以大數據推動電信運營商內部審計科學建模

陳琳娣

[摘要]本文介紹了電信運營商內部審計借力大數據分析，通過正負樣本的選定、變量的設計、特征工程等方式，直接定位問題，精確審計范圍而進行神經網絡建模。

[關鍵詞]內部審計 運營商 大數據 神經網絡 建模

在“數據即資源”已成為社會共識的背景下，擴大數據來源，開啟數據通道，充分利用大數據建模開

展遠程監督的審計新模式已成為時代選擇。

一、神經網絡模型表達

神經網絡是一項重要的機器學習技術，從信息處理角度對人腦神經元網絡進行抽象，建立某種簡單模型，按不同的連接方式組成不同的網絡。神經網絡算法的基礎結構是神經元，是包含權重和偏置項的函數，它在接收數據后執行計算，再通過激活函數將數據限制在一個范圍內，神經元的結構見圖1。

神經元的函數表達為：y=f（wx+b），其中x為輸入值，w為權重，b為偏置項，f（x）即激活函數，常用的激活函數為sigmiod函數。

神經網絡則是多個神經元的組合，由輸入層、隱藏層和輸出層三部分構成。輸入層是模型輸入的特征變量;隱藏層是神經元的組合，其中的每一個圓圈都是一個神經元;輸出層是最終的輸出結果，含有多個輸出，處理多分類問題，并且每一層的輸出都是下一層的輸入，見圖2。

建立神經網絡模型有以下三個步驟：

第一步是確定函數表達式：y=f（x），它由網絡結構決定，即神經網絡有多少隱含層，每一層有多少神經元，神經元之間是如何連接的等等。不同的網絡結構決定了不同的神經網絡模型。本文構建的是較為簡單的三層隱含層的全連接神經網絡模型。

第二步是確定模型優劣的評價標準，即確定損失函數，通常為交叉熵損失函數，表達式如下：

第三步是選擇最優的函數，使損失函數達到最小，也就是求解神經元之間連接的權重w和偏置b。BP神經網絡的學習規則，即權重和閾值的調節規則采用的是誤差反向傳播算法。網絡的權值和閾值通常是沿著網絡誤差變化的負梯度方向，依據設定的步長進行調節的，最終使網絡誤差達到極小值或最小值，即在這一點誤差梯度為零。參數更新時，使用了梯度下降算法，使得權重向損失函數對權重求導的負梯度方向更新。權重的更新公式為：

其中，η為學習速率，即參數更新的步長。

限于梯度下降算法的固有缺陷，標準的BP學習算法通常具有收斂速度慢、易陷入局部極小值等特點，因此出現了許多改進算法，增加了算法的可靠性。其中最常用的有動量法和學習率自適應調整的方法。

二、神經網絡模型下的審計實施

在流量紅包專題審計中應用大數據神經網絡技術，從海量數據中識別出購買非常規途徑流量的用戶，再從購買用戶的來源方篩選出流量轉售者，見圖3。

（一）用戶關系梳理與流程

利用大數據技術，從海量數據資源中尋求規律，從上億用戶流量劃轉數據中，探尋用戶流量流轉關系，梳理流量轉售流程。確認流量轉售大致流程為移動公司（A端）向違規企業（B端）低價出售企業流量，違規企業將流量直充至個人賬戶，經過多次流轉到達流量轉售者賬戶（C端），再通過網絡途徑以低于市價的價格售賣給流量購買者（D端）。

（二）識別流量購買用戶

改變從源端核查的傳統審計模式，從最終購買用戶入手，依靠神經網絡模型定位可疑購買用戶，并向上追溯違規售賣用戶和違規套利企業。大數據建模技術框架主要分為正負樣本篩選、特征工程和模型建立三個流程。

第一步，正負樣本篩選。在流程梳理的基礎上，設立簡單規則，初篩流量劃轉行為具有異常表現的用戶。選取少量用戶，外呼驗證，獲取準確正樣本，并推廣至該售賣用戶的所有流量對端用戶，標記為正樣本。借助用戶流量劃轉記錄數據，篩選各項流量劃轉行為數據值處于正常范圍的用戶，標記為負樣本。

第二步，特征工程。這是數據建模的關鍵步驟，關系模型結果的好壞。在項目實施時，結合業務知識、調研結果和數據探索成果，從流量劃轉行為特征、流量和通話交往圈流量劃轉特征和個人通信屬性特征等角度入手，完成變量的設計工作。運用大數據平臺數據庫，從數據中獲取特征，并利用Python語言進行數據預處理，完成缺失值判斷與處理、分類變量啞元化、變量標準版等數據預處理工作。神經網絡模型對于特征工程的要求較少，網絡結構能夠對低階的輸入特征進行組合變換生成高階特征。但輸入無關變量會增加模型的訓練時間，因此本文在項目實施時進行了特征篩選。通過計算各變量的IV值，衡量自變量預測能力的大小，選取IV值較大的變量，實現變量特征的篩選。

第三步，模型建立。基于大數據內網挖掘平臺，使用Ppython完成神經網絡模型的構建工作，識別流量購買用戶。最終建立三層神經網絡模型，通過網絡層級的增加，彌補特征數量不足的問題，在一定程度上減少人工設計特征變量的工作，并提升模型的準確性。通過模型的反復迭代，流量購買用戶的識別準確率由規則篩選的40%提升至80%。

（三）識別流量售賣用戶

在識別流量購買用戶的基礎上，探索流量購買者與售賣者之間的數據聯系，制定數據規則，從流量購買者的流量劃轉來源對端中篩選流量售賣用戶。經過這一步驟，剔除了流量購買者流量交往圈中流量劃轉總數和人數都相對較少的正常用戶，能更加精準地識別流量售賣用戶。

（四）定位集團違規折扣

基于大數據模型識別流量售賣者，追溯售賣者流量來源，結合傳統審計方法，核查集團違規套利途徑，并向相關地市公司部門追責。

三、審計成效及展望

（一）審計成效

通過運用大數據分析平臺及科學建模技術，實現了流量轉售專題分析項目中流量轉售用戶（C端）的自動識別，在保證一定準確率的基礎上，實現大范圍的用戶識別。最終，模型對流量購買用戶（D端）識別的準確率達到82%，核查用戶超過100萬，篩選出流量轉售商（C端）超過100個。

典型違規案例如下：

1.某科技公司將流量和贈送話費拆分轉售獲取利益。該公司辦理集團流量紅包統付業務總計120萬元，獲贈等額饋贈金。一方面通過中間號碼將所購流量進行轉售，另一方面將每月的饋贈金通過名下其他賬戶劃出，并通過第三方以95折同步轉售，幾乎零成本套回本金并獲利。

2.某科技公司超低折扣轉售套利。通過高額饋贈金的獲取，該公司最終獲得流量18000萬M，通過網絡轉售，以450萬元的本金獲得630萬元的收入，直接獲利180萬元（按網售價格計算）。

3.某科技公司執行漏洞造成的流量收入損失。該公司從某地市以市場售價4.2折的低價購買大量流量業務，再以低價公開轉售。流量轉售是利用公司營銷活動或系統功能的漏洞，將原先只有特定目標客戶可以享用的營銷資源，通過人為組合使得非目標客戶也可以使用，弱化了公司的營銷目的，擾亂了特定產品的價格體系。此案例是通過第三方公司開展，正常的公司業務核查極難發現異常。而建模的識別先定義到問題所在，在此基礎上核查目的明確、方向清晰，挖掘出隱藏的轉售行為，進而找出公司營銷活動或系統功能的漏洞，維護了公司利益。

（二）展望

通過大數據分析和建模技術，提高了審計工作效率。流程可復用度高，在相似審計業務場景中有普遍的適用性，可以提高審計工作的效率和效果。

此外，相關模型還可拓展應用于一些營銷業務場景，如計算潛在低價流量需求客戶群概率，也可為用戶轉售套利業務提供一定的判斷依據。

（作者單位：中國移動通信集團浙江有限公司，郵政編碼：310005，電子郵箱：13605756667@139.com）

主要參考文獻

陳明.神經網絡模型[M].大連：大連理工大學出版社， 1995

鄧茗春，李剛.幾種典型神經網絡結構的比較與分析[J].信息技術與信息化， 2008（6）：29-31

袁曾任.人工神經網絡及其應用（第1版）[M].北京：清華大學出版社， 1999

[加]Simon-Haykin.神經網絡與機器學習[M].北京：機械工業出版社， 2011