基于區塊鏈與云存儲的智能審計系統構建

王穎（副教授/高級審計師）茍勇湯小莉（副教授/博士）郭賽賽

（1 西京學院會計學院2西北大學 陜西 西安 710123）

一、引言

審計在維護國家財政經濟秩序、提高財政資金使用效益、促進廉政建設、保障經濟社會健康發展等方面發揮了重要作用。隨著數字經濟的發展，傳統的審計技術已經無法適應新時代審計工作的要求，特別是“大智移云”的來臨，審計領域出現了數據的海量化、分析的專業化、技術的智能化等特征；全樣本審計對數據的安全性、審計結果的可靠性、審計的效率性等問題提出了更高的要求。因此，我國審計事業的發展亟需新技術和新理念融入與提升。區塊鏈、云存儲、大數據以及人工智能等新興技術正是推動我國審計發展的強心劑，智能審計因此而產生。何為智能審計？許漢友（2020）認為，智能審計，即智能技術與財務審計的有機結合。智能審計融入了人工智能信息技術，能幫助審計人員在更好地完成審計工作的同時，提高審計效率并使審計結果更加客觀公正，使審計獨立性更強。

二、基于區塊鏈與云存儲的分布式云存儲系統的建構

云存儲技術對于審計工作影響頗大。云存儲技術具有整合存儲資源、提高存儲效率、降低存儲成本等優勢。同時云存儲技術也有其無法避免的缺陷，例如云存儲中數據的安全性難以得到有效保證，數據易被他人惡意篡改并無法追蹤溯源其篡改地址，這也是云存儲技術應用到審計領域亟需解決的重要問題之一。

“審計+”各種新興技術是目前審計領域探索的重點，區塊鏈與審計可以實現良性融合，帶來審計行業的創新與變革。目前區塊鏈技術應用到審計領域仍有不少的障礙，區塊鏈存儲應用系統要求每個節點存儲完整的數據，這既造成存儲資源的浪費，同時也沒有充分利用網絡資源存儲數據。

基于區塊鏈與云存儲的分布式云存儲系統（以下簡稱分布式云存儲系統）由區塊鏈技術和云存儲技術共同建構。分布式云存儲系統的原理是將區塊鏈技術與云存儲技術相結合，云存儲技術提供存儲空間并存儲真實文件，由此解決了區塊鏈網絡存儲資源浪費和大數據的問題；區塊鏈技術提供存儲證明、存儲文件摘要等基礎屬性信息，并利用哈希函數的唯一性和不可逆性來實現對數據的驗證區，由此解決了云存儲數據安全性的問題。分布式云存儲系統的設計架構如圖1所示，主要分為云存儲層、區塊鏈層、協議層、管理層、接口層，核心部分是協議層和管理層。

圖1 分布式云存儲系統基本架構圖

云存儲層是分布式云存儲系統的底層網絡，是用于存儲數據的底層系統。目前應用較廣泛的是Amazon Simple Storage Service（Amazon S3），Amazon S3是一種對象存儲服務，擁有良好的性能、可擴展性、安全性和數據可用性，大量的數據將被分散存儲至附近AWS區域的多個服務器上，既提升數據的安全性，又便于讀取數據。因此云存儲層將選擇Amazon S3作為底層網絡系統，存儲真實數據。

區塊鏈層是認證層，為真實數據提供背書，并利用哈希函數來實現數據的唯一性和可驗證性。超級賬本（Hy?perledger）是一個區塊鏈的商用平臺，突出的特點是可插拔式設計，用戶可以靈活地插入各個功能模塊來實現自己想要的區塊鏈網絡架構，超級賬本良好的可擴展性為嵌入云存儲系統提供了基礎。

協議層是核心部分，主要是安全算法、共識機制等。包括管理文件傳輸的傳輸協議、管理文件分發的分發協議、共識機制是拜占庭容錯算法（PBFT）和提供訪問控制的DCPABE。

管理層是對存儲至分布式云存儲系統中的數據進行數據管理。包括自動觸發合約條件的智能合約、公鑰與密鑰形成的隱私保護管理等，這些管理功能需要用戶去定義。

接口層是為接入智能審計系統而設計的接入端口。

分布式云存儲系統是基于區塊鏈與云存儲的智能審計系統的底層系統架構，功能是提供數據存儲、保障數據安全性、數據基本分類以及數據基本分析，為搭建智能審計系統提供基礎平臺。

三、分布式云存儲系統應用于審計的適用性分析

（一）分布式云存儲系統為被審計單位提供存儲空間，節約空間資源

傳統的網絡存儲系統采用集中的存儲服務器存放所有數據，存儲服務器成為系統性能的瓶頸，可靠性和安全性難以保證，也不能滿足大規模存儲應用的需要，同時還不利于審計工作的展開，被審計單位的財務數據、業務數據、管理數據以及視頻影像數據等可能存在獲取不完整的問題，由于無法獲得充分、適當的審計證據可能導致審計工作無法開展、審計目的無法達到，從而影響審計結果。云存儲技術通過虛擬化技術解決了網絡存儲空間的浪費問題，為被審計單位提供超大容量、超大規模的網絡存儲空間，提高了存儲效率，改善了網絡存儲空間的利用率。數據的易獲取、大容量為審計工作的順利開展提供了基礎條件，同時也降低了企業的存儲成本。

（二）分布式云存儲系統為實時審計奠定了基礎

區塊鏈是由各個分布式網絡節點組成的共享數據庫，具有高度開放、公開透明等特征。這為審計單位實施實時審計提供了條件，被審計單位實時的財務數據、業務數據等都可以輕松獲取，獲取審計證據的方式較為容易，如此既能提高審計效率，又可減少審計成本。

（三）分布式云存儲系統能保障審計數據的安全性

區塊鏈的不可篡改、追本溯源、共識驗證等特征可以保障被審計單位審計數據的真實完整，減少由于錯誤上傳或舞弊造假形成的企業風險。另外，分布式云存儲系統并非簡單直接地將數據存儲到區塊中，而是存儲到網絡節點本地存儲空間，在節約網絡存儲空間的同時，也提高了區塊鏈的效率。

四、智能審計系統的搭建

人工智能從本質上說就是按照人類的思維方式對系統進行編程和設計，從而替代人工完成各種任務。人工智能按照人類的思維方式對系統進行編程和設計的過程，就是人工智能模擬人類思維的過程。

人工智能會將不同審計對象單位的審計信息傳輸到信息網絡中，使審計人員更方便、更高效地處理審計工作，可以極大地改善傳統的審計方法，也可以極大地提高審計工作的效率。同時精湛的技術、高額的成本投入以及海量數據的支持是構建基于人工智能的智能審計系統所必需的因素。要達到實時審計和審計全覆蓋的目的，應保證審計數據的實時傳輸與信息共享，分布式云存儲系統上的智能審計系統包括以下幾個層級：（1）審計數據的智能采集與上鏈系統。區塊鏈技術應用于云存儲，將保障審計數據上傳的安全性。（2）審計數據的信息共享系統。智能審計系統在保障數據安全性的同時又能實現各個主體之間的信息共享。（3）數據智能分析系統。利用深度學習算法解構審計數據，形成可視化的數據網絡鏈條。（4）可視化報告系統。按需按主體出具審計報告，建構基于圖表影音的可視化審計報告。圖2展示了智能審計系統的工作原理。

圖2 智能審計系統工作原理

（一）審計數據智能采集與上鏈系統

審計數據是審計工作的基礎。無法獲取充分、適當的審計數據將直接導致審計工作無法開展，進而影響企業的安全和經濟效益。審計數據主要包括文字數據、圖像數據及影音數據等，這些數據具有規模化、分類化、無紙化、電子存儲等特點，是審計人員進行審計工作的重要載體。要對此類數據實施審計，首先是對此類數據的采集與匯總。在分布式云存儲系統中搭建人工智能審計系統，利用物聯網中的各類傳感器進行數據智能采集，再由區塊鏈上傳到分布式云存儲系統中，分布式云存儲系統內置智能分析，將對數據的規模、種類、性質進行智能分析，整理匯總形成分類云存儲數據庫，在此基礎上智能審計系統便可以進行智能審計工作。審計數據的智能采集與云存儲數據的上鏈過程如下：

1.審計數據的智能采集。美國麻省理工學院的溫斯頓教授認為：“人工智能就是研究如何使計算機去做過去只有人才能做的智能工作。”傳統的現場審計是通過現場觀察、檢查企業的審計數據，對于審計單位和被審計單位而言，審計效率低下、審計成本高昂，并且在大數據審計時代，傳統審計范式已經無法滿足審計工作需求。智能審計系統的數據采集系統主要利用物聯網中的各類信息傳感器，例如北斗衛星導航系統（BDS）、激光掃描器、紅外傳感器、射頻識別技術（RFID），各類信息傳感器實時采集任何需要監控、連接、互動的物體或過程，采集其聲、圖像、位置等各種需要的信息，通過云存儲系統網絡接入，實現對各類信息的智能化感知、識別和管理。通過各類傳感器采集被審計單位的審計數據，可以實現對被審計單位的實時監控，采集的數據通過將區塊鏈共識驗證到分布式云存儲系統中，在保障數據安全性的同時也能實現實時審計。

2.云存儲數據的上鏈過程。云存儲數據的上鏈過程分為以下幾個步驟：步驟一，被審計單位的審計數據經過物聯網傳感器的采集，通過被審計單位的網絡設備將其傳輸到分布式云存儲系統；步驟二，基于區塊鏈的分布式云存儲系統會將交易信息與其他數據打包形成一個區塊，等待其他網絡節點的共識驗證；步驟三，區塊被廣播到區塊鏈網絡中等待各個網絡節點共識驗證，由于共識機制的存在，被審計單位的審計數據變得公開透明，任何網絡節點都可以查看驗證，避免了傳統審計存在的信息不對稱情況；步驟四，部分網絡節點遵循共識機制驗證區塊，驗證成功說明大部分網絡節點是認可區塊內的信息，審計數據被網絡節點驗證后，將會保留驗證節點的簽名信息，由此審計數據的安全性和可靠性能得到有效保障；步驟五，區塊被哈希函數計算并鏈接到區塊鏈最長鏈末端，鏈接成功后審計數據無法篡改，保證了真實完整性；步驟六，此交易被記錄到區塊鏈上，交易信息、審計數據將會對全網公開透明，并且將上鏈數據存儲至本地存儲空間，由此可以提升區塊鏈整體的上鏈效率和運行效率。

（二）審計數據共享系統

審計數據經區塊鏈上鏈至分布式云存儲系統，由此可以實現上鏈審計數據的實時共享，在節約被審計單位存儲成本、提升存儲空間效率的同時，也可以節約審計單位的審計成本、減少溝通成本及提高審計效率。審計數據上鏈之后，可以實現實時審計和審計全覆蓋，并且任何網絡節點都可以成為“審計人員”。網絡節點驗證審計數據后，將上鏈數據存儲至本地存儲空間，由此可以提升區塊鏈整體的上鏈效率和運行效率。存儲管理服務定期將上傳的審計數據同步至網絡中的其他相鄰節點，以此保證審計數據的安全和可信任。分布式云存儲系統內置數據檢索服務，可以基于審計數據的任何屬性執行查詢。如果審計單位、監管層、上下游企業以及與企業利益相關者等需要企業私密數據，那么區塊鏈技術的非對稱加密技術能實現點對點傳輸的安全、私密。

（三）審計數據智能分析系統

在實現審計數據的采集、上鏈、共享之后，對于數據的智能分析才是智能審計系統的關鍵。智能審計系統的智能分析將采用人工智能深度學習算法。深度學習起源于人工神經網絡的研究，是當前人工智能研究的一個新領域，主要研究從非結構化和半結構化數據（如文本、圖像、影音數據等）中提取特征，建構以信息表示的計算模型。從審計數據智能采集系統采集的數據來看，主要以文本、圖像、影音數據為主。文本數據即審計所需的各類合同、單據、表所承載的文字信息，如采購合同、入庫單、固定資產明細表等；圖像數據即審計所需具有證明性的圖像信息，如簽章掃描件、庫存實物照片等；影音數據即以往審計使用較少的數據，主要為智能審計數據采集系統采集到的視頻信息、定位信息、語音信息等，如產品出入庫監控錄像、產品運行軌跡和合同談判錄音等。

審計需要大量的數據，而審計數據之間也有相應的勾稽關系，傳統審計模式下，審計人員依靠賬、表、單等文字信息與實物進行勾稽，智能分析系統利用深度學習算法解決如何代替審計人員從眾多審計數據中對應數據的勾稽關系，以文字信息勾稽文字信息、以圖像信息勾稽文字信息、以影音信息勾稽文字信息，三者相互勾稽、相互驗證，從而使得審計結果更為可靠。

深度學習算法運用于智能分析大致思路為：先對深度學習算法進行模擬分析，輸入規則和模型讓算法按照審計人員的指令去學習；在其學習該如何勾稽數據的關系之后，利用大數據對算法進行大量訓練，提升深度學習算法的分析能力；最后深度學習算法獨自承擔分析工作。要想達到智能分析還有待進一步挖掘。本文選取了目前深度學習的兩類基本模型深度信念網絡（Deep Belief Network，DBN）和卷積神經網絡（Convolution Neural Networks，CNN），對其進行簡單介紹。

深度信念網絡（DBN）是一個概率生成模型，由若干層受限玻爾茲曼機（RBM）組成的多隱含層神經網絡，通過RBM的逐層堆疊，DBN模型可從原始數據中逐層提取特征，獲得高層次表達。RBM具有強大的特征提取能力，對審計文本數據進行分層次深度學習可以幫助審計人員找出數據的異常點和風險點。基本思路是：當把賬、表、單等文本數據輸入RBM時，RBM1會對輸入的文本數據進行逐層無監督訓練，尋找基本勾稽關系勾稽數據，如對庫存現金日記賬和銀行對賬單，DBN會自動勾稽基本數據關系，核對金額；在經過初次訓練后得到數據h1，將作為RBM2的初始數據，再次進行深層訓練，此時將提取庫存現金日記賬和銀行對賬單重大或微小的金額進行分析，結合金額數量、性質、用途、來源與去向等，判斷是否有異常；RBM2之后是進行RBM3，再次提取庫存現金日記賬和銀行對賬單頻繁或偶發的金額進行分析，結合金額數量、發生頻率、來源、性質等，判斷是否屬實；最后綜合關聯數據進行整體剖析，得出分析結果。深度學習算法以此不斷摘取數據特征，降低數據分析的難度，從而找出隱藏在數據中的風險點。

卷積神經網絡（CNN）是具有深度結構的前饋神經網絡，本質上是一種輸入到輸出的映射，但需要大量的參數進行學習，審計大數據為此提供了良好的平臺。卷積神經網絡已成為當前語音分析和圖像識別領域的研究熱點。如對連續拍攝的庫存物品實物圖進行智能分析時，CNN首先會對圖像區域進行卷積運算，即提取該區域特征，區域特征被提取意味著該區域與其他區域的位置關系確定，如此偽造的審計數據將無所遁形；然后進一步識別該區域特征，比如數量、分類、質量等，由此可識別出其工作效率、工作質量和相關工作情況等；最后識別出的特征將會與文本數據進行勾稽，再次勾稽數據與數據間的關系，確保數據的可靠性。越多圖像與影音數據與文本數據的勾稽，才能保證審計結果的可靠性。

通過深度信念網絡和卷積神經網絡對審計數據的智能分析，能發現賬表的異常點和可疑點，幫助審計人員提取關鍵特征，找出隱藏性的關聯交易等。對于圖像和視頻數據的分析，通過特征的提取識別出原始數據的相關信息，這會帶來質的改變，現場審計將大幅度減少。通過深度學習能夠幫助審計人員實現實時審計和審計全覆蓋，提升審計效率并增強審計結果的可靠性。

（四）可視化報告報告系統

在傳統審計范式下，被審計單位財務報表和審計報告是決策者做出決策的重要依據，財務報表和審計報告的真偽程度決定了投資決策是否正確。在智能審計時代，不僅審計人員可以出具審計報告，智能審計系統依據智能分析所得出的結論，也能出具智能審計報告。智能審計報告主要依靠人工智能的深度學習算法。智能審計系統內置審計報告模塊，包含審計報告模板、審計報告編制流程、審計報告智能分析程序及智能審計報告結論等。深度學習算法在內置的審計報告模塊不斷訓練和模擬，對審計報告流程不斷“逐層初始化”，相當于審計人員不斷重復編寫審計報告的經驗，對于審計意見經過智能審計系統的判斷，給出最優的審計意見和審計報告。

在智能審計分析階段，可視化技術已內置智能審計系統中，對于財務報表的編制，智能審計系統會自動生成可視化報表，直觀而形象地呈現報表項目，便于橫向與縱向的對比。管彥慶（2014）等基于Excel中的Microsoft Research Treemapper控件，將傳統的數字型報表變成了圖形報表。報表中每一個方框的大小代表相應報表項目的金額，顏色代表增長率。與傳統的數字型報表相比，可視化報表更加直觀清晰。

在智能審計報告階段，可視化報告系統將對歷年審計結果、審計重點、審計難點、審計風險進行可視化呈現。可視化呈現告別了傳統簡單的文字與數字的疊加，而是多維度的、立體的、動態的展示。未來的報告將不僅僅局限于形狀與顏色的圖形報表，而將展示更非富的細節與特征。如動態立體審計報告，將報告與3D影像技術結合，實現全息投影審計報告，當然這是未來智能審計報告的趨勢，目前還無法實現。

智能審計系統將自動出具可視化審計報告，報告將會直接在智能審計系統中反饋給公司管理層、公司股東、債權人及其他利益相關節點，并按需、按主體出具可視化報告。

五、智能審計系統對審計工作的影響

本文在分布式云存儲系統上搭建智能審計系統，將其應用于審計領域，促成審計方式的變革和審計技術的創新，進而實現大數據審計、智能審計。

（一）既保障審計數據安全性，又提高審計工作的質量

區塊鏈應用于審計實務領域正在積極探索，但區塊鏈應用于審計理論鄰域成果頗豐。數據安全和可信是審計工作開展的基礎，區塊鏈技術具有公開透明、不可篡改等特征，能夠保障審計數據的安全可靠，云存儲技術提供超大規模的數據存儲和數據共享，建構的分布式云存儲系統能為大數據提供安全存儲與安全共享。審計是企業的安全防線，是企業風險的屏障，在維護企業經濟效益的同時，也保障著企業的長遠生存問題。在審計數據安全可靠得以保障的前提下，審計工作將會變得更加重要，無論是國家審計、社會審計還是內部審計，所能發揮的作用也將日漸凸顯，三者融合形成的審計合力尤為突出。

（二）事后審計轉變為事前審計和實時審計

傳統審計模式下財務造假情況頻繁發生，屢禁不止且愈演愈烈，造假手法之多樣、造假金額之巨大，損害了無數中小投資者的利益。傳統審計模式下的“事后審計”可能是經過修飾或篡改的審計數據，此外審計數據不公開透明、審計人員僅限于專業人員、審計雙方可能存在利益往來等都是事后審計所存在的問題。“實時審計”是理想的審計模式，它可以帶來更為可靠、更低風險、更高質量的審計工作。基于區塊鏈技術的分布式云存儲系統所搭建的智能審計系統，網絡中的任何節點都可成為實時審計的“審計人員”，并不需要任何其他網絡節點的授權，通過區塊鏈實現數據的實時檢索，智能審計系統能對審計數據進行實時智能分析并出具可視化報告報告。

（三）抽樣審計轉變為全樣本審計

傳統審計模式下由于審計數據的大量性與規模性，審計人員無法對全部數據實施審計，因此會實行抽樣審計，但隨著企業規模的擴大，數據的增加，抽樣審計已無法滿足審計單位的需求。區塊鏈技術具有公開透明、無法篡改等特征，上鏈的審計數據會永久存檔，永久保留在分布式云存儲系統中，由此可以實現對企業的全樣本審計、全覆蓋審計。智能審計系統會對被審計單位上鏈的每項數據實施跟蹤審計，通過對上鏈數據智能分析，挖掘出數據之間的聯系，從而實現審計數據之間的相互支持，使得企業的舞弊與差錯難以遁形。

（四）傳統審計轉變為智能審計和大數據審計

傳統審計模式存在著審計效率低下、審計成本高昂、審計證據缺乏安全性及審計結果不準確等問題，摒棄傳統審計模式，大力融合發展以區塊鏈、云計算、云存儲、人工智能及大數據等為主的新興技術，是審計發展的當前要務。在新興技術的支持下，審計數據將實現智能采集、智能處理、智能分析，審計報告將實現智能生成、按主體生成可視化報告，審計結果能實現智能送達至不同利益主體，審計一整套流程將實現智能控制，這是實現智能審計、大數據審計的必由之路。