构建智能企业合规的方法技术

本发明专利技术公开了构建智能企业合规的方法，属于人工智能应用技术领域。本发明专利技术包括企业合规指标预测模块、企业违法违规指标可用性判断模块、企业违法违规指标识别模块、企业合规建设模块和企业合规处置模块；所述企业合规指标预测模块用于根据合规数据对企业合规指标进行判断，并将判断结果和储存的数据信息传输至企业违法违规指标可用性判断模块，所述企业合规建设模块用于根据企业违法违规指标可用性判断模块传输的企业合规建设等级，对企业出现的问题制定相应的企业合规整改方案，并将制定后的整改方案传输至企业合规处置模块，所述企业合规处置模块根据企业合规建设模块传输的整改方案，将相关证据和指标发送至相关部门，及时止损。

【技术实现步骤摘要】
构建智能企业合规的方法
本专利技术涉及人工智能应用
，具体为构建智能企业合规的方法。
技术介绍
企业合规是一种以合规风险为导向的公司治理方式，其实施目的在于建立有效的违法犯罪行为的防控机制，确立及时识别合规风险的制度，实现第三方监管人的智能化预防、分析和处置，完成企业合规整改的智能化处理，对于已经出现的违法犯罪事件采取必要的应对措施。现有的企业合规建设主要依靠人力资源对企业指标的合规情况进行判断，工作效率低，使得企业在建设过程中无法及时对企业违法违规指标进行了解，不利于企业后期的规划发展，以及现有的企业合规建设通常在企业犯罪后采取相应的整改措施，无法对企业犯罪进行预防，增加了司法机关和行政机关的工作强度，以及现有的企业合规建设无法将企业与司法机关和行政机关直接建立连接，使得企业在犯罪后进行合规整改、建设时，需要时刻与司法机关和行政机关进行沟通，防止浪费企业成本和精力。为此，人们需要构建智能企业合规的方法来解决上述问题。
技术实现思路
本专利技术的目的在于提供构建智能企业合规的方法，以解决上述
技术介绍
中提本文档来自技高网...

【技术保护点】
1.构建智能企业合规的方法，其特征在于：包括企业合规指标预测模块(S1)、企业违法违规指标可用性判断模块(S2)、企业违法违规指标识别模块(S3)、企业合规建设模块(S4)和企业合规处置模块(S5)；/n所述企业合规指标预测模块(S1)用于根据企业合规预防数据、企业合规识别数据和合规应对数据对企业合规指标进行判断，并将判断结果和储存的数据信息传输至企业违法违规指标可用性判断模块(S2)；/n所述企业违法违规指标可用性判断模块(S2)对企业合规指标预测模块(S1)传输的企业合规指标和存储的数据信息进行接收，对企业违法违规指标的可用性进行检测，并将检测结果传输至企业违法违规指标识别模块(S3)；/...

【技术特征摘要】
1.构建智能企业合规的方法，其特征在于：包括企业合规指标预测模块(S1)、企业违法违规指标可用性判断模块(S2)、企业违法违规指标识别模块(S3)、企业合规建设模块(S4)和企业合规处置模块(S5)；
所述企业合规指标预测模块(S1)用于根据企业合规预防数据、企业合规识别数据和合规应对数据对企业合规指标进行判断，并将判断结果和储存的数据信息传输至企业违法违规指标可用性判断模块(S2)；
所述企业违法违规指标可用性判断模块(S2)对企业合规指标预测模块(S1)传输的企业合规指标和存储的数据信息进行接收，对企业违法违规指标的可用性进行检测，并将检测结果传输至企业违法违规指标识别模块(S3)；
所述企业违法违规指标识别模块(S3)用于根据企业违法违规指标可用性判断模块(S2)传输的检测结果对企业合规指标进行识别，并将识别结果传输至企业合规建设模块(S4)；
所述企业合规建设模块(S4)用于根据企业违法违规指标可用性判断模块(S2)传输的企业合规建设等级，对企业出现的问题制定相应的企业合规整改方案，并将制定后的整改方案传输至企业合规处置模块(S5)；
所述企业合规处置模块(S5)根据企业合规建设模块(S4)传输的整改方案，将相关证据和指标发送至相关部门，及时止损。


2.根据权利要求1所述的构建智能企业合规的方法，其特征在于：所述企业合规指标预测模块(S1)包括企业指标数据采集分析单元(S11)、企业违法违规指标阈值计算单元(S12)、企业合规指标判断单元(S13)和企业指标数据处理存储单元(S14)；
所述企业指标数据采集分析单元(S11)对企业指标历史数据进行采集，并与同类型、同行业企业合规数据进行对比分析，将违规指标区分出，查看发生违法违规事件的构成要件，对构成要件出现的次数进行统计，并将统计结果传递至企业违法违规指标阈值计算单元(S12)；
所述企业违法违规指标阈值计算单元(S12)对企业指标数据采集分析单元(S11)传输的数据进行接收，根据接收的违法违规事件构成要件出现的次数进行概率计算，根据计算结果设置指标阈值，并将设置的指标阈值传递至企业合规指标判断单元(S13)，概率计算公式为：



其中，i表示违法违规事件构成要件的名称，Pi表示违法违规事件对应构成要件出现的概率，Xi表示违法违规事件对应构成要件出现的总次数，N表示违法违规事件出现的总次数；
所述企业合规指标判断单元(S13)对企业违法违规指标阈值计算单元(S12)传输的指标阈值进行接收，将指标阈值按数值大小进行排列，将排列靠前的指标作为主要指标和判断超限的标准，根据指标阈值对指标是否合规进行判断，并将判断结果和数据信息传递至企业指标数据处理存储单元(S14)；
所述企业指标数据处理存储单元(S14)接收企业合规指标判断单元(S13)传输的数据信息和企业合规指标，并通过朴素贝叶斯算法进行深度学习，分析违法违规事件构成要件的特征和历史数据，对违规指标历史数据进行提取、清洗和整合，并将整合后的数据进行存储。


3.根据权利要求1所述的构建智能企业合规的方法，其特征在于：所述企业违法违规指标可用性判断模块(S2)包括企业违法违规指标标记单元(S21)、企业违法违规指标漏检检测单元(S22)、企业违规和企业违法犯罪概率计算单元(S23)和企业合规建设等级评定单元(S24)；
所述企业违法违规指标标记单元(S21)对企业合规指标预测模块(S1)传输的违法违规指标进行接收，根据司法判例和行政违规行为的历史数据，关联比对出现违法违规企业问题的各方面数据，并对检测出的问题数据进行打标签，将打标签后的违法违规指标传输至企业违法违规指标漏检检测单元(S22)；
所述企业违法违规指标漏检检测单元(S22)对企业违法违规指标标记单元(S21)打标签后的违法违规指标进行统计，并通过统计检测量的分布特性和系统要求的告警极限和漏检概率，求得不同证据的最大上限值Hmax，再通过概率公式计算所有证据的最大值H值，并将求出的Hmax和H值进行大小对比，若H<Hmax,则表明当前证据可以用来检测，若不满足此条件，则不可用来检测，检测方法有最小二乘残差法，伪距比较法，奇偶空间法和先验概率法等，最小二乘残差法检测步骤如下所示：
Step1：设统计检测量为SSE；
Step2：在设计判决门限时，我们要依据法律法规、行政规章、专家数据库和历史判例数据总结的规律所要求的企业合规最大告警率来选择判决门限，使正常情况下引起的告警率不大于X，m为可观测的样本数；
在正常误差条件下，判决统计量SSE服从自由度为m-4的X2分布；
所述企业违规和企业违法犯罪概率计算单元(S23)对企业违法违规指标漏检检测单元(S22)检测后的违法违规指标进行接收，并将违法违规指标与数据库中相应的法律法规、企业规章制度等进行比对，通过对比后的相似度，判断该企业是否进行行政违规或违法犯罪，如果发生企业违规或犯罪，进行预警并防范、监控，预测各项指标预测重犯风险，对比后具体的相似度数值为企业违规和企业违法犯罪的概率值；
所述企业合规建设等级评定单元(S24)根据企业违规和企业违法犯罪概率计算单元(S23)计算的犯罪概率将企...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：上海示右智能科技有限公司，
类型：发明
国别省市：上海;31