该企业对应的内控风险结果之后，所述方法还包括：
获取不同历史时刻的历史内控记录数据，其中每个历史内控记录数据至少包括对应历史时刻的历史内控信息以及真实内控风险结果；
基于每个历史时刻的历史内控信息分别进行特征计算，得到每个历史时刻的第一特征值；
对当前时间的内控信息进行特征计算，得到第二特征值；
对比第一特征值与第二特征值，并将差异度小于第四预设阈值的历史内控记录数据筛选出，并存入中间数据库中；
对中间数据库中每个历史内控记录数据，分别将对应的历史内控信息输入知识图谱中进行标准化处理，并输出对应的历史标准内控信息；
基于每个内控监测板块，分别计算每个历史标准内控信息与对应的内控监测板块之前的匹配度，如果匹配度大于第一预设阈值，则将对应的历史标准内控信息关联到对应的内控监测板块中；
统计每个内控监测板块关联的所有历史标准内控信息，并输入板块分析模型中，输出对应的历史板块分析结果；
集合多个历史板块分析结果，并通过内控风险评估模型评估得到该企业对应的预测内控风险结果；
将中间数据库中各个历史内控记录数据的预测内控风险结果减去对应的真实内控风险结果，得到多个风险差值；
将多个风险差值基于中间数据库的历史内控记录数据的总数量进行平均化计算，得到风险修正值；
将所述内控风险结果加上风险修正值，得到修正后的内控风险结果。
本方案中，通过分布在各个前端节点的数据采集器实时采集多个内控信息，具体包括：
预设当前时间的某内控信息为图像信息，通过LBP算子计算所述图像信息的LBP特征值；
基于所述图像信息的LBP特征值与缓存在前端节点历史预设时间段的多个历史图像信息的LBP特征值进行比对，并计算二者的差异度；
选定差异度最小的历史图像信息作为目标历史图像；
将所述图像信息按照预设分割方式进行分割为多个图区，且每个图区具有对应的地址；
将所述图像信息的每个图区与目标历史图像的对应图区进行RGB值比对，并从所述图像信息中筛选出差异图区，标记出差异图区的地址；
将差异图区、差异图区的地址与目标历史图像的标识信息打包成简化图像信息，并将简化图像信息上报给服务器；
由服务器基于简化图像信息中的目标历史图像的标识信息在本地缓存库中找出对应的目标历史图像；
基于简化图像信息中的差异图区，以及差异图区的地址对本地缓存库中的目标历史图像进行图区替换，得到当前时间的图像信息。
本发明第二方面还提出一种内控风险监测系统，包括存储器和处理器，所述存储器中包括一种内控风险监测方法程序，所述内控风险监测方法程序被所述处理器执行时实现如下步骤：
通过分布在各个前端节点的数据采集器实时采集多个内控信息；
将每个内控信息分别输入预设的知识图谱中进行标准化处理，并输出对应的标准内控信息；
基于企业需求定义出多个内控监测板块；
基于每个内控监测板块，分别计算每个标准内控信息与对应的内控监测板块之间的匹配度，如果匹配度大于第一预设阈值，则将对应的标准内控信息关联到对应的内控监测板块中；
基于多个内控监测板块分别构建多个板块分析模型，并通过对应的样本数据对各个板块分析模型进行训练，以得到优化后的板块分析模型；
统计每个内控监测板块关联的所有标准内控信息，并输入对应的优化后的板块分析模型中，输出对应的板块分析结果；
集合多个板块分析结果，并通过内控风险评估模型评估得到该企业对应的内控风险结果。
本方案中，集合多个板块分析结果，并通过内控风险评估模型评估得到该企业对应的内控风险结果，具体包括：
获取该企业在当前时间所面临的市场状况以及政策环境因素；
基于市场状况以及政策环境因素，并通过权重评估模型评估出当前时间各个内控监测板块对企业的影响权重，且各个内控监测板块之和等于1；
将各个板块分析结果分别乘以对应的影响权重，得到校正板块分析结果；
基于各个校正板块分析结果，并通过风险评估模型评估得到该企业对应的内控风险结果。
本方案中，在通过风险评估模型评估得到该企业对应的内控风险结果之后，所述内控风险监测方法程序被所述处理器执行时还实现如下步骤：
基于各个板块分析结果提取出各个内控监测板块在同一维度上的缺口数据；
将各个内控监测板块的缺口数据分别乘以对应的影响权重，得到校正缺口数据；
并基于各个内控监测板块的校正缺口数据计算出各个业务类别之间的缺口比例关系；
根据内控风险结果制定出用于防控风险的总支出数据；
将总支出数据按照各个内控监测板块之间的缺口比例关系进行划分，得到各个内控监测板块对应的支出分量；
将各个支出分量分别分配给对应的内控监测板块，以进行风险防控。
本发明第三方面还提出一种计算机可读存储介质，所述计算机可读存储介质中包括一种内控风险监测方法程序，所述内控风险监测方法程序被处理器执行时，实现如上述的一种内控风险监测方法的步骤。
本发明提出的一种内控风险监测方法、系统和计算机可读存储介质，能够实现对企业的内控风险进行准确预测，促使企业做好风险防范，避免因企业管理不善而造成严重后果。
本发明的附加方面和优点将在下面的描述部分中给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
图1示出了本发明一种内控风险监测方法的流程图；
图2示出了本发明一种内控风险监测系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种内控风险监测方法的流程图。
如图1所示，本发明第一方面提出一种内控风险监测方法，所述方法包括：
S102，通过分布在各个前端节点的数据采集器实时采集多个内控信息；
S104，将每个内控信息分别输入预设的知识图谱中进行标准化处理，并输出对应的标准内控信息；
S106，基于企业需求定义出多个内控监测板块；
S108，基于每个内控监测板块，分别计算每个标准内控信息与对应的内控监测板块之间的匹配度，如果匹配度大于第一预设阈值，则将对应的标准内控信息关联到对应的内控监测板块中；
S110，基于多个内控监测板块分别构建多个板块分析模型，并通过对应的样本数据对各个板块分析模型进行训练，以得到优化后的板块分析模型；
S112，统计每个内控监测板块关联的所有标准内控信息，并输入对应的优化后的板块分析模型中，输出对应的板块分析结果；
S114，集合多个板块分析结果，并通过内控风险评估模型评估得到该企业对应的内控风险结果。
本发明通过前端节点实时采集内控信息，由于各个内控信息之间的个性化差异较大，且单个内控信息用语不规范，进而不利于后续对内控信息的分析处理。为了进一步规范内控信息内容，本发明通过知识图谱进行标准化处理，进而得到标准内控信息。可以理解，企业内部从业务、部门等维度可以划分为多个板块，将前端节点的内控信息按照板块进行收聚，然后通过每个板块分析模型分析出对应板块的分析结果。最后结合各个板块分析结果，并通过内控风险评估模型准确评估出企业的内控风险。
基于上述，本发明实现了对企业全链路线上内控风险监测，规范了企业内控风险监测流程，并替代传统的线下人工内控风险评估方式，节省了人力成本，提升了内控风险评估准确度，便于结合内控风险结果作出准确的风险防范措施，避免因风险防控不及时而给企业造成严重的经济损失。
可以理解，每个内控监测板块具有相关的定义或侧重度，例如有的内控监测板块是财务方面的，有的内控监测模块是采购方面的；分别计算每个标准内控信息与对应的内控监测板块之间的匹配度，具体的，可以对内控信息进行语义分析，得都语义分析结果，并将语义分析结果与各个内控监测板块之间的匹配度，如果匹配度大于第一预设阈值，则可以认定该内控信息落入该内控监测板块中。可以理解，一个内控信息可能包含多种信息，即可以对应多个内控监测板块。
根据本发明的实施例，集合多个板块分析结果，并通过内控风险评估模型评估得到该企业对应的内控风险结果，具体包括：
获取该企业在当前时间所面临的市场状况以及政策环境因素；
基于市场状况以及政策环境因素，并通过权重评估模型评估出当前时间各个内控监测板块对企业的影响权重，且各个内控监测板块之和等于1；
将各个板块分析结果分别乘以对应的影响权重，得到校正板块分析结果；
基于各个校正板块分析结果，并通过风险评估模型评估得到该企业对应的内控风险结果。
可以理解，在不同的时期，各个内控监测板块对企业的重要等级不同。例如，在市场旺季，则销售板块的重要等级相对较高，因此其对应的影响权重相对较大。本发明通过结合当前时间的市场状况以及政策环境因素对各个内控监测板块的影响程度，实时更新影响权重，并基于更新的影响权重实现动态评估出该企业的内控风险结果，进一步提高了内控风险评估的实时度和准确度。
可以理解，构建权重评估模型，并通过大量样本数据进行训练、优化，从而得到优化后的权重评估模型，本发明采用优化后的权重评估模型进行影响权重评估，有利于提高影响权重评估的准确性。
根据本发明的实施例，在通过风险评估模型评估得到该企业对应的内控风险结果之后，所述方法还包括：
基于各个板块分析结果提取出各个内控监测板块在同一维度上的缺口数据；
将各个内控监测板块的缺口数据分别乘以对应的影响权重，得到校正缺口数据；
并基于各个内控监测板块的校正缺口数据计算出各个业务类别之间的缺口比例关系；
根据内控风险结果制定出用于防控风险的总支出数据；
将总支出数据按照各个内控监测板块之间的缺口比例关系进行划分，得到各个内控监测板块对应的支出分量；
将各个支出分量分别分配给对应的内控监测板块，以进行风险防控。
需要说明的是，各个内控监测板块可能在同一维度上具有相应的缺口数据，如资金缺口，关键板块的资金缺口也会给企业造成一定管理风险，因此需要尽量弥补这些缺口风险。本发明则根据各个板块的缺口数据计算出缺口比例关系，然后根据内控风险结果制定出基于缺口的总支出数据，然后将总支出数据按照缺口比例关系分配至各个内控监测板块。可以理解，根据内控风险结果制定出的总支出数据可能低于或高于各个内控监测板块的缺口数据之和，本发明按照缺口比例关系可以均衡各个内控监测板块的支出分配，提升风险防范的效果。
根据本发明的具体实施例，根据内控风险结果制定出用于防控风险的总支出数据，具体包括：
制定出内控风险结果与风险防范方案之间的关联表；
根据所述内控风险结果在所述关联表中找出与之对应的风险防范方案，作为目标风险防范方案；
从所述目标风险防范方案中提取出用于防控风险的总支出数据。
可以理解，上述总支出数据具体为总支出资金。但风险防范方案可以不仅包括用于防控风险的总支出资金，也可以包括其他防范措施，如报销票据规范要求等。
根据本发明的实施例，在将对应的标准内控信息关联到对应的内控监测板块之后，所述方法还包括：
基于同一内控监测板块的所有内控信息进行语义分析，得到多个语义分析结果；
将同一内控监测板块的每个标准内控信息的语义分析结果与剩余标准内控信息的语义分析结果逐一进行比对，并计算比对双方的相悖程度；
待同一内控监测板块的每个标准内控信息均完成与剩余标准内控信息比对后，得到基于每个标准内控信息的多个相悖程度；
判断每个标准内控信息的每个相悖程度是否超过第二预设阈值，如果是，则将对应的标准内控信息标注一次；
统计每个标准内控信息被标注的累加次数；
判断每个标准内控信息被标注的累加次数是否超过第三预设阈值，如果是，则将该标准内控信息从对应的内控监测板块中剔除。
需要说明的是，本发明为了进一步提升每个内控监测板块中的所有标准内控信息的准确性，则采用内部相悖自检方式剔除少数错误的标准内控信息，并保留多数正确的标准内控信息，进而根据多数正确的标准内控信息进行模型分析，有利于得到更加准确的板块分析结果。可以理解，第三预设阈值可以根据对应内控监测板块中的标准内控信息的总数量来定，如果总数量较多，则第三预设阈值也可以适当增大设置。但不限于此。
可以理解，相悖程度即是比对双方之间基于相同主题的意见分歧，例如一方针对主题A给出肯定意见，另一方针对主题A给出否定意见，由于双飞意见分歧较大，则双方之间的相悖程度较高。又如，一方针对主题B给出80分意见，另一方针对主题B给出60分意见，由于双方给出意见分歧较小，则双方之间的相悖程度较低。
根据本发明的实施例，在集合多个板块分析结果，并通过内控风险评估模型评估得到该企业对应的内控风险结果之后，所述方法还包括：
获取不同历史时刻的历史内控记录数据，其中每个历史内控记录数据至少包括对应历史时刻的历史内控信息以及真实内控风险结果；
基于每个历史时刻的历史内控信息分别进行特征计算，得到每个历史时刻的第一特征值；
对当前时间的内控信息进行特征计算，得到第二特征值；
对比第一特征值与第二特征值，并将差异度小于第四预设阈值的历史内控记录数据筛选出，并存入中间数据库中；
对中间数据库中每个历史内控记录数据，分别将对应的历史内控信息输入知识图谱中进行标准化处理，并输出对应的历史标准内控信息；
基于每个内控监测板块，分别计算每个历史标准内控信息与对应的内控监测板块之前的匹配度，如果匹配度大于第一预设阈值，则将对应的历史标准内控信息关联到对应的内控监测板块中；
统计每个内控监测板块关联的所有历史标准内控信息，并输入板块分析模型中，输出对应的历史板块分析结果；
集合多个历史板块分析结果，并通过内控风险评估模型评估得到该企业对应的预测内控风险结果；
将中间数据库中各个历史内控记录数据的预测内控风险结果减去对应的真实内控风险结果，得到多个风险差值；
将多个风险差值基于中间数据库的历史内控记录数据的总数量进行平均化计算，得到风险修正值；
将所述内控风险结果加上风险修正值，得到修正后的内控风险结果。
可以理解，内控风险结果可以具体为风险值，如风险值取值范围为0~100，但不限于此。历史时刻的真实内控风险结果由人工或评价机构进行综合评价得到，此评价机制准确度较高，但费用较高，为了节省成本，本发明基于模型进行预测，并结合历史时刻人工或评价机构评价出真实内控风险结果作为参考模板，从而计算出真实内控风险结果与预测内控风险结果之间的风险修正值，基于风险修正值即可以对内控风险结果进行修正，从而得到更加准确的内控风险结果，有利于企业执行准确且有效的内控风险管理措施。
根据本发明的实施例，通过分布在各个前端节点的数据采集器实时采集多个内控信息，具体包括：
预设当前时间的某内控信息为图像信息，通过LBP算子计算所述图像信息的LBP特征值；
基于所述图像信息的LBP特征值与缓存在前端节点历史预设时间段的多个历史图像信息的LBP特征值进行比对，并计算二者的差异度；
选定差异度最小的历史图像信息作为目标历史图像；
将所述图像信息按照预设分割方式进行分割为多个图区，且每个图区具有对应的地址；
将所述图像信息的每个图区与目标历史图像的对应图区进行RGB值比对，并从所述图像信息中筛选出差异图区，标记出差异图区的地址；
将差异图区、差异图区的地址与目标历史图像的标识信息打包成简化图像信息，并将简化图像信息上报给服务器；
由服务器基于简化图像信息中的目标历史图像的标识信息在本地缓存库中找出对应的目标历史图像；
基于简化图像信息中的差异图区，以及差异图区的地址对本地缓存库中的目标历史图像进行图区替换，得到当前时间的图像信息。
需要说明的是，内控信息的采集过程是由各个前端节点的数据采集器进行采集，待数据采集器采集获取到某内控信息之后，需要上报给后端的服务器进行知识图谱标准化，板块划分，内控风险评估等工作流程。然而，由于部分内控信息较大，如较大的图像信息，鉴于在相近时间段内传送的内控信息具有一定的重复性。例如，当前时刻的图像信息相比于上一时刻的图像信息仅仅在局部图区有变动。本发明为了减少传输的数据量，使前端节点与服务器同步预设的分割方式，以及同步缓存最近历史预设时刻的历史图像信息，首先前端节点找出与当前时间的图像信息差异度最小的历史图像信息，然后进一步找出差异图区，稍后发送给服务器，由服务器在本地缓存库中定位出目标历史图像，并进行相应差异图区替换，进而还原得到当前时间的图像信息。由此可见，本发明的信息上传方式能够有效减小了传输数据量，提高信息传输效率。
根据本发明的具体实施例，通过分布在各个前端节点的数据采集器实时采集多个内控信息，具体还包括：
预设某内控信息为文字信息，由对应的前端节点采用自己的数字证书私钥对文字信息进行签名后发送内控网络中；
由内控网络中的各个网络节点分别接收到该文字信息相关的网络消息，并对文字信息进行真伪评价，将评价结果采用自己的数字证书私钥签名后附加在该文字信息的评价链中；
由服务器监测基于该文字信息相关的所有网络消息，并判断是否有评价链长度达到第五预设阈值的网络消息；
如果是，则提取出该网络消息作为目标网络消息，并基于目标网络消息中的评价链来统计真伪的评价比例；
判断真伪的评价比例是否大于第六预设阈值，如果是，则认定该目标网络消息为真，并接收该文字信息进行入库处理，否者，丢弃该文字信息。
需要说明的是，本发明在内控信息采集过程中，采用区块链机制对内控信息的真伪进行判断，如果超过预设比例（即第五预设阈值）的网络节点认定该内控信息为真，即可由服务器接收该内控信息，否者，丢弃该内控信息。因此，本发明的服务器在接收到内控信息时，可以通过发动整个内控网络的网络节点对信息真伪进行判定，从而有效确保接收入库的内控信息的真实性，进一步提升了后续模型分析、评估的准确度。
可以理解，数字证书私钥只有网络节点自己持有，采用自己的数字证书私钥对评价结果签名后，验证方可以从公共平台获取签名方的数字证书，并采用签名方的数字证书公钥对签名信息进行验签，如果验签通过，即可认定该评价结果，从而实现对评价者的身份进行有效验证，避免不法分子恶意评价。另外，如果同一个评价链中包含两个或两个以上相同身份（通过验签可知）的评价结果，则视为一个评价结果来参与计算真伪的评价比例，从而避免因同一网络节点进行重复评价而造成信息真伪判定不准的现象。
图2示出了本发明一种内控风险监测系统的框图。
如图2所示，本发明第二方面还提出一种内控风险监测系统2，包括存储器21和处理器22，所述存储器中包括一种内控风险监测方法程序，所述内控风险监测方法程序被所述处理器执行时实现如下步骤：
通过分布在各个前端节点的数据采集器实时采集多个内控信息；
将每个内控信息分别输入预设的知识图谱中进行标准化处理，并输出对应的标准内控信息；
基于企业需求定义出多个内控监测板块；
基于每个内控监测板块，分别计算每个标准内控信息与对应的内控监测板块之间的匹配度，如果匹配度大于第一预设阈值，则将对应的标准内控信息关联到对应的内控监测板块中；
基于多个内控监测板块分别构建多个板块分析模型，并通过对应的样本数据对各个板块分析模型进行训练，以得到优化后的板块分析模型；
统计每个内控监测板块关联的所有标准内控信息，并输入对应的优化后的板块分析模型中，输出对应的板块分析结果；
集合多个板块分析结果，并通过内控风险评估模型评估得到该企业对应的内控风险结果。
根据本发明的实施例，集合多个板块分析结果，并通过内控风险评估模型评估得到该企业对应的内控风险结果，具体包括：
获取该企业在当前时间所面临的市场状况以及政策环境因素；
基于市场状况以及政策环境因素，并通过权重评估模型评估出当前时间各个内控监测板块对企业的影响权重，且各个内控监测板块之和等于1；
将各个板块分析结果分别乘以对应的影响权重，得到校正板块分析结果；
基于各个校正板块分析结果，并通过风险评估模型评估得到该企业对应的内控风险结果。
根据本发明的实施例，在通过风险评估模型评估得到该企业对应的内控风险结果之后，所述内控风险监测方法程序被所述处理器执行时还实现如下步骤：
基于各个板块分析结果提取出各个内控监测板块在同一维度上的缺口数据；
将各个内控监测板块的缺口数据分别乘以对应的影响权重，得到校正缺口数据；
并基于各个内控监测板块的校正缺口数据计算出各个业务类别之间的缺口比例关系；
根据内控风险结果制定出用于防控风险的总支出数据；
将总支出数据按照各个内控监测板块之间的缺口比例关系进行划分，得到各个内控监测板块对应的支出分量；
将各个支出分量分别分配给对应的内控监测板块，以进行风险防控。
本发明第三方面还提出一种计算机可读存储介质，所述计算机可读存储介质中包括一种内控风险监测方法程序，所述内控风险监测方法程序被处理器执行时，实现如上述的一种内控风险监测方法的步骤。
本发明提出的一种内控风险监测方法、系统和计算机可读存储介质，能够实现对企业的内控风险进行准确预测，促使企业做好风险防范，避免因企业管理不善而造成严重后果。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种内控风险监测方法，其特征在于，所述方法包括：
通过分布在各个前端节点的数据采集器实时采集多个内控信息；
将每个内控信息分别输入预设的知识图谱中进行标准化处理，并输出对应的标准内控信息；
基于企业需求定义出多个内控监测板块；
基于每个内控监测板块，分别计算每个标准内控信息与对应的内控监测板块之间的匹配度，如果匹配度大于第一预设阈值，则将对应的标准内控信息关联到对应的内控监测板块中；
基于同一内控监测板块的所有内控信息进行语义分析，得到多个语义分析结果；
将同一内控监测板块的每个标准内控信息的语义分析结果与剩余标准内控信息的语义分析结果逐一进行比对，并计算比对双方的相悖程度；
待同一内控监测板块的每个标准内控信息均完成与剩余标准内控信息比对后，得到基于每个标准内控信息的多个相悖程度；
判断每个标准内控信息的每个相悖程度是否超过第二预设阈值，如果是，则将对应的标准内控信息标注一次；
统计每个标准内控信息被标注的累加次数；
判断每个标准内控信息被标注的累加次数是否超过第三预设阈值，如果是，则将该标准内控信息从对应的内控监测板块中剔除；
基于多个内控监测板块分别构建多个板块分析模型，并通过对应的样本数据对各个板块分析模型进行训练，以得到优化后的板块分析模型；
统计每个内控监测板块关联的所有标准内控信息，并输入对应的优化后的板块分析模型中，输出对应的板块分析结果；
集合多个板块分析结果，并通过内控风险评估模型评估得到该企业对应的内控风险结果。
2.根据权利要求1所述的一种内控风险监测方法，其特征在于，集合多个板块分析结果，并通过内控风险评估模型评估得到该企业对应的内控风险结果，具体包括：
获取该企业在当前时间所面临的市场状况以及政策环境因素；
基于市场状况以及政策环境因素，并通过权重评估模型评估出当前时间各个内控监测板块对企业的影响权重，且各个内控监测板块之和等于1；
将各个板块分析结果分别乘以对应的影响权重，得到校正板块分析结果；
基于各个校正板块分析结果，并通过风险评估模型评估得到该企业对应的内控风险结果。
3.根据权利要求2所述的一种内控风险监测方法，其特征在于，在通过风险评估模型评估得到该企业对应的内控风险结果之后，所述方法还包括：
基于各个板块分析结果提取出各个内控监测板块在同一维度上的缺口数据；
将各个内控监测板块的缺口数据分别乘以对应的影响权重，得到校正缺口数据；
并基于各个内控监测板块的校正缺口数据计算出各个业务类别之间的缺口比例关系；
根据内控风险结果制定出用于防控风险的总支出数据；
将总支出数据按照各个内控监测板块之间的缺口比例关系进行划分，得到各个内控监测板块对应的支出分量；
将各个支出分量分别分配给对应的内控监测板块，以进行风险防控。
4.根据权利要求1所述的一种内控风险监测方法，其特征在于，在集合多个板块分析结果，并通过内控风险评估模型评估得到该企业对应的内控风险结果之后，所述方法还包括：
获取不同历史时刻的历史内控记录数据，其中每个历史内控记录数据至少包括对应历史时刻的历史内控信息以及真实内控风险结果；
基于每个历史时刻的历史内控信息分别进行特征计算，得到每个历史时刻的第一特征值；
对当前时间的内控信息进行特征计算，得到第二特征值；
对比第一特征值与第二特征值，并将差异度小于第四预设阈值的历史内控记录数据筛选出，并存入中间数据库中；
对中间数据库中每个历史内控记录数据，分别将对应的历史内控信息输入知识图谱中进行标准化处理，并输出对应的历史标准内控信息；
基于每个内控监测板块，分别计算每个历史标准内控信息与对应的内控监测板块之前的匹配度，如果匹配度大于第一预设阈值，则将对应的历史标准内控信息关联到对应的内控监测板块中；
统计每个内控监测板块关联的所有历史标准内控信息，并输入板块分析模型中，输出对应的历史板块分析结果；
集合多个历史板块分析结果，并通过内控风险评估模型评估得到该企业对应的预测内控风险结果；
将中间数据库中各个历史内控记录数据的预测内控风险结果减去对应的真实内控风险结果，得到多个风险差值；
将多个风险差值基于中间数据库的历史内控记录数据的总数量进行平均化计算，得到风险修正值；
将所述内控风险结果加上风险修正值，得到修正后的内控风险结果。
5.根据权利要求1所述的一种内控风险监测方法，其特征在于，通过分布在各个前端节点的数据采集器实时采集多个内控信息，具体包括：
预设当前时间的某内控信息为图像信息，通过LBP算子计算所述图像信息的LBP特征值；
基于所述图像信息的LBP特征值与缓存在前端节点历史预设时间段的多个历史图像信息的LBP特征值进行比对，并计算二者的差异度；
选定差异度最小的历史图像信息作为目标历史图像；
将所述图像信息按照预设分割方式进行分割为多个图区，且每个图区具有对应的地址；
将所述图像信息的每个图区与目标历史图像的对应图区进行RGB值比对，并从所述图像信息中筛选出差异图区，标记出差异图区的地址；
将差异图区、差异图区的地址与目标历史图像的标识信息打包成简化图像信息，并将简化图像信息上报给服务器；
由服务器基于简化图像信息中的目标历史图像的标识信息在本地缓存库中找出对应的目标历史图像；
基于简化图像信息中的差异图区，以及差异图区的地址对本地缓存库中的目标历史图像进行图区替换，得到当前时间的图像信息。
6.一种内控风险监测系统，其特征在于，包括存储器和处理器，所述存储器中包括一种内控风险监测方法程序，所述内控风险监测方法程序被所述处理器执行时实现如下步骤：
通过分布在各个前端节点的数据采集器实时采集多个内控信息；
将每个内控信息分别输入预设的知识图谱中进行标准化处理，并输出对应的标准内控信息；
基于企业需求定义出多个内控监测板块；
基于每个内控监测板块，分别计算每个标准内控信息与对应的内控监测板块之间的匹配度，如果匹配度大于第一预设阈值，则将对应的标准内控信息关联到对应的内控监测板块中；
基于同一内控监测板块的所有内控信息进行语义分析，得到多个语义分析结果；
将同一内控监测板块的每个标准内控信息的语义分析结果与剩余标准内控信息的语义分析结果逐一进行比对，并计算比对双方的相悖程度；
待同一内控监测板块的每个标准内控信息均完成与剩余标准内控信息比对后，得到基于每个标准内控信息的多个相悖程度；
判断每个标准内控信息的每个相悖程度是否超过第二预设阈值，如果是，则将对应的标准内控信息标注一次；
统计每个标准内控信息被标注的累加次数；
判断每个标准内控信息被标注的累加次数是否超过第三预设阈值，如果是，则将该标准内控信息从对应的内控监测板块中剔除；
基于多个内控监测板块分别构建多个板块分析模型，并通过对应的样本数据对各个板块分析模型进行训练，以得到优化后的板块分析模型；
统计每个内控监测板块关联的所有标准内控信息，并输入对应的优化后的板块分析模型中，输出对应的板块分析结果；
集合多个板块分析结果，并通过内控风险评估模型评估得到该企业对应的内控风险结果。
7.根据权利要求6所述的一种内控风险监测系统，其特征在于，集合多个板块分析结果，并通过内控风险评估模型评估得到该企业对应的内控风险结果，具体包括：
获取该企业在当前时间所面临的市场状况以及政策环境因素；
基于市场状况以及政策环境因素，并通过权重评估模型评估出当前时间各个内控监测板块对企业的影响权重，且各个内控监测板块之和等于1；
将各个板块分析结果分别乘以对应的影响权重，得到校正板块分析结果；
基于各个校正板块分析结果，并通过风险评估模型评估得到该企业对应的内控风险结果。
8.根据权利要求7所述的一种内控风险监测系统，其特征在于，在通过风险评估模型评估得到该企业对应的内控风险结果之后，所述内控风险监测方法程序被所述处理器执行时还实现如下步骤：
基于各个板块分析结果提取出各个内控监测板块在同一维度上的缺口数据；
将各个内控监测板块的缺口数据分别乘以对应的影响权重，得到校正缺口数据；
并基于各个内控监测板块的校正缺口数据计算出各个业务类别之间的缺口比例关系；
根据内控风险结果制定出用于防控风险的总支出数据；
将总支出数据按照各个内控监测板块之间的缺口比例关系进行划分，得到各个内控监测板块对应的支出分量；
将各个支出分量分别分配给对应的内控监测板块，以进行风险防控。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括一种内控风险监测方法程序，所述内控风险监测方法程序被处理器执行时，实现如权利要求1至5中任一项所述的一种内控风险监测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210508719.0A CN114612018B (zh) | 2022-05-11 | 2022-05-11 | 一种内控风险监测方法、系统和可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210508719.0A CN114612018B (zh) | 2022-05-11 | 2022-05-11 | 一种内控风险监测方法、系统和可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114612018A CN114612018A (zh) | 2022-06-10 |
| CN114612018B true CN114612018B (zh) | 2022-07-22 |
Family
ID=81870648
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210508719.0A Active CN114612018B (zh) | 2022-05-11 | 2022-05-11 | 一种内控风险监测方法、系统和可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114612018B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117076894B (zh) * | 2023-10-17 | 2024-01-26 | 国网浙江省电力有限公司金华供电公司 | 供应链风险全过程监测防控管理方法及管理系统 |
Family Cites Families (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120150550A1 (en) * | 2010-12-14 | 2012-06-14 | Elwha LLC, a limited liability corporation of the State of Delaware | Efficiency-of-use techniques |
| CN103679383A (zh) * | 2013-12-25 | 2014-03-26 | 武汉武船信息集成有限公司 | 一种建立船舶制造企业集团管控平台的方法 |
| CN108805444A (zh) * | 2018-06-07 | 2018-11-13 | 北京字节跳动网络技术有限公司 | 评估方法、装置、设备和计算机可读存储介质 |
| CN109409633B (zh) * | 2018-08-23 | 2022-04-05 | 山东省城市商业银行合作联盟有限公司 | 业务监测与风险预警系统 |
| CN109376999A (zh) * | 2018-09-20 | 2019-02-22 | 阿里巴巴集团控股有限公司 | 一种交易的管控方法、装置及设备 |
| CN109543897A (zh) * | 2018-11-19 | 2019-03-29 | 天津理工大学 | 地方政府债务风险动态评估及预测方法 |
| CN109741086A (zh) * | 2018-12-11 | 2019-05-10 | 平安科技（深圳）有限公司 | 一种计算模型的生成方法及设备 |
| CN109492945A (zh) * | 2018-12-14 | 2019-03-19 | 深圳壹账通智能科技有限公司 | 企业风险识别监控方法、装置、设备及存储介质 |
| CN109903260B (zh) * | 2019-01-30 | 2023-05-23 | 华为技术有限公司 | 图像处理方法及图像处理装置 |
| CN110544035A (zh) * | 2019-08-30 | 2019-12-06 | 中国南方电网有限责任公司 | 一种内控检测方法、系统和计算机可读存储介质 |
| CN112732974A (zh) * | 2019-10-10 | 2021-04-30 | 腾讯科技（深圳）有限公司 | 一种数据处理方法、电子设备及存储介质 |
| CN111899089A (zh) * | 2020-07-01 | 2020-11-06 | 苏宁金融科技(南京)有限公司 | 基于知识图谱的企业风险预警方法及系统 |
| CN112598489B (zh) * | 2020-12-14 | 2023-12-26 | 深圳市快付通金融网络科技服务有限公司 | 基于金融应用的风险监测方法及系统 |
| CN113421165A (zh) * | 2021-05-19 | 2021-09-21 | 绿融(广州)信息科技有限公司 | 一种绿色金融产品评估与管理的方法及系统 |
| CN113283781B (zh) * | 2021-06-09 | 2024-02-09 | 北京信息职业技术学院 | 一种内控风险监控平台 |
| CN113379530A (zh) * | 2021-06-09 | 2021-09-10 | 中国工商银行股份有限公司 | 用户风险的确定方法、装置和服务器 |
| CN113592641A (zh) * | 2021-06-28 | 2021-11-02 | 惠州学院 | 一种基于知识图谱的风险预警方法及存储介质 |
| CN113537355A (zh) * | 2021-07-19 | 2021-10-22 | 金鹏电子信息机器有限公司 | 一种用于安防监控的多元异构数据语义融合方法及系统 |
| CN113723828A (zh) * | 2021-08-31 | 2021-11-30 | 金恒智控管理咨询集团股份有限公司 | 基于企业内控流程要点和专业判断的内控调研评价系统 |
| CN113946690A (zh) * | 2021-10-28 | 2022-01-18 | 平安科技（深圳）有限公司 | 潜在客户挖掘方法、装置、电子设备及存储介质 |
| CN114048293A (zh) * | 2022-01-11 | 2022-02-15 | 广东拓思软件科学园有限公司 | 一种缺陷报告融合方法、装置、电子设备及存储介质 |
-
2022
- 2022-05-11 CN CN202210508719.0A patent/CN114612018B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN114612018A (zh) | 2022-06-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021232588A1 (zh) | 食品安全风险评估方法、装置、设备及存储介质 | |
| CN106548343B (zh) | 一种非法交易检测方法及装置 | |
| CN101236638A (zh) | 一种基于Web的银行卡风险监测方法及系统 | |
| CN116342259A (zh) | 一种用户信用自动评级方法、装置、电子设备及介质 | |
| CN114612018B (zh) | 一种内控风险监测方法、系统和可读存储介质 | |
| CN106713267A (zh) | 一种网络安全评估方法及系统 | |
| KR102042442B1 (ko) | 디지털 컴플라이언스 및 위험 관리를 위한 레그테크 플랫폼 장치, 금융거래 위험 관리 방법 및 이를 위한 컴퓨터 프로그램 | |
| CN111582722B (zh) | 风险识别方法、装置、电子设备及可读存储介质 | |
| WO2011149608A1 (en) | Identifying and using critical fields in quality management | |
| CN112419074A (zh) | 一种车险欺诈团伙识别方法及装置 | |
| CN112632371B (zh) | 银行业务反欺诈方法与系统 | |
| CN114626940A (zh) | 数据分析方法、装置及电子设备 | |
| CN113240259A (zh) | 规则策略组的生成方法、系统及电子设备 | |
| Gencel et al. | Exploring the convertibility between IFPUG and COSMIC function points: preliminary findings | |
| CN112598225A (zh) | 评价指标的确定方法及装置、存储介质、电子装置 | |
| CN117172721B (zh) | 用于融资业务的数据流转监管预警方法及系统 | |
| US20230394069A1 (en) | Method and apparatus for measuring material risk in a data set | |
| CN113656267A (zh) | 设备能效的计算方法、装置、电子设备及存储介质 | |
| CN113850462A (zh) | 一种事件预测处置推荐方法及系统 | |
| CN114066464A (zh) | 消费分期场景下行业人员监测管理方法、装置及电子设备 | |
| CN116205740A (zh) | 阈值确定方法、装置和电子设备 | |
| CN116485213A (zh) | 用户准入方法、装置、电子设备及计算机可读存储介质 | |
| CN117033715A (zh) | 查询报文处理方法、装置、设备及存储介质 | |
| CN117952620A (zh) | 基于数据处理的对账单还原在网率的佣金结算方法及系统 | |
| CN113723685A (zh) | 一种危废产生量确定方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |