第一章 引言
伴随着数字化审计工作全面开展，审计数据量呈指数级增长，种类也越来越多。审计场景中非结构化数据占比大幅上升，传统的确定性审计证据核验方式对于模糊性、不确定性越来越强的环境来说，渐渐表现出不适应的问题，不能满足现代审计对于风险精准识别的要求。就该问题而言，国内外学者已经开始在数字化审计证据处理和模糊推理的交叉领域里进行积极的探索，但是现有的研究并没有系统地阐明数字化审计证据模糊性产生的原因，也没有形成一套可以落地、可以执行的闭环推理机制，造成理论应用出现断层[1]。因此，本文主要研究数字化审计证据的模糊推理机制，探究其理论价值和实践意义，用科学的推理模型来解决审计证据中模糊判定的问题。本文会按照研究背景、核心机理、模型建立和实证应用的顺序来整理出本文的研究脉络以及整体的结构框架，为后面章节的详细展开做好铺垫。
第二章 数字化审计证据的模糊推理机制构建与实践路径
2.1 数字化审计证据的模糊性本质与现有推理逻辑的局限性阐释
数字化审计证据的模糊性本质是由它的产生来源、载体形式和语义表达这三个方面的复杂性所决定的。从生成来源上看，多源异构数据汇聚造成数据质量高低不一；从载体形态上看，既有结构化数据的数值边界模糊，即由于统计口径不同而产生的区间数值，也有合同文本、业务音视频、社交类电子留痕等非结构化证据，这些非结构化数据常常伴随着语义歧义以及信度梯度模糊。从语义表达上来说，由于自然语言具有模糊性，所以证据不能被精确地量化。但是传统的审计证据推理逻辑一直使用“非黑即白”的确定性思维，也就是用二值逻辑来对审计事项进行定性，这样的逻辑对于数字化审计场景来说是无能为力的。就处理多源异构数字化证据冲突来说，传统逻辑不能调和不同渠道的数据矛盾；对于边缘性审计疑点定性，缺少对中间态的合理判断机制；对于证据链置信度的动态调整，不能适应数据环境的实时变化。国内多个基层审计机关实际应用案例显示，强行套用传统逻辑会造成审计结论偏颇，漏掉重要的风险点，这样的局限性极大地阻碍了数字化审计效能的提高，急需创建更加灵活的模糊推理机制来应对现实问题。
2.2 数字化审计证据模糊推理的核心机制框架设计
2.2.1 数字化审计证据多维度模糊特征的归一化预处理规则
数字化审计证据一般包含结构化数值、半结构化日志和非结构化文本音视频等许多种类型，具有很强的异构性以及模糊性，所以要建立标准化的归一化预处理规则，才能形成模糊推理机制。该规则先对所有的模糊特征进行分类确权，把它们分成数值型模糊边界、语义型模糊程度和信度型模糊梯度三类，然后分别制定出量化映射的标准，以消除各个量纲不同所造成的计算障碍。在具体的操作过程中，要对缺失值设置基于统计规律的补全阈值，对歧义特征做语义标注，对偏离正常分布的异常模糊值进行过滤清洗。以实际处理为例，把金额金额偏差率、违规关键词频次等不同的特征，用一定的线性或者非线性函数映射到0到1的闭区间上，得到相应的模糊隶属度值。该流程保证各种类型的、各种来源的数字化审计证据的特征都可以被转化为标准化的数据形态，为后面模糊推理运算的准确性提供可靠的输入基础，从而提高审计证据的综合判断能力。
2.2.2 基于证据权重关联的模糊推理规则迭代校验流程
根据预处理输出的归一化模糊特征结果，数字化审计证据模糊推理规则迭代校验流程的设计重点是创建起动态而严格的证据权重关联体系。首先要确定初始证据权重的赋值依据，根据审计重要性水平和证据来源可信度这两个主要方面来设定合理的初始权重计算公式。审计重要性水平是错报风险对报表的影响程度，证据来源可信度是数据产生系统内控环境和传输路径的安全性，两者量化结合之后就形成了推理起点的基准权重。
在此基础上需要建立多证据之间的关联性识别规则，整理出直接证据、间接证据和旁证之间的关联耦合逻辑。直接证据一般会被赋予较高的基准权重，它的推理结论指向性很强；间接证据和旁证则是通过逻辑链条与前者形成验证关系，一起构成证据链的稳固性。接着就是推理规则的多轮迭代校验过程，设定好触发条件，即当推理结果的置信度小于某个阈值或者不同的证据链出现结论冲突的时候就开始调整路径。在这个过程中使用权重动态修正的方法，对产生的冲突模糊结论进行自动调权，支持高可信度证据对低可信度证据的修正。最后用收敛判定标准来衡量，当整体推理结论置信度趋于稳定并且满足误差要求的时候，就输出最终的审计结论，从而形成一个自动化的闭环推理流程，有效地保证了数字化审计推理机制的严谨性和容错性。
2.3 数字化审计场景下模糊推理机制的应用效能验证
为了检验数字化审计证据模糊推理机制的实际应用效果，本文选择地方国有制造企业数字化费用审计作为典型的真实场景来进行实证测试。在测试过程中，把前面设计的模糊推理机制全部应用到实际审计项目当中，并且同传统的确定性审计推理方式展开严格的对比测试。效能验证的主要方面就是审计疑点识别准确率、证据链梳理耗时、边缘性审计问题漏判率这三个方面。通过对真实业务数据以及量化测试结果的分析可知，在使用模糊推理机制之后，系统对于模糊性违规事项的识别准确率有了明显的提高，有效地避免了由于“一刀切”而造成的误报情况；自动化模糊逻辑推理大大缩减了人工复核的时间，证据链梳理耗时比传统方式要少得多。尤其在处理处在合规和违规临界点上的边缘性审计问题的时候，该机制依靠隶属度分析把漏判率大幅降低，具备很强的实战意义。但是验证结果也客观地表明，在处理极端非结构化模糊证据的时候，机制还存在着一些不足，语义理解的深度以及推理规则的动态适应性还需要加强。全方位的实证检验不但可以证明新机制在复杂的审计环境中具有优越性，而且可以为以后的技术更新指明方向。
第三章 结论
本文对数字化审计证据进行了详细的分析，得出了数字化审计证据的模糊性本质，并且指出了在处理大量的异构电子数据的时候所遇到的不确定性问题。因此研究形成了一套科学的模糊推理机制，主要的创新点就是创建出适合审计场景的隶属度函数和推理规则，把定性经验转变为定量计算。该机制用模糊化处理、规则库匹配、解模糊判决等标准化的操作步骤，给审计人员指明了一条清晰的、可以落地的证据分析途径。相比传统的审计推理方式，该机制很好地解决了非标准数据无法量化的难题，大大降低了审计定性过程中主观臆断、误判的风险，提高了结论的客观性、准确性。在数字化审计向智能化转变的大背景下，本研究结果可以有效地支持审计机关对复杂电子证据的处理，提高审计机关应对海量数据的能力。但是研究还存在着一些不足，即规则库的动态更新机制还没有得到完善。展望未来，把模糊推理同审计大模型结合起来，用生成式人工智能来改进推理逻辑，将会成为深入开展数字化审计理论研究和实践应用的方向。
参考文献
\[1\]霍云亮, 胡晓兵, 杨雄. 基于模糊综合评价方法的实例检索策略研究[J]. 四川大学学报：自然科学版, 2018, 55(6): 7.