东篱科研大数据发现系统（DRDS）

位置：成果数据库 > 期刊 > 期刊详情页

数据流挖掘及其在持续审计中的可用性研究

期刊名称：南京审计学院学报
时间：0
页码：36-40
分类：TP391[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
作者机构：[1]南京审计学院信息科学学院,江苏南京211815
相关基金：国家自然科学基金（70971067/G0112）; 国家社会科学基金（10BGL016）; 江苏省高校自然科学研究项目（09KJD520006）
相关项目：基于DM技术的企业舞弊分析的审计服务系统研究

关键词：数据流挖掘, 持续审计, 审计模型, 聚类, 分类, 离群点检测, data stream mining, continuous audit, auditing model, clustering, classification, outlier detection

中文摘要：

随着企业信息化程度的提高和互联网的普及,每天都会产生海量的实时数据,而数据流挖掘则为分析海量数据提供了一种新途径。数据流挖掘中的聚类、分类、离群点检测等算法的研究取得了进展,为在持续审计中应用数据流挖掘提供了可行性。本文提出的一种基于数据流挖掘的持续审计模型,克服了传统持续审计模型对审计端的存储能力要求高、占用大量硬件资源、联机分析时间长、对异常数据的发现滞后等缺点。

英文摘要：

With the development of enterprise informatization and the popularity of the Internet, massive real-time data are being produced every day. Data stream mining provides one novel approach to analyzing massive real-time data. In this paper the sate-of-art in this field is presented, and its availability to continuous audit is discussed. Finally, based on data stream mining, one continuous audit model is proposed, which overcomes the disadvantages of huge storage capacity requirements, long-time online analysis and the delayed finding of abnormal data.

同期刊论文项目