智能审计决策支持系统(Intenigent Audit Decision SupportSystem，IADSS)通常简称为智能审计系统，它是在传统审计决策支持系统(Audit Decision Support System，ADSS)的基础上结合审计专家系统(Audit Expert System，AES)和数据挖掘系统(Data MiningSystem，DMS)而形成的软件系统。审计决策支持系统能够借助定量化的决策支持模型来辅助审计人员进行决策，但智能性不足；审计专家系统能模拟审计专家思维来解决非结构性的问题。但审计专家知识获取和转化困难，而且不具备自我学习的功能；以神经网络为代表的数据挖掘系统具有良好的自组织、自学习和自适应能力，但其不能对自身的结论进行解释。这三种系统的优缺点恰好互补，若相互融合，则可构建一个智能审计决策支持系统。

　　一、审计决策支持系统(ADSS)

　　(一)审计决策支持系统的特征

　　ADSS是支持审计人员进行非程序性决策的一种信息系统，具有如下三个特征：一是以处理非程序性决策为主；二是对审计人员的支持而不是代替；三是系统本身要求具有灵活性，采用联机对话方式，以便利用审计人员的经验和系统提供可供分析的信息来解决问题。

　　(二)审计决策支持系统的构建

　　ADSS的构建可按照《国家经济信息系统设计应用标准化规范》中的“三库一体化理论”，即由数据库、模型库和方法库组成，它们彼此独立，用户系统通过三库控制系统与“三库”发生联系。数据库子系统是存储、管理、提供与维护用于审计决策支持的审计数据的ADSS基本部件，是支撑模型库子系统及方法库子系统的基础。数据库子系统由数据库、数据析取模块、数据字典、数据库管理系统及数据查询模块等部件组成。ADSS用户是依靠模型库中的审计模型进行决策，因此ADSS是由“模型驱动的”。ADSS设立模型库子系统是为了在不同的条件下，通过模型来实现对问题的动态描述，以便探索或选择令人满意的解答。模型库是ADSS中最复杂和最难实现的部分，通常可直接用于制定审计决策的模型是对应用结构性比较好的问题，其处理算法有明确规定，表现在模型上，其参数值是已知的。对于非结构化的决策问题，有些参数值并不知道，需要适用数理统计等方法估计这些参数值。由于不确定性的影响，参数值估计的非真实性，以及变量之间的制约关系，用这些模型计算得出的输出一般智能辅助决策或对决策的制定提出建议。模型库管理系统的主要功能是模型的利用和维护，模型的利用包括决策问题的定义和概念模型化，从模型库中选择恰当的模型或单元模型构造具体问题的决策支持模型，以及运行模型；模型的维护包括模型的联结、修改和增删等。模型库子系统是在与ADSS其他部件交互过程中发挥作用的，与数据库子系统的交互可获得各种模型所需的数据，实现模型输入、输出和中间结果存取自动化；与方法库子系统的交互可实行目标搜索、灵敏度分析和仿真运行自动化等。更主要的交互则是在人机对话子系统之间，模型的使用和维护实质上是审计人员通过人机对话子系统予以控制与操作。方法库子系统是存储、管理、调用及维护ADSS各部件要用到的通用算法、标准函数等方法的部件，方法库中的方法一般用程序方式存储。它通过对描述外部接口的程序向ADSS提供合适的环境，是计算过程实行交互式的数据存取，从数据库选择数据，从方法库中选择算法，然后将数据和算法结合起来进行计算，并以清晰地呈现方式输出结果，供决策者使用。

　　(三)审计决策支持系统的思路

　　ADSS解决问题是沿着“审计人员根据当前环境提出问题→审计专家与审计人员交互理解问题→审计专家抽象出数学模型→友据数学模型编制或调用求解软件→软件运行求解问题”这一思路进行的。在该思路中，问题的求解是由“模型驱动”的，问题求解模型是随着问题环境的变化而变化，并且由于变化而重新构造模型时都离不开审计专家的辅助，这就使原本是审计人员在决策支持系统辅助下求解变成了在审计专家辅助下求解的问题，用户在求解问题的多数环节尚仍然离不开审计专家。ADSS应用中出现这种问题，其主要原因是系统的智能性不足，不能根据问题的变化作出适应性的自主调整。

　　二、审计专家系统(AES)

　　(一)审计专家系统的功能

　　ADSS借助计算机强大的运算能力与审计人员(专家)灵活的分析和判断能力交互写作，为解决审计中的半结构化与非结构化的决策问题提供了有力的支持。但由于ADSS中计算机一方的重点还在于模型的定量计算，人机对话方式与大多数不熟悉计算机的使用者仍存在一定的距离，限制了ADSS的应用效果。作为人工智能的一个分支，专家系统在二十世纪80年代初开始进入审计人员的视野，AES是建立在管理信息系统和计算机人工智能技术基础上的一种计算机辅助审计软件系统。与普通计算机辅助审计技术不同的是，它利用人工智能的原理，借助计算机模拟人类的思维过程，对管理信息系统的数据进行计算、分析及推理，并作出相应的判断，提出审计建议及线索，以供审计人员进行进一步的重点审计，最终得出审计结论。AES能够借助计算机强大的数据分析和处理能力，帮助审计在最短的时间里，做广泛详细地计算与核查，而且在面临多个结论时，能够通过排序来寻找最佳方案，减少审计人员在做出结论时出现的失误或不一致的可能性，因而可以有效地提高审计效率，降低审计风险，进而保证审计质量。

　　(二)审计专家系统的工作过程

　　AES的工作过程可分为三个阶段：初始化阶段、实质性测试阶段和完善工作底稿阶段。每一个阶段，系统会自动地根据审计人员事先所选择的要求和系统数据库中所存储的相关审计知识，分成若干个推理判断的步骤，对被审计单位的会计资料及其他相关资料进行审查，并会自动地查找出所存在地各类错误、舞弊、异常数据和变动及其他不利于企业经营的情况，再以列表或审计意见初稿的形式向审计人员列示。在每一个阶段，审计人员都可以通过系统的人机对话界面对审查情况进行监控。作为一种模拟审计专家水平来解决问题的AES，必须具备组件包括：知识获取组件，它负责将审计专家经验(规则)处理，并存储在知识库中，以备推理机调用；知识表达组件，它运用各种表达法，解决内码转换问题，使信息在系统内部各部件之间得以沟通；知识库，它存储的是那些既不能用数据表示，也不能用模型方法描述的审计专家知识与经验，同时也包括一些特定问题领域的专家知识；知识库管理子系统，由一系列知识库的操作命令程序组成。是知识库操作与其他部件进行联系的桥梁；推理机是专家系统的主要部件之一，主要功能是查询和分析，它由一组具有推理策略的程序组成的，根据系统知识库的数据和程序，推断出问题的可能解；解释环节，将推理机得出的结果经过解释输出，在系统的人机交互界面上，寻求审计决策人员的确认和进一步分析。AES中，知识库和推理机是核心。建立知识库的关键是如何表示知识，也就是审计经验的形式化表示，推理机用于确定不精确推理的方法。一方面，由于审计对象的复杂陸，在 +行业适用的审计经验在其他行业不一定适用，因而通常只能建立在一定范围内或行业内使用的专家系统。另一方面，对于会计的核算，大部分单位和部门是基本相同的，针对会计核算软件(特别是有标准数据接口的)电子数据的审计专家经验，特别是对于标准审计的专家经验有一定的通用性，因此，可以设计开发一个基于会计核算标准数据的AES，在一定程度上实现审计的自动化和智能化。AES的弱点在于审计知识获取和转化困难，因为其需要人工地将各种审计专家知识从人类专家的头脑中或其他知识源处转换到知识库中，费时且低效；对于动态和复杂的系统，由于其推理规则是固定的，难于适应变化的情况，AES还不能从过去处理过的审计案例中继续地学习，这使得知识获取变得困难。

　　三、智能审计决策支持系统(IADSS)

　　(一)智能审计决策支持系统的特点

　　与专家系统相比，人工智能的另一个分支，以神经网络为代表的数据挖掘系统(DMS)具有良好的自组织、自学习和自适应能力，因而特别适用于处理复杂问题和开放系统，这正好可以弥补AES的不足。同样，DMS也有其弱点：数据挖掘的知识是分布在整个系统内部，对审计人员而言是个黑箱；而且其对于自己的结论不能作出合理的解释。因此，在ADSS的基础上，融入AES与DMS，可以充分发挥各自的优势，向IADSS发展。

　　(二)智能审计决策支持系统的构建

　　IADSS的结构是在传统三库ADSS的基础上增设知识库和推理机，在人机对话子系统加入自然语言处理系统(LS)，与四库之间插入问题处理系统(PPS)而构成的四库系统结构。四库系统的智能人机接口接受用自然语言或接近自然语言的方式表达的决策问题及决策目标，这较大程度地改变了人机界面的性能。决策者可以使用自然语言来提出决策问题，由LS通过语法、语义结构分析等方法转换成系统能理解的形式。运行后，系统则以决策者能清晰理解的或制定的方式输出求解过程与结果。PPS是IADSS中最活跃的部件，它既要识别与分析问题，设计求解方案，还要为问题求解调用四库中的数据、模型、方法及知识等资源，对半结构化或非结构化问题还要触发推理机作推理或新知识的推求。在分析被审计单位海量数据和复杂经济业务的条件下，可以对被审计单位原始数据(数据池)按审计风险分析目的进行有机归并(数据泵)，利用关联规则的挖掘算法，提取其反映相关性的规则、规律和模式，并对这些规则、规律和模式进行分析和评价，有效地形成审计知识(知识库)。审计知识库既反映企业经济活动的规则，又反映审计监督的特征：并为数据挖掘进一步提供支持。需要指出的是，伴随IADSS的发展，这种学习人脑思维活动的程序会日臻完善，但无论该技术如何发展，它毕竟是审计人员思维的外化，是计算机审计的高级形式，其作用不是完全替代人，而是为审计人员完成大量繁琐的线性或非线性逻辑思维过程，减轻审计人员的工作强度。