——以超市场景为例
摘 要：近年来，真实性审计遭遇业务场景多样化及高效率需求的双重挑战，设计有效的应对方法成为该领域研究的重点方向。为此，文章提出一种基于状态模型的审计方法，该方法将交易过程抽象为状态转移，由于变迁前的系统状态已知且驱动事件明确，因此事件发生后的系统状态是可预测的。通过验证实际终止状态与预期的一致性，进而评估相关数据的真实性。以超市交易为实验场景，结果验证了此方法的有效性。
关键词：数据记录；经济活动；真实性审计；状态模型；实验验证
一、问题的提出
根据国家互联网应急中心发布的2023年报告，我国每年因电子数据不真实导致的直接经济损失超580亿元，其中金融、政务领域占比达67%。例如，2020年瑞幸咖啡财务造假案中，公司通过篡改电子交易数据虚增收入22亿元，导致股价暴跌80%，投资者损失超300亿元。这些案例不仅暴露了电子数据篡改的巨大危害，更凸显了真实性审计在防范金融欺诈、维护市场秩序中的关键作用。验证电子数据真实性面临两类挑战：李昭禹认为需要验证数据的准确性，即确认数据是否在处理过程中被更改而导致错误结果；张淑彩认为需要确保数据的完整性，即待核查的数据是否全面、无遗漏地记录了所有应记录的经济活动，不存在虚增或隐瞒情况。
冯国富、刘军利用数据流图直观呈现数据间的相互关系，提出了一种系统化的审计分析模型。陈进、李庭燎应用舞弊分析模型对日志进行多维度分析，判断是否存在舞弊迹象。崔建民等认为，将审计模型与业务系统耦合，可增强被审计单位的风险防控能力。
现有研究主要关注模型方法对审计效率、效果及成本的影响，但对真实性审计的理论探讨仍显不足。真实性审计的核心在于验证数据是否如实反映实际业务。本文提出一种基于状态转移的数据映射方法：通过明确资源对象的初始状态，追踪状态转移事件，验证终止状态与预期结果的一致性，从而判断数据是否真实反映业务活动。本文基于审计模型分析方法，对利用状态模型辅助判断数据真实性的可行性和有效性展开讨论。
本文可能的贡献在于以下几点：第一，模型构建投入较低。已有研究采用聚类分析模型识别样本内所有数据的异常项及非异常项。然而在数据资源不足的情况下，此类方法的效能会被制约。相比之下，审计状态模型无须数据集训练，仅需理解经济活动即可完成模型构建。第二，得到的结果更有说服力。审计状态模型关注业务流程中的数据变化，通过梳理这些数据变化前后的逻辑，利用穿行测试的概念进行审计，得到的结果具有可验证性。第三，有助于AI与审计结合的研究。这种方法能够自动且高效地对数据问题进行定性分类，且由于输出结果是基于数据的计算和分析得出的，可为审计智能化提供可靠的决策依据与数据支撑。
二、数据真实性与状态的联系
（一）状态的基本概念
对象状态是指资源对象在某一具体时间点上的数据值集合。系统状态是指某个时点所有交易对象的状态集合。状态模型描述了对象在交易中数据的处理过程。
（二）状态与交易的关系
交易过程是一个充满动态性的流转过程，其中物流、资金流、信息流等同步运转。从状态视角分析，同一系统内不同时间点的对象状态应呈现明确的关联性。在交易中，对象状态不会凭空改变，每一次状态转移都依赖于其前序状态或关联对象状态的改变。
三、状态模型构建
通过分析异常状态的分类，能够明确状态模型适用的具体场景及其解决实际问题的能力。
结合状态转移的特点与IPO模型（Input-Process-Output Model）（输入—处理—输出），本文描述了状态转移中出现的三种问题，并将这三种模型称为子任务模型。
（一）非事件驱动状态改变
非事件驱动的状态改变是指在缺乏特定触发条件的情况下，对象状态发生的转换。如图1所示，尽管未发生T2事件，状态仍从S1转移到了S2。在经济活动中，这种状态改变可以表现为某个资源对象（例如资金）的数据发生了改变，但在凭证记录中却未找到相应的凭证。如果缺乏凭证支持，则认为该事件并未真正发生，此时的数据改变则被视为异常。
（二）状态转移错误
状态转移错误是指在经济信息处理过程中，尽管初始状态S0和触发状态转移的事件T1本身是正确的，但最终达到的终止状态S2却是错误的，如图2所示。这种问题表现为穿行测试得到的数据与被审计的数据不一致，通常可判定此类数据已被篡改，即数据真实性遭到破坏。
（三）状态更新失败
状态更新失败是指事件T1发生时，系统状态未从S0转变为S1，仍停留在S0，如图3所示。在经济活动中可表示为，采购导致资金减少，但库存未增加，这种勾稽关系对应的对象数据变化不一致的现象为异常数据。
四、实验模拟
（一）案例背景
某超市采购销售业务流程：超市采购时，待商品到货并验收合格后完成采购结算，系统同步更新资金状态并触发商品入库操作，库存状态随之变更；在日常销售时，顾客挑选商品后，收银员通过扫描商品条码将信息录入系统生成总价，系统锁定库存，避免重复销售，顾客支付完成后，系统同步进行库存扣减与超市资金账户金额增加操作，交易结束后自动生成交易票据并归档存储交易数据作为凭证。
（二）状态模型设计
在数据输入前，需根据业务流程和UML建模标准人为地绘制状态图。状态图的每一步都应具有明确的意义，每一个状态转移都应由具体的事件驱动。当根据业务流程绘制出状态模型后，程序将模型中的每一次状态转移拆解，形成一系列子任务。
根据上述业务流程描述，输出钩稽关系ASP(λ)和状态转移ASP(Δ)为：
ASP(λ)={(库存记录表，资金记录表),(库存记录表，交易记录表),(资金记录表，交易记录表)}
ASP(Δ)={(支付成功&资金记录表),(支付成功&交易记录表),(支付成功&库存记录表),(采购结算&交易记录表),(采购结算&资金记录表)、(采购结算&库存记录表)}
（三）实验验证
程序将上述三种状态转移错误的子模型代入每一个子任务中，形成相应的Python（一种高级、通用、解释型的编程语言）语句。输入交易数）据，实验结果如图4所示。程序检测出以下异常数据：1条被判定为虚假的超市采购记录、2条被篡改的资金交易记录。
（四）实验结果说明
在非事件驱动的状态改变和状态更新失败检测中，异常数据识别基于资金记录表与库存记录表的钩稽关系。例如，检测发现资金记录表中编号为10105的超市采购记录在库存进货记录中无对应条目，因此被识别为异常。
在状态转移错误检测中，通过计算资金记录表中资金小计的预期变化，并与实际资金小计及库存数量进行对比，若发现数值不一致，则相关记录会被标记为异常。
五、结束语
利用计算机技术辅助审计已成为审计行业未来发展的趋势。本文以超市场景为例，分析了状态模型在真实性审计中的工作机制。研究结果表明，状态模型能够有效识别虚增、隐瞒及篡改等典型问题。然而，本文存在局限性：状态模型需人工绘制转移过程，且数据来源的真实性必须得到保证。未来研究可聚焦于图像识别技术的应用，以及拓展模型适用的审计类别，以进一步完善该方法的实践应用。
（文 / 阮金淼 冯国富）
（作者简介：阮金淼，南京审计大学计算机学院，硕士研究生在读。研究方向：计算机审计理论；冯国富，南京审计大学计算机学院，博士研究生，教授。研究方向：计算机审计、审计实务）
参考文献
[1]李昭禹.探讨企业会计报表审计存在的问题[J].当代会计,2021(21):184-186.
[2]张淑彩.资本市场会计信息披露暨治理问题研究——基于上市公司会计信息披露不对称的视角[J].金融理论与实践,2021(03):70-76.
[3]冯国富,刘军.一种基于数据流图的审计分析模型构造方法[J].审计研究,2009(04):30-34.
- 本文固定链接: http://www.dlqsyzz.com/11027.html
- 转载请注明: 《大陆桥视野》 于 大陆桥视野 发表
