Kiểm toán tài chính bằng AI cục bộ

Kiểm toán khối lượng tài liệu lớn mà dữ liệu không ra ngoài: chuyển đổi, ẩn danh hóa, phân tích RAG trên mô hình cục bộ

Dự án phát hiện việc sử dụng sai quỹ của một tập đoàn: khối tài liệu (khoảng 3.9 GB ở dạng Markdown) được xử lý cục bộ hoặc trên các máy chủ an toàn. Công việc cho ra một nghiên cứu về LLM và hạ tầng GPU, kịch bản cuối “chất lượng so với thời gian” trên một GPU H200 với Qwen2.5-72B và cơ chế nâng cấp hai tầng (mô hình nhỏ chọn ra các mục đáng ngờ, mô hình lớn phân tích chi tiết), dự toán chi phí và lộ trình. Các công cụ được xây dựng cho việc chuyển đổi sang Markdown, ẩn danh hóa dữ liệu cá nhân có thể đảo ngược và phân tích RAG trên Milvus; một đợt phân tích thử nghiệm đã được thực hiện cùng báo cáo cuối cùng.

Bài toán

Xác định tiền đã được chi ở đâu, khi nào và vì sao, mà không chuyển dữ liệu mật cho các dịch vụ bên ngoài.

Bên trong có gì

• Chuyển đổi PDF, DOCX, XLSX và các định dạng khác sang Markdown
• Ẩn danh hóa có thể đảo ngược (Presidio, spaCy NER, Faker): họ tên, tổ chức, số điện thoại, email, ngày tháng, số tiền, INN, SNILS, OGRN, tài khoản ngân hàng, thẻ, IBAN; các chế độ thay thế giống thật và giữ chỗ, dịch chuyển ngày, co giãn số tiền, bảng ánh xạ để giải ẩn danh
• Phân tích RAG các tài liệu liên quan (hợp đồng, hóa đơn, ủy nhiệm chi, thư từ, biên bản nghiệm thu) và đồ thị thực thể – giao dịch với các quy tắc phát hiện bất thường
• Chế độ air-gapped để làm việc không cần API bên ngoài; báo cáo ở dạng Markdown, JSON và Excel

Bản dịch máy — đang được hiệu đính.