当前位置: 首页 > news >正文

CISA学习笔记-第一章、信息系统审计过程

传统的审计三方关系理论指明,审计作为独立于会计记录之外的一项重要职能,是公司财务信息公允可靠的有力保障,制约着会计行为,制衡了会计权力。

1. IS审计和保障标准、指南、工具 职业道德规范

信息技术保证框架(ITAF,Information Technology Assurance Framework)

a.审计准则:强制性要求

● 一般准则:基本的审计指导原理

● 执行准则:涉及任务的执行和管理

● 报告准则:落实报告类型、沟通方式和沟通信息

b.审计指南:侧重于审计方法、理论

c.工具和技术(也叫程序):提供各种方法、工具和模版 三者之间的关系:IS 审计师必须遵守审计准则,审计指南帮助应用审计准则,审计工具和技术提供了具体的流程和步骤范例

2.风险评估概念、工具及技术 风险的定义:

“风险是特定的威胁利用资产的脆弱性从而对组织造成损害的可能性。(”ISO/IEC PDTR13335-1)

风险评估的五步过程:

(1) 识别业务目标(BO,Business Object)

(2) 识别信息资产(IA,Information Asset)

(3) 进行风险评估(RA,Risk Assessment):威胁→脆弱性→可能性→影响 (4) 进行风险减缓(RM,Risk Mitigation):落实相关控制

(5) 进行风险处置(RT,Risk Treatment)

基于风险的5步审计:

(1) 搜集信息和计划

(2) 理解内部控制

(3) 执行符合性测试

(4) 执行实质性测试

(5) 完成审计和报告

审计风险:

审计过程中未发现信息可能存在的重大错误的风险。 固有风险(Inherent Risk):业务自身风险,不采取控制时的风险 控制风险(Control Risk):采取控制后仍具有的风险 检查风险(Detection Risk):得出错误检查结论的风险 整体审计风险(Overall Audit Risk):对每一个控制目标评估出的各类审计风险的综合

审计重大性(Materiality):

在问题程度上可被组织视为严重的错误。 抽样不能检查出样本总体的所有错误,但可以将检查风险降低到可接受水平。小错误可能不严重,但当他们组合到一起时,可能使这些错误的性质变为重大。重大性需要 IS 审计师合理判断,确定重大性是比较困难的。

风险的处置4种方法(应首先确定风险的可接受标准):

降低风险(Mitigate):采取适当的控制来降低风险 接受风险(Accept):在符合组织的风险接受标准下,接受风险 避免风险(Avoid):停止产生风险的业务活动,从而避免风险的产生 转移风险(Transfer):向其他组织转移风险

风险评估3种技术:

评分机制 主观判断 二者结合

3.信息系统相关控制目标和控制措施


内部控制的两个关键内容:要达到什么、要避免什么。


控制的3个分类:预防性、检测性、纠正性


COBIT5的5条关键原则:
1.满足利益相关者需求
2.端到端覆盖企业
3.采用单一集成框架
4.启用一种整体的方法
5.区分管理和治理(董事会负责治理,管理层负责管理)


4. 审计规划以及审计项目管理技术


4类审计计划
年度计划
短期计划:年度内需实施的审计事项
长期计划:考虑组织调整 IT 战略方针对 IT 环境造成的影响所带来的风险问题
单项审计任务


审计流程与8个步骤:
(1) 审计对象:确定审计领域
(2) 审计目标:明确审计目标
(3) 审计范围:确定要检查的具体系统、职能或单元
(4) 初步审计计划:确定所需技能与资源;确定测试检查的信息来源;确定审计地点和设施
(5) 审计程序和步骤:选择测试的方法;确定访谈对象;搜集政策和标准;开发审计工具
(6) 评价测试和检查结果
(7) 与管理人员沟通结果
(8) 审计报告


5.抽样方法


符合性测试与实质性测试


符合性测试:测试组织对控制程序的符合性,验证控制的执行是否符合管理政策和规程。测试包括:用户访问权限、程序变更控制流程、文件流程、编程文档、例外跟踪、日志检查、软件许可审计等。


实质性测试:评价交易、数据或其它信息的完整性,验证财务报表数据及相关交易的有 效性和完整性。测试包括:基于对账户或交易的抽样来证实复杂计算的结果等。


二者关系:如果符合性测试表明存在充分的内部控制,则可减少实质性测试;反之,如果符 合性测试表明内部控制存在缺陷,就要执行较多的实质性测试。


抽样:根据样本的特征推断总体特征,用于时间及成本都不允许对总体中所有交易和事件进行全面审计时。


审计抽样的两种一般方法:
统计抽样:允许通过置信系数量化抽样风险(即由样本得出错误结论的风险)
非统计抽样(判断抽样)


抽样的分类:


属性抽样:用于符合性测试,结论用比率表示发生率


属性抽样(Attribute Sampling):估计总体中某种特性的发生比率,有多少?


停走抽样(Stop-or-Go Sampling):先部分抽样,如果结果可接受则停止抽样,否则扩大抽样。用于相信总体中只存在少量错误的情况,防止过度抽样。


发现抽样(Discovery Sampling):预期明确,错误发生率低的时候,用于发现舞弊、违反法规或其它非法行为的情况。


变量抽样:用于实质性测试,结论是与正常值的偏差范围

分层单位平均估计抽样(Stratified MeanPer Unit):先对总体分层,再从不同层抽取样本,样本量较小。


不分层单位平均估计抽样(Unstratified MeanPer Unit):用样本均值估计总体。

差额估计(Difference Estimation):根据样本差额来估计总体差额。

抽样术语:


置信系数(Confidence Coefficient):样本特征能代表总体特征的概率,置信系数越高,样本量越大。


风险水平(Level of Risk):1-置信系数


精度(Precision):样本和总体之间的可接受误差范围。精度值越大,样本量越小,总体误差就越大;精度值越小,样本量越大,总体误差就越小。


预期差错率(Expected Error Rate):预计可能存在的误差率,预期差错率越高,样本量越大。只能用于属性抽样,不能用于变量抽样。


样本均值(Sample Mean):所有样本的平均值。


样本标准差(Sample Standard Deviation):样本值对于均值的变化,衡量样本值的离散程度。


可容忍差错率(Tolerable Error Rate):可以存在的最大误报或差错值。


总体标准差(Population StandardDeviation):标准差越大,样本量越大。用于变量抽样,不能用于属性抽样。


6.收集证据技术


证据的两个特性:适当性(质量)、充分性(数量)


证据收集技术:检查组织架构、IS 政策和规程、IS 标准、IS 文档,访谈,观察,穿行测试,走查


计算机辅助审计技术(CAAT)


通用审计软件(GAS,General AuditSoftware):数学计算、统计分析、顺序检查、重复性检查和复算,主要用于进行实质性测试。


调试和扫描软件


测试数据:评价程序软件中是否存在逻辑错误,用于检查数据的完整性。


应用软件跟踪映像


审计专家系统:用于知识库查询,提供指导信息


持续审计:采用自动化报告流程来测评控制的效果和效率,及时发现风险或控制缺陷。应独立于持续控制或监控活动。


7.报告和沟通技术


在审计结束时进行的退场会议中,应该
● 确保审计报告中反映的情况是真实的
● 确保建议的可行性,并且是符合成本效益的
● 确定协商好的实施日期
审计报告


应当由 IS 审计师来最终决定审计报告中包括或者不包括哪些内容。
内部 IS 审计师应该有一个追踪程序来确认既定的整改措施是否已经落实。


8.审计质量保障体系和框架


使用其他审计师和专家服务


当把 IS 审计服务整体或部分外包给其他审计或外部服务提供商时,应监督外包服务的关系


以确保任务执行期间的客观性和独立性。


控制自评估(CSA,Control Self Assessment):用来对关键业务目标、实现目标所面临的风险及管理业务风险的内部控制进行检查的一系列正式的、书面化的程序。(形式包括调查问卷、专题研讨会等等。)


CSA 的目标:通过把一些控制监督职责分散到职能部门来充分发挥内部审计职能的作用,不是替代审计的职责,是一种加强。


CSA的优缺点:

 

相关文章:

CISA学习笔记-第一章、信息系统审计过程

传统的审计三方关系理论指明,审计作为独立于会计记录之外的一项重要职能,是公司财务信息公允可靠的有力保障,制约着会计行为,制衡了会计权力。 1. IS审计和保障标准、指南、工具 职业道德规范 信息技术保证框架(ITAF&a…...

回调函数的使用:案例一:c语言简单信号与槽机制。

系列文章目录 文章目录 系列文章目录前言一、回调函数1.1 回调函数基本概念1.2 简单实现 二、代码案例1.代码示例 总结 前言 了解回调函数的基本概念,函数指针的使用、简单信号与槽的实现机制; 一、回调函数 1.1 回调函数基本概念 回调函数就是一个通…...

python matplotlib库 设置字体字号等

主要是记录字体、字号对应的参数。注意字符串类型的参数要加引号 1.字体: fontname 常见参数: # 常用 Times New Roman、Dejavu sans、TeX Gyre Schola中文字体 黑体:SimHei 微软雅黑:Microsoft YaHei 微软正黑体:M…...

【MySQL】SQL性能分析 (七)

🚗MySQL学习第七站~ 🚩本文已收录至专栏:MySQL通关路 ❤️文末附全文思维导图,感谢各位点赞收藏支持~ 假如我们需要对SQL进行优化,我们就必须对他足够的了解,比如 对哪一类SQL进行优化(增删改查…...

超越想象的GPT医疗 20230723

7月份读完了这本书,趁着周末写下读书笔记吧 这本书 作者:【美】彼得.李 Peter Lee 【美】凯丽.戈德伯格CareyGoldberg 著 【美】伊萨克.科恩Isaac Kohane 芦义 译 在AI风起云涌时代,在这刚刚过去的新冠三年,“超越想象的GPT医…...

【N32L40X】学习笔记03-gpio输出库

gpio输出 该函数库的目的就是在统一的地方配置&#xff0c;将配置的不同项放置在一个结构体内部使用一个枚举来定义一个的别名 led.c #include <stdio.h> #include "led/bsp_led.h"static led_t leds[LED_NUM]{{GPIOB,GPIO_PIN_2,RCC_APB2_PERIPH_GPIOB},{GP…...

WebClient,HTTP Interface远程调用阿里云API

HTTP Interface Spring 允许我们通过定义接口的方式&#xff0c;给任意位置发送 http 请求&#xff0c;实现远程调用&#xff0c;可以用来简化 HTTP 远程访问。需要webflux场景才可 <dependency><groupId>org.springframework.boot</groupId><artifactId&…...

飞书ChatGPT机器人 – 打造智能问答助手实现无障碍交流

文章目录 前言环境列表1.飞书设置2.克隆feishu-chatgpt项目3.配置config.yaml文件4.运行feishu-chatgpt项目5.安装cpolar内网穿透6.固定公网地址7.机器人权限配置8.创建版本9.创建测试企业10. 机器人测试 前言 在飞书中创建chatGPT机器人并且对话&#xff0c;在下面操作步骤中…...

React、Vue框架如何实现组件更新,原理是什么?

引言 React 和 Vue 都是当今最流行的前端框架,它们都实现了组件化开发模式。为了优化性能,两者都采用了虚拟DOM技术。当组件状态发生改变时,它们会使用虚拟DOM进行局部渲染比对,只更新必要的DOM节点,从而避免重新渲染整个组件树。本文将从React和Vue的组件更新原理入手,剖析两…...

常见面试题之设计模式--策略模式

1. 概述 先看下面的图片&#xff0c;我们去旅游选择出行模式有很多种&#xff0c;可以骑自行车、可以坐汽车、可以坐火车、可以坐飞机。 作为一个程序猿&#xff0c;开发需要选择一款开发工具&#xff0c;当然可以进行代码开发的工具有很多&#xff0c;可以选择Idea进行开发&a…...

redis多key问题

多key问题指的是在Redis中存在大量的key&#xff0c;如果这些key过多&#xff0c;超过了Redis可以容纳的内存大小&#xff0c;那么数据会被保存在交换空间&#xff08;swap区&#xff09;&#xff0c;这会导致性能下降。 Redis是一种基于内存的缓存数据库&#xff0c;它的性能…...

kafka第三课-可视化工具、生产环境问题总结以及性能优化

一、可视化工具 https://pan.baidu.com/s/1qYifoa4 密码&#xff1a;el4o 下载解压之后&#xff0c;编辑该文件&#xff0c;修改zookeeper地址&#xff0c;也就是kafka注册的zookeeper的地址&#xff0c;如果是zookeeper集群&#xff0c;以逗号分开 vi conf/application.conf 启…...

2_Apollo4BlueLite中断控制器NVIC

1.概述 Apollo4BlueLite 的中断控制器是采用 ARM Cortex-M4 内核&#xff0c;并集成了 NVIC&#xff08;Nested Vectored Interrupt Controller&#xff0c;嵌套向量中断控制器&#xff09;作为其中断控制器。 NVIC 是 ARM Cortex-M 系列处理器中常用的中断控制器&#xff0c…...

WAIC2023:图像内容安全黑科技助力可信AI发展

目录 0 写在前面1 AI图像篡改检测2 生成式图像鉴别2.1 主干特征提取通道2.2 注意力模块2.3 纹理增强模块 3 OCR对抗攻击4 助力可信AI向善发展总结 0 写在前面 2023世界人工智能大会(WAIC)已圆满结束&#xff0c;恰逢全球大模型和生成式人工智能蓬勃兴起之时&#xff0c;今年参…...

微信小程序quickstartFunctions中云函数的应用

1、在quickstartFunctions文件中新建文件夹和文件 2、index.js 文件书写 const cloud require(wx-server-sdk);cloud.init({env: cloud.DYNAMIC_CURRENT_ENV }); const db cloud.database();// 链表查询试卷和对应的题库 exports.main async (event, context) > {retu…...

Go学习 2、程序结构

2、程序结构 2.1 命名 一个名字必须以一个字母或下划线开头&#xff0c;后面可以跟任意数量的字母、数字或下划线。 大写字母和小写字母是不同的。 GO语言有25个关键字&#xff0c;关键字不能用于自定义名字。 还有大约30多个预定义名字&#xff0c;对应内建的常量、类型和函…...

SpringBoot整合JavaMail

SpringBoot整合JavaMail 简单使用-发送简单邮件 介绍协议 导入坐标 <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-mail</artifactId></dependency>添加配置 spring:mail:host: smtp.qq.co…...

Spring6——入门

文章目录 入门环境要求构建模块程序开发引入依赖创建java类创建配置文件创建测试类运行测试程序 程序分析启用Log4j2日志框架Log4j2日志概述引入Log4j2依赖加入日志配置文件测试使用日志 入门 环境要求 JDK&#xff1a;Java17&#xff08;Spring6要求JDK最低版本是Java17&…...

【计算机视觉 | 目标检测 | 图像分割】arxiv 计算机视觉关于目标检测和图像分割的学术速递(7 月 17 日论文合集)

文章目录 一、检测相关(5篇)1.1 TALL: Thumbnail Layout for Deepfake Video Detection1.2 Cloud Detection in Multispectral Satellite Images Using Support Vector Machines With Quantum Kernels1.3 Multimodal Motion Conditioned Diffusion Model for Skeleton-based Vi…...

为什么需要GP(Global Platform)认证?

TEE之GP(Global Platform)认证汇总 一、为什么需要认证&#xff1f; 二、为什么是GP&#xff1f; 参考&#xff1a; GlobalPlatform Certification - GlobalPlatform...

Java如何权衡是使用无序的数组还是有序的数组

在 Java 中,选择有序数组还是无序数组取决于具体场景的性能需求与操作特点。以下是关键权衡因素及决策指南: ⚖️ 核心权衡维度 维度有序数组无序数组查询性能二分查找 O(log n) ✅线性扫描 O(n) ❌插入/删除需移位维护顺序 O(n) ❌直接操作尾部 O(1) ✅内存开销与无序数组相…...

《Playwright:微软的自动化测试工具详解》

Playwright 简介:声明内容来自网络&#xff0c;将内容拼接整理出来的文档 Playwright 是微软开发的自动化测试工具&#xff0c;支持 Chrome、Firefox、Safari 等主流浏览器&#xff0c;提供多语言 API&#xff08;Python、JavaScript、Java、.NET&#xff09;。它的特点包括&a…...

[ICLR 2022]How Much Can CLIP Benefit Vision-and-Language Tasks?

论文网址&#xff1a;pdf 英文是纯手打的&#xff01;论文原文的summarizing and paraphrasing。可能会出现难以避免的拼写错误和语法错误&#xff0c;若有发现欢迎评论指正&#xff01;文章偏向于笔记&#xff0c;谨慎食用 目录 1. 心得 2. 论文逐段精读 2.1. Abstract 2…...

【项目实战】通过多模态+LangGraph实现PPT生成助手

PPT自动生成系统 基于LangGraph的PPT自动生成系统&#xff0c;可以将Markdown文档自动转换为PPT演示文稿。 功能特点 Markdown解析&#xff1a;自动解析Markdown文档结构PPT模板分析&#xff1a;分析PPT模板的布局和风格智能布局决策&#xff1a;匹配内容与合适的PPT布局自动…...

【算法训练营Day07】字符串part1

文章目录 反转字符串反转字符串II替换数字 反转字符串 题目链接&#xff1a;344. 反转字符串 双指针法&#xff0c;两个指针的元素直接调转即可 class Solution {public void reverseString(char[] s) {int head 0;int end s.length - 1;while(head < end) {char temp …...

视频字幕质量评估的大规模细粒度基准

大家读完觉得有帮助记得关注和点赞&#xff01;&#xff01;&#xff01; 摘要 视频字幕在文本到视频生成任务中起着至关重要的作用&#xff0c;因为它们的质量直接影响所生成视频的语义连贯性和视觉保真度。尽管大型视觉-语言模型&#xff08;VLMs&#xff09;在字幕生成方面…...

SpringBoot+uniapp 的 Champion 俱乐部微信小程序设计与实现,论文初版实现

摘要 本论文旨在设计并实现基于 SpringBoot 和 uniapp 的 Champion 俱乐部微信小程序&#xff0c;以满足俱乐部线上活动推广、会员管理、社交互动等需求。通过 SpringBoot 搭建后端服务&#xff0c;提供稳定高效的数据处理与业务逻辑支持&#xff1b;利用 uniapp 实现跨平台前…...

Axios请求超时重发机制

Axios 超时重新请求实现方案 在 Axios 中实现超时重新请求可以通过以下几种方式&#xff1a; 1. 使用拦截器实现自动重试 import axios from axios;// 创建axios实例 const instance axios.create();// 设置超时时间 instance.defaults.timeout 5000;// 最大重试次数 cons…...

Spring AI 入门:Java 开发者的生成式 AI 实践之路

一、Spring AI 简介 在人工智能技术快速迭代的今天&#xff0c;Spring AI 作为 Spring 生态系统的新生力量&#xff0c;正在成为 Java 开发者拥抱生成式 AI 的最佳选择。该框架通过模块化设计实现了与主流 AI 服务&#xff08;如 OpenAI、Anthropic&#xff09;的无缝对接&…...

Angular微前端架构:Module Federation + ngx-build-plus (Webpack)

以下是一个完整的 Angular 微前端示例&#xff0c;其中使用的是 Module Federation 和 npx-build-plus 实现了主应用&#xff08;Shell&#xff09;与子应用&#xff08;Remote&#xff09;的集成。 &#x1f6e0;️ 项目结构 angular-mf/ ├── shell-app/ # 主应用&…...