数据智能决策在监狱发展中的应用

第一篇：数据智能决策在监狱发展中的应用

浅议大数据时代

监狱数据智能决策系统的构建

五角场监狱 朱旭东、周飞、方小琦

摘要

大数据时代的来临，带来的不仅仅是数据量的剧增，更重要的是带来了数据技术、数据应用和数据价值的变革。这场变革使得数据分析技术更加智能，人工干预更少，并且由于数据量更大，数据间更多可能的相关关系被分析挖掘出来。

本文基于监狱目前信息化发展的现状，利用监狱现有的数据作为基础，利用智能分析数据与数据间的相互关联，建立智能决策系统应用的模型。通过数据智能决策模型的应用来辅助监狱进行更为有效的管理。[1]关键字：数据决策、智能预警、数据中心

大数据时代需要我们对监狱信息化建设进行再思考，目前的“问信息化要警力”，主要表现在民警借助监狱政务、安防等信息化手段对罪犯进行管理，即便是系统需要调用另外系统的数据，往往也只是单纯的数据的叠加。但在大数据时代，更多需要考虑的是数据与数据之间的互相影响和作用，更多的挖取无直接关联数据间隐藏的价值。如果说我们通过大数据“问信息化要警力”，我们需要的是数据背后的关联价值，以便为监狱提供更加智能的决策能力。

[1]大数据，维基百科[EB/OL]，[2013-08-05]，http://zh.wikipedia.org/wiki/大数据

一、监狱信息化数据应用现状

同大多数企事业单位一样，随着监狱信息化建设规模的不断扩大，跨条线、跨科室、业务关联、信息沟通等需求的不断提高，随之新的问题也就日益凸现。主要表现为信息系统日益增多，包括办公自动化系统（OA）、狱政管理系统、罪犯一卡通系统、人事管理系统、财务管理系统和生活卫生系统等，这些系统的上线运行使监狱的管理效率得到了大幅度的提高，有力的支撑了日常管理工作运作，促进了管理效能的提升。然而顶层统一规划的缺乏使得这些系统仍然有许多不足之处，例如这些业务管理系统各成体系，各自独立，横向却缺少沟通，形成了大量的信息孤岛，监狱决策者只能得到针对具体业务的简单分散的数据和报表，既不能从长期积累的海量历史数据中挖掘发现狱内所存在的问题，也不能通过各业务系统汇总的信息辅助决策支持[2]来完成针对性的预判。

二、监狱数据数据决策发展面临的问题

（一）数据本地策略升级和存储面临的问题

从目前来看，对端点数据的安全已经具备了成熟的本地安全防护系统，但与大数据安全的需求还存在一定的距离，需要及时调整。所以在本地策略的构建上，需要加大对内部管理的监控，用纯数据的模式来避免由于人为原因造成的数据流失和信息泄露。

[2]Gotting H W,Weimann P,Intelligen decision supprot systems[J],Decision Support Systems,1992,8(4):317332

（二）管理和应用人员专业知识更新的问题

大数据在一个新的环境运行，就必须要为信息技术专业民警定制一个专门的培训计划，培训计划应该着眼于数据库的分析和修复，因为大数据仓库将通过这些来标记和报告不寻常的活动和网络流量，这类的培训通常需要大量的资金和时间。

（三）数据分析工具发展水平的问题

目前使用中的数据仓库，其数据存储类型仍受到一定的限制，数据仓库的扩展性能还需要进一步加强；数据挖掘在标准化和通用性方面存在一系列问题，数据挖掘引擎与数据库系统还是松散耦合的；数据挖掘语言有待于向标准化方向发展等。目前，OLAP作用没有得到充分发挥，还是一种传统决策支持方法，是一种用户驱动的验证性分析，受到用户水平的制约。目前大多数智能分析系统功能集中在分析方面，对系统的智能性不够重视，决策支持功能主要还是依赖数据挖掘、OLAP 等工具的数据分析、趋势预测功能来实现，不具备专门的决策支持系统提供方案生成、方案协调，方案评估的功能[3]，更不具备群体决策和智能决策的能力，也就是说数据分析的智能化水平还很低[4]。

三、监狱数据智能决策的建设目标

决策是提供统计信息的最终目的。监狱信息化使得监狱工作的效率大大提高,产生和积累了丰富的统计信息资源。科学决策的基础是 [3]危辉，潘云鹤.从知识表示到表示：人工智能认识论上的进步[J],计算机研究与发展，2000，37(7):819-825 [4]史忠植.高级人工智能[M],北京：科学出版社,1998 62-211 对数据的整合和开发利用。虽然数据本身并不直接作用于决策,但当数据转化为信息或知识时就可以用于决策分析。

对数据的搜集、管理和分析过程，使监狱各级决策者获得更多决策依据，做出更加合理的决策。数据智能分析将联机分析处理（OLAP）、数据仓库和数据挖掘等结合起来应用于监狱日常运作活动中，从不同的数据源收集的数据中提取有用的数据，对数据进行清洗以保证数据的正确性，将数据转换、重构后载入数据仓库或数据集市；然后利用合适的工具对数据进行处理，这时信息变为辅助决策的知识；最后将知识呈现于用户面前，为管理决策提供参考。

为了保证监狱各项工作的顺利运行，同时使监狱具备高效率的指挥决策能力，亟需建设一套完善的智能化决策平台，通过对现有条件的充分分析和利用，对监狱中各类应用系统及安全系统进行集成改造，减少监狱的信息安全保密风险，才能实现监狱信息资源的安全共享和利用，提高监狱的工作效率。

四、监狱数据智能决策需求分析

（一）系统需求概述

本系统需整合监狱各类信息系统：政工类包括人力资源系统，指挥中心干警调度平台（生活现场、劳动现场、押送罪犯就医，防暴队）、外来人员管理、外来车辆管理、对讲呼叫管理、气象管理，管教类狱政。罪犯管理类包括（新进、调入、保外就医、释放），会见管理（会 4 见罪犯、会见家属、会见类型、会见监复听），刑罚执行正常释放、减刑假释、立管专控、耳目情况，狱内侦查。生活卫生类罪犯就医（医务所就医、总医院就医、社会医院就医、保外就医），罪犯伙食管理，罪犯大帐管理，劳动管理（生产数量、品质控制、原料数量、外来人员配置、工伤情况）。教育改造（教育类型、教学计划、受教罪犯、教学场地、教学内容、教育成果），督察（督察类别、督察内容、督察计划、督察结果、整改意见）财务管理（干警工资、工勤工资、劳动支出、生活支出、后勤支出、车辆支出、民警伙食、外事接待支出，生产收入、财政拨款、专项拨款）外围管理局重大任务、武警工作、重特大事件处理、安全零报告等。

分别建立相应的业务数据抽取，转换清洗和加载方案，并根据处理得到的业务数据建立数据模型，整理和抽取其中必要的关键分析指标，最终以直观，生动，多样的展示方式将基于不同维度的分析结果呈现给监狱管理层。系统需分为数据源、数据仓库、应用层和展示层四个层次，分别完成数据的抽取、转换、加载、建模、整理、分析、提取、展示等功能。

（二）系统功能需求

数据源可从各应用系统自动抽取，部分因各种原因则需人工采集。承担数据采集需求的部门涉及政工部门，财务部门，指挥中心，劳动管理部门，教育改造部门，督察部门，综合管理部门，各监区等。根据需求设计了如刑罚执行年度采集表，重要决策季度采集表，规章 5 制度季度采集表，生产利润季度采集表，财务结算信息季度采集表，项目施工季度采集表，干警考核季度采集表，安全生产指标季度采集表，安全生产指标年度采集表，干警警力配置日采集表，罪犯出入监日采集表等。以满足数据访问的灵活性和效率的均衡。

（三）基本功能需求

1、浏览功能：干警可通过web页面方式查看授权的指标数据。可针对用户使用不同的系统首页。在系统首页及各主题首页中，需要提供对时间维，单位维度的选择。

2、钻取功能：干警可查看到组成某指标的基础数据或下级单位的具体数据。提供各种图表类型的转换，使干警能从多视点对同一指标进行分析。

3、查询分析：干警可以自己定义查询条件，需要的话还可以自己定义查询指标和维度信息，这样可以更有目的性地查看报表，获取信息。

4、输出功能：干警可以水晶易表等形式将查看到的指标数据输出。

（四）数据展现方式需求

为了更好的、更直观的展示多维度数据，在一个界面中展示尽可能多的信息量，系统应采用多种综合的数据展示方式，包括仪表盘、趋势图、饼图、柱状图、固定报表等等形式。根据具体指标需求，其展示方式有严格要求。

五、监狱数据智能决策系统结构

（一）监狱智能决策包含的组件

决策支持系统通过结合个人的智力资源和计算机的能力来改进决策的质量。它是一个基于计算机的支持系统，服务于处理半结构化问题的管理决策制定者。一个决策支持系统将包括如下典型的组件：

1、数据管理子系统：决策支持系统(Decision Support System，简称DSS)[5]的数据库通常包括在数据仓库中。数据仓库是集成的、面向主题的数据库集合，它是用来提供决策支持功能的，其中每个数据单元都不随时间改变。数据仓库的数据通常从内部和外部数据源中抽取。内部数据主要来自于监狱内部各处理系统。外部数据包括行业数据、相关法律文献制度规范、社会普查数据、国家经济数据等。

2、模型管理系统：一个包含有财务、统计、运筹和其它定量模型的软件包，能够提供系统的分析能力和合适的软件管理能力。在模型库中的模型可以分为战略性的、策略性的、运营性的等等。

3、知识管理系统：许多非结构化和半结构化的问题是非常复杂的，以至于除了通常的 DSS外，它们还需要特别的专业知识。这些知识可以由专家系统或者其它智能系统提供。因此，更高级的 DSS 系统[6]还应该包含成为知识管理的组件。

4、用户界面子系统：用户与 DSS 应用之间的交流。如交互式界面、报表打印。为了实现组织内的信息共享，还应包括

[5]陈文伟.决策支持系统极其开发[M],北京：清华大学出版社,2000.311-327 [6]田大岗,费奇.DSS结构的联结主义观点[J],系统工程理论与实践,2000，20(1):7-18 Intranet/Internet 的发布方式。

5、用户：用户可看作系统的一部分。DSS 的用户主要是监狱各层次的管理者和业务模型分析人员。

（二）监狱数据智能决策的架构

监狱数据智能决策的框架层级：整个框架包含多个单位，从小到大以此为，数据、事件、罪犯个体，监区，监狱。其中数据作为框架中的最低层级是预警分析中基础的输入来源，包括了各业务系统的数据以及民警各台帐数据。事件是罪犯个体的相关行为的属性，一个事件包含了罪犯各项基础数据的变化。罪犯个体的表现情况及其对应的数据和事件的集合，以此类推监区是以监区为单位的罪犯个体的集合。监狱是多个监区的集合。

监狱数据智能决策的整体思路：通过从各个业务系统抽取罪犯相关数据，打造以罪犯个体为核心的数据中心，并建立与业务系统的罪犯信息的溯源通道；建立犯情预警评估模型，对罪犯静态信息和动态改造异常信息实现智能预警和排查处置。

监狱数据智能决策的整体框架：最上层犯情综合信息系统（静态信息），包括：罪犯档案，信息检索，分析预测，汇总统计。数据智能决策系统（动态信息），包括信息采集，排查处置，预警分析，台帐管理，评估模型。在数据总线上，数据的来源于目前的监狱各信息系统：管教信息系统，综合评估系统，亲情会见系统，亲情电话系统，大帐系统，计分考核系统，监管日报系统，点名系统。

这些数据经过数据交互总线进入数据中心，通过信息的筛选和合 并可以分为以下几个板块：罪犯信息：包括罪犯信息、顽危犯，重点罪犯。狱政管理：罪犯调动，计分考核，行政奖惩。改造评估：入监评估，心理测试，出监评估。狱内侦查：坦白检举，耳目管理，信息员。刑罚执行：减刑假释，刑罚变更，监外执行。其他系统，大帐信息，会见信息，亲情电话，如图-1所示。

图-1 监狱数据智能决策的整体框架

总体架构分为三个模块，即信息汇总、职能预警、排查监督。信息汇总模块，吸收业务系统对接过来的包括管教系统，亲情会见，亲情电话，一卡通大帐等，以及信息渠道的录入包括个别谈话、民警执勤、罪犯汇报、奖惩考核、狱情分析等，将这些汇总的信息分类为外部因素例如亲情危机、家庭变故、经济纠纷。监狱环境例如劳动状况、岗位变动、同犯矛盾。犯人状况例如健康状况、情绪状况、心理状况。制度执行例如人帐制度、安检制度、清抄制度、报告制度。设施隐患例如警戒设施、监控设施、警备设施、生活设施。改造信息例如实训信息、综合评测、心理咨询、考核信息，如图-2所示。

图-2 监狱数据智能决策的总体架构

在智能预警模块中，将汇总收集来的信息，通过预警评估规则定义的运算，计算出罪犯危险的等级，对于过高等级的评估结果提出预警，与此同时，监狱不同层级的民警对系统发出的智能预警进行问题处置，通过各项有可能导致罪犯破坏监狱规范的诱导因素排查和干预，从而降低评估规则中评估要素危险程度，最终使得此次报警回归到正常值水平，如图-3所示。

图-3 智能预警

在狱情评估模型中对收集的罪犯信息采用多维度计量方法进行评估运算，其中考虑的纬度包括静态纬度，参考罪犯的年龄、学历、犯罪类型、余刑等。个性纬度包括外倾、冲动、自卑、从属、波动、焦虑、暴力、犯罪思维等。特殊技能纬度包括双特、从军、从警等。依照动态信息汇总分析，提出罪犯个体倾向性分析包括脱逃倾向，自杀倾向，行凶倾向，破坏倾向。根据倾向推测的可能性程度以及后果的严重性提出智能预警，预警等级从高到低分为一级、二级、三级，如图-4所示。

如图-4狱情评估模型

六、数据仓库技术研究

数据仓库是一个面向主题的、集成的、稳定的、包含历史数据的数据集合，用于支持管理决策的制定。数据库是实现智能分析的数据基础，是监狱长期事务数据的准确汇总。数据仓库完成了数据的收集、集成、存储、管理等工作，数据智能分析面对的是经过加工的数据，使得数据智能分析能更专注于信息的提取和知识的发现.数据仓库为数据智能分析撷取或载入大量原始信息，归并各种数据源的数据，用于支持监狱管理和决策。

数据仓库是数据智能分析的灵魂，数据智能分析的很多工作都是以数据仓库为基础展开的。利用数据仓库，监狱可以制定准确的战略策略与预警行动；数据智能分析充分利用数据仓库的分析结果制定策略、合理调配警力，促进监狱管理平稳有序。

（一）监狱智能决策数据中心

从各个业务系统抽取罪犯个体关键数据，汇总成罪犯改造档案，提供检索、预测、类聚、分析等功能；并通过各业务提供相应接口，可对关键业务数据进行溯源查询；并为狱情系统提供罪犯个体动态信息，如图-5 所示。

图-5 监狱智能决策数据中心

数据中心将各个业务系统的数据明细进行筛选，数据中心以罪犯个体为单位对罪犯个体的数据进行类聚，将类聚后的数据存入罪犯改造档案，同时这些数据互相牵制或者影响所构成的动态数据又为狱情系统提供了素材。狱情系统通过对动态数据的分析和理解进行计算，其结果作为预警数据存入数据中心。对于狱情系统计算的结果提供溯源机制，可以查询到是哪些业务系统提供的基础数据，造成了最终的计算结果。

罪犯个人信息分类及来源：管教信息系统中入监等级表信息、收 监体检表信息作为罪犯个体信息的罪犯档案部分。

管教信息系统中罪犯调动、计分考核、等级管理、行政奖励、行政处罚、其它处理、日常管理作为罪犯个体信息的狱政管理部分。

改造质量评估系统中入监评估、出监评估作为罪犯个体信息心理测试、改造评估部分。

管教信息系统中坦白、检举、申诉、顽固犯、危险犯、耳目、信息员作为罪犯个体信息的狱内侦查部分。

监管日报信息系统中狱情日报、狱情周报、狱情月报、监狱月报、重危分子、民警值班记录、监管隐患排查作为监管日报系统部分。

管教信息系统中减刑假释、暂予监外执行、刑罚变更作为罪犯个体信息的刑罚执行部分。

大帐系统中大帐管理作为罪犯个体信息的生活卫生部分。会见系统、亲情电话系统作为罪犯个体信息中会见信息、电话信息部分。

数据智能决策中违规违纪（打架斗殴、对抗管教、自伤自残、抗拒劳动）、家庭变故、患病、债务纠纷、余罪漏罪、提回重审、心理异常、警囚矛盾、囚囚矛盾等作为罪犯个体信息中改造异常表现部分。

数据智能决策作为罪犯个体信息中的预警情况部分。

狱情动态分析思路：从收集罪犯基本信息、评估信息以及月度考核信息，通过从业务系统、各类信息渠道等获取日常动态信息，实现狱情信息收集汇总、预警智能分析预测和安全隐患排查监督，如图-6所示。

如图-6 狱情动态分析思路

七、监狱数据智能决策规则配置

在数据智能决策规则配置中，各相关科室可以联合制定多种逃脱、自杀、行凶等倾向的相关联的触发信息。例如在定义罪犯家庭因素得知家中亲人病重或将要离世；对改造缺乏信息；对入狱前未决事项牵挂；定义罪犯行为异常经常窥探周围环境、交通状况的；私自制作或存放雨衣等绝缘物的；这些因素都将作为触发罪犯逃脱倾向预警的计算因素，如图-7所示。

图-7 数据智能决策规则配置

在狱情排查监督阶段，实时采集的预警异常信息，根据配置的相关处理流程以及相应环节，实现对各类监狱安全问题的处理、跟踪、提醒等。

图-8 罪犯危险倾向性

八、监狱民警对数据智能决策影响

从层级上来划分将民警分为主管民警、监区领导、业务科室以及 16 监狱领导。

从民警在与狱情动态分析交互的过程中产生的功能来划分，可以分为民警的导入功能和排查监督功能。为罪犯个体信息的输入即数据源的导入功能，民警对依据采集的信息进行人工预判，定义倾向性模型触发信息，即预警规则配置的功能。民警根据预警提示对预警产生的溯源信息或情况进行处理、跟踪等工作，即预警提示后排查监督功能。

从具体的角色分工来看，作为罪犯的主管民警，处在第一线监管岗位，与自己所管辖范围内的罪犯了解沟通最为直接，因此主管民警的信息收集汇总的准确率对后期的预警评估起着决定性作用。因此，主管民警必须做好日常个别谈话、计分考评、录音复听等工作。对于日常工作中生成的谈话、会见、电话复听台帐务必保证详实、准确、具体、同时，针对预警信息，排查预警的溯源信息，询问核实罪犯情况，并采取有效的针对措施，降低评估因素的危险程度。

监区领导根据预警提醒对所在监区内被列为预警的罪犯情况进行确认，如果确定其确有危害监管安全隐患的，查找隐患的原因，是否符合预警的倾向性判断，如果完全复合，则在犯情分析会上讨论分析针对预警的跟踪以及解决办法，如果非完全符合，则通过信息收集入口及时调整信息源，或者提交反馈给业务科室修改预警配置规则。

业务科室具备三方面的角色职能，一方面针对自身科室的专职功能，向狱情分析提供对口的基础信息。另一方面根据预警分析结果监 督各监区对预警信息予以排查和解决。除此之外，联合各业务科室，对狱情分析的配置规则进行管理，增加新的配置规则和触发信息权重。给出处理流程的实时内容和跟踪步骤。

监狱领导根据预警提示了解监狱内可能存在的安全隐患，分析狱内罪犯危机倾向，通过召开狱情分析会议，通报监狱内罪犯动态倾向并布置业务科室和狱区预警工作重点。

九、总结

在大数据时代来临之际，为让数据智能决策更好的服务于监狱，第一步要建立自己的核心数据集，也就是要搞清楚监狱的数据需求；第二步是要找到内部的一些外围数据，通过一系列的收集和整理分析，像滚雪球般建立监狱自己的数据信息集合；第三步是收集监狱内部的数据，国外有很多成功的大数据案例，都有一个前期的挖掘过程，监狱同样需要在监狱内部找出有价值的数据；第四步就是收集外部的、社会化的或非结构化的数据，即现在所谓的社会化媒体数据，提高监狱的整体数据分析能力和数据价值水平。

当然，监狱在进行数据收集整合时也不是漫无目的去探索，要立足监狱的业务和当前信息化发展的不足之处，依托现有的“小数据”进行监狱自身数据的深度挖掘和分析，从中找出增长点，并投入到监狱的实际运营中，才能够推动监狱的大数据应用水平。

第二篇：智能周界防范系统在监狱的应用

考虑了目前中国监狱的现状和建设。

建立除全方位的图像和语音监控系统外，还有现代化网络化指挥系统。

以提高对突发事件的处理及上报速度，提升监管安全系数和犯人改造质量，节省警力，降低行政成本。

监狱是国家刑罚执行机关，它承担着惩罚和改造犯人，预防和减少犯罪的神圣职责

对巩固国家政权，维护社会主义稳定发挥着重要作用。我国监狱的指挥管理监控系统大多数信息化管理相对落后，难以实现快速高效调配警力，及时有效处理突发事件。

北京三安古德充分考虑了目前中国监狱的现状和建设，建立除全方位的图像和语音监控系统外。

还有现代化网络化指挥系统，以提高对突发事件的处理及上报速度，提升监管安全系数和犯人改造质量，节省警力，降低行政成本。

系统在宽带网络的基础上，构建了一个由省监狱管理局、各监狱、各监区三级联网的计算机智能化监控平台。

实现了省监狱管理局、监狱、监区(含驻地武警)的互联互通互动，形成了由监区监舍等一线的监视报警控制、到监狱的协防布控管理、再到监狱管理局的统一指挥决策的一体化全方位监控网络平台。对于一些具有高度危险性的囚犯，需要对其活动进行实时和完全的监控;

以防意外事件发生，保障其本人以及监狱中其他人的安全;利用监控报警系统，通过囚室内安装的摄像头，就可以对囚室进行全实时的视、音频录像，囚犯在囚室内的所有活动都可记录在内;还可以通过远程控制中心对囚室进行监控，能实现无人值班时进行实时录像。

监狱周边

监狱的周界围墙装有高压电网、红外对射系统或泄漏电缆周界系统等。

必须配置智能视频分析系统，当发生触碰、破坏状况时: 监控中心大屏显示、电子地图显示、打开警笛;弹出“犯人出逃处理预案”，帮助预警快速处理，可以有效的保证这些地方及再此进行看管的人员安全。

并且可以有效的配合监狱看管人员联动，防止在押人员越狱行为的发生，并且可以防止外界人员的进入。

公共场合

在监狱内部，食堂、礼堂、操场、工作场合等公共场合是犯人相对比较集中的地方。

由于在押犯人情况混杂，往往容易出现各种异常情况，在狱警相对比较少的情况下。

为保证各种公共场合内人员、设施的安全，必须要有一定的安全监控报警措施。

通过监控系统，可以有效地对这些场合近实时监控及录像，通过报警系统，可以再出现非正常现象时。

及时向监狱管理部门发出报警信号，以便及时地对各种非正常现象作出处理。

看管人员工作生活区

为保证监狱内部的安全与稳定，负责在押人员管理的狱警及负责监狱安全的武警官兵担负着重大的任务。

他们的安全，是保证监狱整体安全稳定的重中之重。

人员较少的情况下。

有效地对全监狱内情况进行全面掌握，以便及时做出反应;通过在看管人员工作生活区设立监控报警设备，可以有效的保证看管人员的安全，为监狱的整体安全与稳定打好基础。

监狱出入口

重要出入口、提审室、探望室的人脸抓拍记录功能。

不仅能在第一时间对诸如越狱或企图越狱等事件做出快速反应，还能提供事件发生前后一定时间内的查证资料;同时采用监控远程传输技术实现监狱监控中心对各个分区的监控，为监狱的管理工作提供更有效的管理手段。大大减轻监管人员的压力，提高管理的效率和质量。

智慧监狱分成三个层次

监狱管理局指挥中心:负责对整个省甚至是全国的监狱进行集中的指挥决策。

有紧急事件发生时，除了可以在监控中心进行统一指挥以外，系统还提供了领导分控客户端功能。

以方便未在监控中心的领导能够随时随地快速加入到事件的指挥决策中。

:对监狱的周界区域、公共活动区域及劳教室和厂区进行视音频监视监听。

同时接受各个区域内上报的告警信息，及时有效的做出处理。分监区监控中心:它负责对监舍以及走廊的所有监视监听信息，告警信息等进行及时有效的监视处理。

并将必要事件信息及时提交汇报到监狱指挥中心，并主要集成了视频监控系统，对讲系统、报警系统和门禁巡更系统。

监狱智能监控方案

从安全防范角度来说，监区自身具有武警战士等“人防”体系，加上智能视觉监控系统的“技防”体系，两者密切结合，能够发挥各自优点。

建立较完善的保安监控体系，严密监控区域的前端系统的核心是“发现可疑行为”和“摄像”。

在传统的闭路电视监控模式下，保安人员需要监视太多的视频画面，远远超出人的接受能力，导致实际监控效果低下。

实验结果表明，在盯着视频画面仅仅22 分钟之后，人眼将对视频画面里95%以上的活动信息视而不见。

因此我们需要智能视觉监控来改善监控效果，同时减轻保安人员的负担。

这样才能真正让控制中心人员从繁杂的电视监控工作中解脱出来，以便有更多的资源应对可疑现场。

成功有着深刻的意义。

本方案根据监狱监控实际需求进行设计，具有以下特点: 预警功能:主动对视频信息进行智能分析，在危险行为发生之前自动识别，并完成预警。

监控功能:7×24全天候视频自动智能分析，无需值班人员监视监视器，只在发生警情情况下通过声光报警及语音提示值班人员完成警情处理。

智能分析:对视频监控中的画面进行实时分析，识别可疑行为，并产生报警事件记录，事后按照事件进行检索查询方便快捷。

易管理:在监控中心通过中心管理软件可实现监控系统的统一调度和集中控制管理。

可方便地在远端实现对前端智能设备的控制和参数配置，及进行版本升级。

兼容性:智能视频监控设备可以从前端的模拟信号分出一路进行分析，因此无需对原有监控系统和前端设备进行变动，设备安装简单、灵活。

视频监控可实现报警联动功能。

一旦发生警报，监控中心显示屏自动弹出报警主画面和电子地图，电子地图将会快速定位目标地点、拉响警报声音。

相关元器件运作状态、警报资料信息显示、警报资料记录、目标通道指示灯闪烁等等。

能为警员及时地提供第一手资料，实现真正的报警联动。

系统组网图

智能产品功能模块 入侵检测模块

三安古德自动入侵检测模块，可以自动检测出视频画面中的运动行为特征。

入侵检测既可以在固定摄像机上使用，也可以在PTZ摄像机上使用(支持在PTZ摄像机的各个预置位上进行自动巡视入侵检测)。

:运动行为模式、绊网穿越模式和围栏入侵模式。

三者的区别主要在于，运动行为模式基于防区进行检测，绊网穿越模式基于绊线进行检测，围栏入侵模式则是专门针对攀越或穿越围栏周界而提供的检测模式。

遗弃物检测模块

贝尔信遗弃物检测模块，可以对遗弃物进行自动检测--当物品(包裹、碎块、行李等)在某个防区内被放置或遗弃的时候自动报警。此外，对于有人看管的物品，遗弃物检测模块可以将其忽略。无论是由人携带而来并在防区中遗弃的物品(摄像机看到完整遗弃过程的情况)，或者是被人从防区外扔入防区内的物品(摄像机看到部分遗弃过程的情况)，还是在防区中突然 出现的物品(摄像机完全看不到遗弃过程的情况)，贝尔信遗弃物检测模块都可以从场景中正确检测出遗弃物。此外，遗弃物检测模块还可以检测出一些人眼注意不到或者无法识别的伪装目标。

针对现实场景中行人、过往车辆的密集情况，贝尔信还提供三种常用的场景选项:空旷的场景、较拥挤的场景和拥挤的场景。非法停车检测模块

非法停车检测模块，可以对非法停留的交通工具进行检测--当交通工具在防区内非法停留时发出报警。

形状和数量、布防时间段、交通工具的最短合法停留时间等。本检测模块适用于预防和记录各种非法停车场合，例如导致交通堵塞的非法停车、交通违章停车、铁轨附近的非法停车、高速公路上的非法停车。

周界旁的可疑停车、车辆故障导致的停车、到达配货站的车辆、停靠在大门外的可疑车辆等情况。物品搬移检测模块

贝尔信物品搬移检测模块，可以自动检测物品搬移事件--当防区内某特定位置的物品被拿走或搬走时发出报警。

该模块可以设定为两种模式:1)当物品被搬移时立即报警;2)当物品被拿走超过一定时间，且没有放回原处的时候发出报警。本检测模块适用于需要对物品搬移进行录像或报警的场合。例如对超市内的高价商品、家庭里的电脑和家具、工厂内的金属建材、博物馆内的文物、车库内的汽车和贵重设备、特定场所的重要设施等的偷窃行为进行监视和跟踪。

第三篇：智能分析视频监狱、看守所应用解决方案

http://www.xiexiebang.com 深圳市华天成科技有限公司

智能分析视频监狱、看守所应用解决方案

本系统采用主要以智能摄像机作为视频监控前端，结合智能化技术与网络技术，可满足监狱周界及内部多重警戒布防需求。业内首推行为密码检测功能和监狱犯人行为分析功能，为监狱高安全级别区域的进入和监狱犯人行为的监控提供了真正智能化的监控手段，更有效的预警各种潜在危险的发生。打造安全监狱，令监狱实施最完善、最智能化的防护措施，在加强司法部门的监管力度的同时减少负担。

需求分析：

1、周界

这类区域范围较广，为了避免巡逻或监控人员有疏漏，需要对周界内外进行24小时实时监控，一旦有目标在周界长时间逗留、徘徊，立即进行对象识别并跟踪，提前预警。能够早期发现周界或是围墙边是否有可疑物品遗留，避免其带来的安全隐患。

2、哨位

检测是否有穿越警戒的入侵并预警。对哨兵值班期间是否在岗监控，若出现无哨兵在岗的情况，立即提醒监控人员。

3、医院、劳改区、操场、食堂

这类场所人员较多，为防止有犯人乘乱进行违规行为（如可疑聚众），智能监控系统可以针对靠近门口，或在围墙旁边徘徊的行为进行判别，提醒监控人员注意犯人的非正常行为。

4、军械室、财务室、档案室、器材库

对进入室内警戒区域的人员和出现的异常行为进行监控，被看管物品是否被移动、消失，能够做到早期的消防预警。

5、出入口、通道

对犯人进出通道进行严密的24小时实时监控，对于有犯人在此场所逆向返回，转入其他入口都能及时报警。同时可设置时间段限制通行和预警提示，在非活动时间段内或是没得到授权之前，若有人员出现或是靠近出入口、走廊，或是出现遗留物品时，警报能立即发现，并通知监控人员。

6、监舍

对犯人监舍内的全方位监控，在非活动时间，一旦有人员在门口、窗口等出现，立即报警并及时反馈给监控人员。特别是能够及早的发现犯人的可疑行为（如夜晚休息时间在监舍内坐卧不安，在门口和窗户边不停的徘徊和张望等），防止犯人做出更进一步的危险、违法行为（如越狱、殴打狱友、自杀等）。

系统拓扑图：

http://www.xiexiebang.com 深圳市华天成科技有限公司

解决方案：

采用智能视频监控系统，加强了监管系统的管理效率，系统的高度智能化技术取代人眼的实时监看以及个人意识判断事件和报警，大大节省了人力，降低误报率。智能摄像机独特的多种事件和行为分析功能、对象的识别和跟踪功能、高准确性的自动预警，这是传统的监控系统无法做到的。系统的构架精简，不论原本采用模拟视频还是数字视频监控，都可做到全功能的兼容和升级，节省大量物力和财力。强大的技术实力和应用的潜力，使我们能够针对客户的种种特别需求，专业定制一个真正满足客户实际需求、具有超值意义解决方案。

第四篇：大数据在物流方面应用

大数据时代在物流方面的应用

学院：经济管理学院 专业：市场营销123班 学号：2012016314 姓名：李燕

“大数据时代来了!”两年，从业内到业外，这句口号见诸网媒、报端的频率与日剧增。直至今天，从政府高管到行业巨头，从商界大鳄到微企老板，关于数据创业，他们中有没有直接参与已然不是那么重要了，重要的是现在谁都不敢不重视大数据。更值得期待的是已有先驱驮负大数据颠覆行业规则的构想，开始试水国内物流行业。

“物流业是一个产生大量数据的行业，在货物流转、车辆追踪等过程中都会产生海量的数据，这么多资源如果不用就浪费了。”申通信息技术部总监邱成在接受本报记者采访时说。目前，业内对大数据并没有统一的定义。不同厂商、不同用户，站的角度不同，对大数据的理解也不一样。麦肯锡报告中对大数据的基本定义是：大数据是指其大小超出了典型数据库软件的采集、储存、管理和分析等能力的数据集合。毋庸置疑的是，大数据的价值在于从海量的数据中发现新的知识，创造新的价值。越来越多的企业也意识到了大数据的价值，对数据分析与挖掘的需求与日俱增。

“物流业之所以做大数据，主要是因为：第一，快递走入民生的势头越来越猛，对每一个节点的信息化需求也越来越多，这就需要通过大数据把信息化对接起来。第二，从企业自身角度来讲，信息化对企业管理者的重要性也越来越突出。第三，提高对数据的加工能力，通过‘加工’实现数据的‘增值’。”邱成说。

长期以来，备受指责的行业中总少不了物流业，其对仓储运输车空间的利用不科学、安全性差、燃油效率低下、周转时间随路径而浮动等，这些是导致中国物流业占GDP总量约18%远高于欧美发达国家的最主要原因。

整个物流业尤其电商领域已经几近爆发式成长，若应用大数据分析技术，仓储运输的空间将被系统化布置，物流车行程路径也将被“最短化”、“最畅化”定制。两年前，把一吨蔬菜从广州运到北京比从北京运到美国洛杉矶物流成本都高，今天，当大数据时代到来的时候，物流行业规则能否因其改变，只能拭目以待。因为大数据试水物流行业，“游戏”才刚刚开始。

“现在我们在做淘宝、商业客户的一些数据采集，在构成基础数据网络之后，再做第三方的增值应用。”邱成说。在前不久召开的“京交会”上，申通快递展示了其最新的“信息化智能平台”。该平台通过对数据的归纳、分类和整合，可以清楚地查看申通网络任何一个网点的经营现状和业务构成等。

在百世汇通，通过技术人员运用科技手段进行分析、提炼，大数据正在为企业战略规划、运营管理和日常运作提供重要支持和指导。据百世物流科技（中国）有限公司副总裁张砚冰介绍，百世汇通尝试运用大数据来管理、分析、判断加盟网点的运营行为，通过网点在系统内的足迹建立数据分析模型，成功地预测了几次网点的异动，使工作方式由被动式变为主动式、前置式，减少了大量客户投诉，把问题消灭在萌芽阶段。

不仅仅是物流业，电商企业也越来越关注大数据。早在今年年初，京东商城就已启动云计算研发基地，并成立“京东商城——中国人民大学”电子商务实验室，着力电子商务大数据的分析与合作；在“京交会”上，阿里巴巴集团与中国邮政集团、“四通一达”等十家快递公司合作，核心内容仍以打通物流数据为基础，重点将转向“数据整合与分析”。

“淘宝做大数据是以订单为核心，快递企业做大数据是以快递为核心。以申通为例，我们的客户不只是淘宝，还有很多商业客户。而且不少商业客户都有与快递企业在IT方面合作的想法，未来我们也希望能挖掘更多的数据价值，通过大数据给商业客户提供信息化服务。”邱成说。

物流行业树大根深，大数据在此行业内的应用也是非常广泛的。物流中除去淘宝商城、京东商城、苏宁易购等企业产生的包裹、快递等小部件中短距离之间物品流通的小物流;还有与之相对应的重量大、体积大、长距离运输的物品流通，如港口货物运输、大货车集装箱运输等的大物流。

在亟待改进的物流行业，大物流领域利用大数据分析应用技术其实质就是利用地理信息、位置服务、物联网在物流行业里做信息系统化，将现有的粗放、零散、低效、高耗的物流企业数据资源加以整合，建设成可以依据空间地理信息来统一协调监管的现代化物流。逐步利用大数据驱动信息化物流建设，在信息化的现代物流模式下，大物流领域的任何物流车船归属企业的名称、物流车队的整体油耗、车船的位置信息、车船的行程轨迹、车船的运行周期等这类空间地理数据通过系统智能化处理。

大物流领域成功应用大数据，无非是让物流车队效率提高、流程精简。物流车队本身的管理、设备等条件优化改善了，才有望使得中国物流运输成本降低。理想的前景是联合一个大型物流车队，为其免费装载上一台设备，这种设备搜集的车队车辆所有空间地理位置信息都即时反馈到监视后台。怎样获取这些大数据也就是物流车队提高管理效率的关键所在。然而，在刘俊伟来，这种期望的信息智能化的现代物流模式可能需要3-5年时间方可成熟。怎样获取这些大数据是一个问题，这需在资金投入、研发团队打造方面的决心和魄力。

“随着市场的发展，在未来，快递企业会不断加大在大数据方面的投入。”邱成表示。大数据的核心是发现和预测，利用其这个特点，可以提升快递行业的整体服务水平。此外，对于快递业做大数据的未来发展趋势，也有业内人士指出，快递员获取的数据已不只是企业内部信息，还包括大量的外部信息。大数据则让厂商能够有的放矢，甚至可以做到为每一个客户量身定制符合个体需求的产品和服务，从而颠覆整个商业模式。

尽管企业已熟知大数据所带来的价值和优势，但由于数据规模和种类的增加，处理速度的加快，以及易受攻击的特点，随之而产生的成本和复杂性给企业的IT资源和基础设施带来了更大的压力。如何在降低成本的同时提高IT效率，成为快递企业不得不面对的一大难题。

在邱成看来，投资、技术手段等并不是最大的难点。“快递企业做大数据面临的最大难题在于：一是基础数据的采集。因为到现在为止，不少快递企业的操作及信息传输并不是很规范，这给基础数据的采集带来了不小的困难。二是未来大数据的应用方向。比如我们现在有一些淘宝数据，首先要想好怎么用。”邱成说。

此外，也有业内人士建议，在大数据时代，企业要想用数据制胜，就必须尽早建立数据资产管理策略。只有拥有战略性视野和专业技术，才能更好地获得商业洞察力，才能将数据资产转换成战略资产和竞争力。

对于物流行业而言，必须能够更好地利用大数据，这样就可以更好地为客户提供服务，降低成本，提高燃油效率。与刘俊伟观点大同小异，Teradata天睿公司运输物流业总监肖恩也认为，大数据在大物流领域的应用是一个主要的技术潮流。即目前已经积累下的大数据需要以更加智能的方法加以利用，同时还要开发新技术来更便捷的获取多样化大物流数据。

第五篇：智能审计决策支持系统

智能审计决策支持系统

审计决策支持系统(Audit Decision Support System，ADSS)是辅助审计人员通过数据、模型和知识，以人机交互方式进行半结构化或非结构化决策的计算机应用系统。目前，ADSS被应用于会计师事务所的审计决策支持活动，并承担审计信息的收集、处理和传递功能，为审计人员提供分析问题、建立模型、模拟决策过程和方案的环境，调用各种信息资源和分析工具，帮助提高决策水平和审计质量。

智能审计决策支持系统(Inteligent Audit Decision Support System，IADSS)通常简称为智能审计系统，是在传统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 Mining System，DMS)而形成的软件系统。ADSS能够借助定量化的决策支持模型辅助审计人员进行决策，但智能性不足；AES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DMS具有良好的自组织、自学习和自适应能力，但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IADSS。

一、审计决策支持系统(ADSS)

1、ADSS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：(1)以处理非程序性决策为主。(2)对审计人员进行支持而不是代替。(3)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的信息来分析解决问题。

2、ADSS的构建。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”，ADSS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。(1)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。(2)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应用结构性比较好的问题，其处理算法有明确规定，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，需要运用数理统计等方法估计这些参数值。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。(3)方法库子系统是存储、管理、调用及维护ADSS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，从方法库选择算法，然后将数据和算法结合起来进行计算，以清晰地呈现方式输出结果，供决策者使用。

3、ADSS的思路。ADSS解决问题的过程是沿着“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→依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。在该思路中，问题的求解由“模型驱动”，问题求解模型随着问题环境的变化而变化，由于变化而重新构造模型时离不开审计专家的辅助，这使原本的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，用户在求解问题的多数环节仍离不开审计专家。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)

1、AES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，人机对话方式对于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，在最短的时间里，做广泛、详细的计算与核查，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。

2、AES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，并自动查找存在的各类错误、舞弊、异常数据和变动及其他不利于企业经营的情况，并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，必须具备的组件包括：(1)知识获取组件，它负责审计专家经验（规则）处理，并存储在知识库中，以备推理机调用。(2)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。(3)知识库，它存储的是既不能用数据表示，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。(4)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。(5)推理机，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，根据系统知识库的数据和程序，推断出问题的可能解。(6)解释组件，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。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，难以适应变化的情况，AES还不能从过去处理过的审计案例中继续学习，使知识获取较为困难。

三、数据挖掘系统(DMS)

1、DMS的功能。DMS能够从大量不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、事先不知道的、潜在有用的信息和知识。不仅可以对信息系统产生的被审计单位财务、业务数据进行深层次分析和研究，而且可以通过模型匹配和挖掘算法实现其在信息系统开发审计、安全审计等方面的应用。此外，通过数据挖掘技术与信息系统审计技术的有效结合可确定快照技术中快照点的选择问题，以及确定系统控制审计复核文件中嵌入审计程序应采集什么信息。

2、DMS的应用。(1)运用统计分析子系统发现偏差数据。审计人员通过建立统计模型对搜集的被审计单位以及同类型单位的大量财务、业务历史数据进行分析，挖掘内部存在的函数关系或相关关系，然后对审计期间内的相关数据进行合理预测。(2)运用聚类分析子系统确定审计重点。利用聚类分析技术对信息系统中被审计单位的同类型的财务数据或者业务数据进行分组，使其成为有相似特性的聚集。一般来说，财务数据及重要业务数据（如销售数据）的变动具有一定的规律性，如果某些数据处于稀疏区域，说明其变动表现异常，需要重点关注。如SQL2005中的Microsoft Analysis Services工具，选择聚类挖掘模型，就可利用其强大的分析功能实现日志数据的分类，将非正常的日志记录从正常的日志数据中区分出来。(3)运用孤立点分析子系统挖掘审计疑点。面对海量的电子数据，采用孤立点检测算法，发现异常审计数据或异常发生频率等，从而发现有可能隐藏的违规行为，如利用快照点捕捉问题数据，利用嵌入式审计模块进行实时监控等方法，达到锁定疑点数据的目的。(4)运用关联分析子系统揭示关键属性。在对财务或业务数据的审计中，同类或不同类会计科目及数据项之间，可能存在某种对应关系，利用关联分析方法来查找、分析，可发现一些隐藏的经济活动，挖掘出数据的各个属性间可能的相互影响，为后续审计工作提供参考。

四、智能审计决策支持系统(IADSS)

1、IADSS的特点。与AES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，因而适用于处理复杂问题和开放系统，这弥补了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。

2、IADSS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)，并在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，还要为问题的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）。伴随着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，其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审计人员，而是代替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。^