昆明理工大学《大数据审计》2023-2024学年期末试卷
院（系）_______班级_______学号_______姓名_______
题号
一
二
三
四
总分
得分
一、单项选择题（本大题共10小题，每小题2分，共20分）
在每小题列出的四个备选项中只有一个是最符合题目要求的，请将其代码填写在题后的括号内。
昆明理工大学与云南某矿业集团合作项目中，用于矿山开采量核查的“数字孪生”技术核心是（）
A.无人机可见光测绘+激光雷达测绘B.区块链存证+智能合约C.机器学习异常检测D.量子计算优化算法
大数据审计中，用于识别交易异常的核心技术是（）
A.数据可视化B.数据挖掘与机器学习C.数据仓库构建D.网络爬虫采集
以下属于非结构化数据审计对象的是（）
A.财务报表B.合同文本C.数据库表D.交易记录
昆明理工大学横向课题《跨境电商数据合规审计》中，重点解决的技术问题是（）
A.多源异构数据整合B.数据加密算法优化C.智能合约漏洞检测D.审计证据链存证
大数据审计平台中，用于实时监测数据流动的模块是（）
A.数据采集层B.数据清洗层C.数据分析层D.可视化展示层
以下不属于大数据审计风险评估方法的是（）
A.蒙特卡罗模拟B.决策树模型C.趋势分析D.专家访谈法
昆明理工大学材料学院实验室数据审计中，用于检测设备运行异常的技术是（）
A.时间序列分析B.关联规则挖掘C.聚类分析D.文本情感分析
大数据审计中，数据质量评估的核心指标不包括（）
A.准确性B.完整性C.及时性D.多样性
以下属于区块链技术在审计中应用的是（）
A.智能合约自动执行审计规则B.数据脱敏保护隐私C.分布式存储审计日志D.以上都是
昆明理工大学《大数据审计》课程实验中，使用Python实现的主要任务是（）
A.数据采集与清洗B.数据库管理C.审计报告生成D.网络安全防护
二、简答题（本大题共3小题，每小题10分，共30分）
比较传统审计与大数据审计的差异
传统审计：
依赖抽样分析，效率低；
以结构化数据为主，覆盖面有限；
事后审计，缺乏实时监控。
大数据审计：
全量数据分析，准确性高；
支持多源异构数据，覆盖业务全流程；
实时预警与动态监测，风险响应速度快。
简述昆明理工大学在矿业工程审计中的技术创新
三维建模技术：采用“无人机测绘+点云建模”构建矿山数字孪生模型，实现开采量、越界开采等指标的精准测量；
智能算法应用：通过机器学习模型分析爆破数据，识别少计开采量等异常行为；
跨部门数据整合：融合采矿证、财务、生产数据，建立多维度审计分析框架。
说明数据清洗在大数据审计中的作用及主要方法
作用：
提升数据质量，确保分析结果准确性；
去除噪声与异常值，避免误导审计结论；
统一数据格式，便于跨系统关联分析。
方法：
缺失值处理（插值法、删除法）；
异常值检测（Z-score、孤立森林）；
数据标准化（Min-Max标准化、Z-score标准化）。
三、案例分析题（本大题共2小题，每小题15分，共30分）
案例一：跨境电商数据合规审计（15分）
背景：昆明某跨境电商企业存在以下问题：
客户信息泄露风险高
跨境交易数据未加密存储
电子合同签署流程不规范
要求：
设计数据安全审计方案，包括数据采集、传输、存储环节的防护措施；
分析电子合同审计的关键风险点及应对策略；
说明如何利用区块链技术构建审计证据链。
答案要点：
安全审计方案：
数据采集：使用合规API接口，签订数据授权协议；
数据传输：采用SSL/TLS加密，部署VPN通道；
数据存储：分区分级存储，敏感数据脱敏处理。
电子合同风险点：
签署人身份验证不严格→应对：引入生物识别技术；
合同条款模糊→应对：采用智能合约自动解析关键条款。
区块链应用：
哈希值上链确保合同不可篡改；
时间戳记录签署时间，增强法律效力。
案例二：矿业企业开采量审计（15分）
背景：某矿山企业存在少计开采量、越界开采嫌疑，审计组采用“数字孪生”技术进行核查。
要求：
描述无人机测绘与点云建模的技术流程；
说明如何通过三维模型分析开采量差异；
分析审计中可能遇到的数据质量问题及解决方法。
答案要点：
技术流程：
无人机双挂载（可见光+激光雷达）采集数据；
实景三维建模生成OSGB模型，点云数据真彩上色。
开采量分析：
对比开采前后DEM模型，计算填挖方量；
叠加采矿证范围，识别越界区域。
数据质量问题：
地形遮挡导致点云缺失→应对：多视角补采；
坐标误差→应对：地面控制点校准。
四、编程应用题（本大题共1小题，共20分）
大数据