بررسی تقلب: پرچم های قرمز، قانون بنفورد، و تجزیه و تحلیل متن

سود:

• مفاهیم مثلث تقلب (فشار، فرصت، توجیه) و پرچم قرمز را درک کنید و از هوش مصنوعی برای اسکن الگوهای مشکوک استفاده کنید.
• امکان اسکن قانون بنفورد، پرداخت های تکراری و الگوهای غیرعادی تامین کننده با پشتیبانی هوش مصنوعی و تهیه لیست بررسی
• توانایی درک اینکه ظن به تقلب یک ادعای جدی است، اینکه علامت هوش مصنوعی به تنهایی مدرک نیست و ارزیابی نهایی متعلق به حسابرس مستقل است.

تفاوت عمیقی بین اشتباه و تقلب وجود دارد. خطا یک اشتباه غیر عمدی است. اشتباه کلی، فراموش کردن یک رکورد تقلب، فریب عمدی است. زمانی است که شخصی آگاهانه سوابق را برای نفع شخصی تحریف می کند. وظیفه حسابرس «پیدا کردن» تقلب نیست - تقلب یک صلاحیت قانونی است و برای دادگاه ها است - اما استاندارد 240 از حسابرس می خواهد که نسبت به خطر تحریف بااهمیت ناشی از تقلب تردید حرفه ای داشته باشد و علائم خطر تقلب را ارزیابی کند (پرچم های قرمز). حسابرس خطر تقلب را ارزیابی می کند و الگوهای مشکوک را بررسی می کند. تصمیم نهایی قانونی متعلق به دیگران است.

در این بخش نحوه استفاده از هوش مصنوعی برای غربالگری خطر تقلب را پوشش خواهیم داد: مثلث تقلب، پرچم‌های قرمز، قانون بنفورد، پرداخت‌های تکراری و الگوهای غیرعادی تامین‌کننده، و تجزیه و تحلیل متن در مناطق توصیفی. اصل اساسی به شدت مورد تاکید است: هیچ الگوی پرچم‌گذاری شده توسط هوش مصنوعی به خودی خود دلیلی بر تقلب نیست. پرچم قرمز علامت "ایست و تحقیق" است. اتهام نیست

مثلث تقلب و پرچم قرمز

چارچوب کلاسیک برای بررسی تقلب، مثلث تقلب است. او می‌گوید که کلاهبرداری معمولاً زمانی اتفاق می‌افتد که سه شرط با هم اتفاق می‌افتد: فشار (نیاز مالی/شخصی که فرد را به تقلب وادار می‌کند)، فرصت (کنترل داخلی ضعیف، اختیارات کنترل نشده) و توجیه (روشی برای توجیه عمل خود برای خود - «به هر حال آن را پس می‌زنم»). حسابرس در زمینه هایی که این سه شرط قوی هستند دقت بیشتری می کند.

پرچم قرمز یک علامت هشدار است که ممکن است احتمال تقلب را نشان دهد. مثال‌های معمولی: رسمی که سبک زندگی غیرمعمول را نشان می‌دهد، قراردادهایی که دائماً به یک تامین‌کننده می‌رود، تامین‌کننده‌ای که آدرس آن با یک کارمند یکسان است، کارکنانی که تعطیلات را نمی‌گذرانند و کار خود را به کسی واگذار نمی‌کنند، سوابق اصلاحی مکرر، تقسیم پرداخت‌ها درست زیر آستانه، شماره‌های فاکتور تکراری. هوش مصنوعی می تواند بسیاری از این پرچم ها را روی داده ها اسکن کند. اما به یاد داشته باشید: هر پرچمی می تواند توضیحی بی گناه داشته باشد. کار حسابرس دیدن پرچم و تحقیق است نه اینکه او را به خاطر دیدن پرچم سرزنش کند.

قانون بنفورد: یک غربالگری ضد شهودی اما قدرتمند

قانون بنفورد (قانون رقم اول) می گوید که در مجموعه های بزرگی از اعداد طبیعی، توزیع اولین رقم مهم یکنواخت نیست: اعداد تمایل دارند با "1" (حدود 30٪) شروع شوند، با احتمال بسیار کم شروع با "9" (حدود 4.6٪). داده های طبیعی با دامنه های وسیع، مانند مبالغ صورتحساب، هزینه ها، مانده حساب ها، عموماً از این توزیع پیروی می کنند. وقتی شخصی اعداد را با دست می‌نویسد (مثلاً مقادیری را درست زیر آستانه تأیید می‌نویسد)، این توزیع طبیعی مختل می‌شود. تجزیه و تحلیل Benford توزیع اولین (و در صورت لزوم، دو رقم اول) را با آنچه انتظار می رود مقایسه می کند و انحرافات را نشان می دهد.

هوش مصنوعی می‌تواند توزیع بنفورد را بر اساس هزاران مقدار در ثانیه محاسبه کند و ارقامی را نشان دهد که از آنچه انتظار می‌رود منحرف است. اما بنفورد دو محدودیت دارد و حسابرس باید آنها را بداند:

• با همه داده ها مطابقت ندارد. تعداد محدود در محدوده معینی (به عنوان مثال قیمت محصول همیشه بین 45-55 لیر)، اعداد ترتیبی (شماره فاکتور)، کدهای اختصاص داده شده با بنفورد مطابقت ندارد. "انحراف" در اینجا بی معنی است.
• انحراف دلیل نیست. وقتی یک پله بیش از حد انتظار بالا می رود، بیشترین چیزی که می گوید این است که «اینجا را نگاه کن». دلیل ممکن است مشروع باشد (به عنوان مثال قیمت گذاری شرکت). حسابرس نمی تواند از تحقیق نتیجه بگیرد.

احتیاط: ارائه انحراف بنفورد به عنوان "شواهد تقلب" یک اشتباه جدی است. بنفورد فقط یک پرچم قرمز است. هدایت می کند که کدام سوابق باید بررسی شوند و تقلب را ثابت نمی کند.

تجزیه و تحلیل متن و الگوهای تکرار

توانایی زبانی هوش مصنوعی در تشخیص تقلب غیر عددی نیز مفید است. غلظت های غیرمعمول، عبارات مبهم یا کلمات کلیدی خاص را می توان در قسمت های توضیحات اسکن کرد ("هزینه های متفرقه"، "مشاوره"، "میزبانی نمایندگی"). همچنین الگوهای ساختاری: شماره فاکتورهای تکراری، حساب های تامین کننده مطابق با حساب بانکی کارکنان، سوابق تامین کننده ایجاد شده در آخر هفته، پرداخت های مکرر شبانه روزی. هوش مصنوعی همه اینها را به عنوان "لیست بررسی" تولید می کند. حسابرس لیست را جستجو می کند.

نوع اسکن

هوش مصنوعی چه می کند؟

حسابرس چه می کند؟

تحلیل بنفورد

رقم اول انحراف توزیع را نشان می دهد

علت انحراف را بررسی می کند

پرداخت تکراری

همان مقدار+تاریخ+تامین کننده تکرار پیدا می کند

آیا حقیقت با اسناد تکراری تایید می شود؟

تطبیق تامین کننده و کارمند

همپوشانی آدرس/حساب مشابه را علامت‌گذاری می‌کند

بررسی می کند که آیا تضاد منافع وجود دارد

تقسیم زیرآستانه

خوشه‌بندی زیر آستانه تأیید را نشان می‌دهد

ارزیابی می کند که آیا قصد وجود دارد یا خیر

تحلیل متن/توصیف

نظرات مبهم/تکراری را اسکن می کند

محتوا را بر اساس سند جستجو می کند

سه کیف کوچک

مورد 1 - بازرس متوجه شد بنفورد دستور داد. یک حسابرس تجزیه و تحلیل بنفورد را بر روی صورتهای هزینه انجام داد. مبالغی که با "4" شروع می شد بسیار بیشتر از حد انتظار بود. حسابرس این مجموعه را مورد بررسی قرار داد و دریافت که یک کارمند به طور مداوم هزینه‌های "4.8xx" را وارد کرده است که درست زیر آستانه تایید 5000 دلار است. معلوم شد که مدارک جعلی بوده اند. انحراف بنفورد جهت داد. تحقیقات و مدارک حسابرس، کلاهبرداری را فاش کرد.

مورد 2 - بنفورد مثبت کاذب. یکی از اعضای تیم تجزیه و تحلیل بنفورد را در لیست قیمت محصول انجام داد و زمانی که انحراف بزرگی را مشاهده کرد نوشت: «دستکاری وجود دارد». فرد مسئول بررسی کرد: داده ها شامل قیمت ها در یک باند باریک بین 90-110 لیر است. بنفورد به هر حال در چنین مجموعه محدودی قرار نمی گیرد. "سوگیری" کاملاً به دلیل اعمال روش بر روی داده های اشتباه بود. درس: بنفورد برای همه داده ها کاربرد ندارد. حسابرس مناسب بودن آن را ارزیابی می کند.

مورد 3 - برافراشتن پرچم برای سرزنش. یک حسابرس می خواست مستقیماً «تامین کننده ای که آدرس آن کارمند است» را بنویسد که توسط هوش مصنوعی در گزارش به عنوان «تامین کننده ساختگی، تقلب» مشخص شده است. شخص مسئول آن را متوقف کرد: با بررسی، مشاهده شد که تامین کننده یک تجارت واقعی، متعلق به بستگان کارمند است و این یک رابطه تضاد منافع است، اما ساختگی نیست. این به عنوان رابطه ای گزارش شد که باید افشا شود، نه تقلب. درس: پرچم قرمز تحقیقات را آغاز می کند. شواهد نتیجه را تعیین می کند.

اعلان ضعیف / اعلان قوی

اعلان ضعیف:

دریابید که آیا کلاهبرداری در این پرداخت ها وجود دارد یا خیر.

مشکل: هوش مصنوعی نمی تواند تقلب را "پیدا کند". تقلب یک نتیجه قانونی است. این دستور یک «فهرست تقلب» ساختگی یا اتهامات بی اساس ایجاد می کند.

اعلان قدرتمند:

نقش شما: شما یک دستیار غربالگری خطر تقلب حسابرس مستقل هستید. شما پرچم قرمز را امضا می کنید. ارزیابی تقلب و نتیجه متعلق به من است. هیچ رکوردی را به‌عنوان «تقلب» برچسب‌گذاری نکنید. داده‌ها (ناشناس): پرداخت‌های تأمین‌کننده (ستون‌ها: pay_id، تاریخ، شناسه تامین‌کننده، آدرس_ تأمین‌کننده، مبلغ، confirmation_threshold=50000، توضیحات). وظیفه - اسکن‌های زیر را انجام دهید، هرکدام را به‌عنوان یک فهرست مجزا صادر کنید: (45000-49999) پرداخت; شمارش بر اساس تامین کننده. 2) تکراری: همان مقدار + همان تامین کننده + پرداخت های مکرر در عرض 3 روز. 3) بنفورد (رقم اول): توزیع رقم اول مبالغ را با بنفورد مورد انتظار مقایسه کنید. نمایش مراحل انحرافی مهم: همچنین ارزیابی کنید که آیا این داده با Benford (محدوده، محدودیت) مطابقت دارد یا خیر و در غیر این صورت هشدار دهید. 4) تجزیه و تحلیل افشا: تامین کنندگان را علامت گذاری کنید که در آن توضیحات مبهم مانند "متفرقه/متفرقه/مشاوره" متمرکز شده است. برای هر فهرست: بنویسید که اینها "پرچم های قرمزی هستند که باید بررسی شوند" و نتیجه تقلب نیستند. افزودن یک رکورد/الگوی مناسب.

این اعلان قدرتمند است زیرا اسکن‌ها را تجزیه می‌کند، انطباق بنفورد را زیر سوال می‌برد، خروجی را به‌عنوان «پرچم قرمز» قرار می‌دهد و انتساب «تقلب» را ممنوع می‌کند.

اشتباهات رایج

• این به معنای "ترفند" است. هوش مصنوعی تقلب را تشخیص نمی دهد. علائم پرچم قرمز تقلب یک نتیجه قانونی است.
• استفاده از Benford برای داده های نامناسب. اشتباه گرفتن "انحراف" در باند باریک، اعداد ترتیبی یا کدها به عنوان معنی دار.
• در نظر گرفتن انحراف به عنوان شاهد. اعلام تقلب بدون بررسی علامت بنفورد یا الگو.
• تبدیل پرچم قرمز به اتهام نوشتن یک رابطه/الگو به عنوان تقلب بدون تأیید آن با مستندات.
• نادیده گرفتن مثلث تقلب. فقط نگاه کردن به داده ها و ارزیابی نکردن زمینه فشار/فرصت/توجیه.

نکته: هنگامی که یک پرچم قرمز پیدا کردید، از خود دو سوال بپرسید: "توضیح کاملاً بی گناه برای این چیست؟" و "اگر واقعا تقلب است، چه آثار دیگری باید ببینم؟" سوال اول شما را از اتهامات ناعادلانه محافظت می کند، سوال دوم از سطحی نگری.

به طور خلاصه

در حسابرسی تقلب، نقش حسابرس «پیدا کردن» تقلب نیست، بلکه ارزیابی خطر تقلب با شک و تردید و جستجوی پرچم‌های قرمز است (BDS 240). هوش مصنوعی یک موتور اسکن قدرتمند است: تجزیه و تحلیل Benford، پرداخت تکراری، تقسیم آستانه فرعی، همپوشانی تامین کننده و کارمند و تجزیه و تحلیل متن را در چند ثانیه انجام می دهد. اما هر نشانه ای یک پرچم قرمز است، نه مدرک. بنفورد با همه داده ها مطابقت ندارد. انحراف به معنای تقلب نیست. این وظیفه هوش مصنوعی است که پرچم را ببیند، این وظیفه حسابرس است که بررسی و ارزیابی کند و از اسناد قانونی اجتناب کند. پرچم قرمز می گوید "توقف و تحقیق کن"؛ او نمی گوید "مجرم".

وظیفه کاربردی

یک مجموعه داده پرداخت فروشنده فرضی را در نظر بگیرید و یک آستانه تأیید تعیین کنید. از هوش مصنوعی چهار اسکن (تقسیم آستانه فرعی، تکرار، بنفورد، تحلیل حاشیه نویسی) با الگوی سریع قدرتمند بالا استفاده کنید. از بنفورد بخواهید شایستگی او را زیر سوال ببرد. سپس، برای هر پرچم قرمزی که بالا می‌آید، یک «توضیح بی‌گناه» و یک «سناریوی تقلب» بنویسید و مشخص کنید چه شواهدی این دو را از هم متمایز می‌کند.

چک لیست

• [ ] من به هوش مصنوعی نگفتم که "ترفندها را بیابد". گفتم «پرچم قرمز» و تعریف تقلب را ممنوع کردم.
• [ ] من Benford را فقط برای داده های مناسب (با فاصله زیاد، طبیعی) اعمال کردم. من مناسب بودن را ارزیابی کردم.
• [ ] من با هر پرچم قرمز به عنوان یک شروع تحقیق رفتار کردم، نه یک نتیجه.
• [ ] برای هر نشانه، هم توضیح بی گناه و هم سناریوی تقلب را در نظر گرفتم.
• [ ] من الگوها را بدون تأیید آنها با مستندات، تقلبی/خیالی توصیف نکردم.
• [ ] من زمینه مثلث تقلب (فشار، فرصت، توجیه) را ارزیابی کردم.
• [ ] من مستند کرده ام که صلاحیت قانونی نهایی کار حسابرس نیست و خطر را ارزیابی کرده ام.