【正文】 云計算和大數據的概念受到了學術界、商界、甚至政府的熱傳，一時間云計算無處不在。Cloud puting technology focusing on “puting”, providing IT data and cloud puting technology can promote the development of continuous audit mode, the overall audit mode of application, the audit results of prehensive application, the application of related evidence, the development of efficient data audit and the development of large data big data and cloud puting technology measures of audit applications include set up longterm development strategy, accelerate the construction of the audit regulations, establish a platform, to strengthen research and development and improve the utilization : big data cloud puting data mining impact on the audit policy Suggestions第三篇：新技術—云計算與大數據云計算與大數據大數據時代已經悄然到來，如何應對大數據時代所帶來的挑戰(zhàn)與機遇，是我們當代大學生特別是我們計算機專業(yè)學生的一個必須面對的嚴峻課題。 data research。參考文獻、云計算技術對審計的影響研究 : 深刻改變未來———關于未來審計的概念與框架的一些思考Big data and cloud puting Big Data(Big Data)in recent years, more and more occasions, the concept is mentioned more and more people, And often, and cloud puting together, what is the relationship between cloud puting and big data bee a hot Special report contains the following four aspects: value of big data?？傊?，云計算是大數據處理的核心支撐技術，是大數據挖掘的主流方式。同時，云計算是提高對大數據的分析與理解能力的一個可行方案。四、總結 大數據的超大容量自然需要容量大，速度快，安全的存儲，滿足這種要求的存儲離不開云計算。第二，文章將GLADE 與兩種不同類型的系統(tǒng)進行比較：一個用UDA 進行改良的關系型數據庫（PostgreSQL）和MapReduce(Hadoop)。文章從兩個方面來論證了系統(tǒng)的有效性。在分布式系統(tǒng)方面，Cheng 等人 提出一個面向大規(guī)?？缮炜s數據分析的可伸縮的分布式系統(tǒng)——GLADE。這種方法可以使大數據進行分配使得各個計算節(jié)點可以同步的結束計算，并且使數據塊的傳輸可以和上一個塊的計算進行重疊來節(jié)省時間。BaoLiang Lu 提出了一種并行的支持向量機，稱為最小最大模塊化網絡(M3)，它是基“分而治之”的思想解決大規(guī)模問題的有效的學習算法。 的并行推理方法得到的LDA 模型一貫地具有與串行推理方法相同的預測能力；但在一個有30 個多核處理器的GPU 上，CGS 方法得到了26倍的加速，CVB 方法得到了196 倍的加速。這種劃分方案也能平衡多重處理器的計算開銷，并能容易地避免內存訪問沖突。 考慮了潛在狄利克雷分配（LDA）的兩種推理方法——塌縮吉布斯采樣（collapsed Gibbssampling，CGS）和塌縮變分貝葉斯推理（collapsedvariational Bayesian，CVB）在GPU 上的并行化問題。Christian Kaiser 還介紹了一種擴展版的區(qū)域到點建模方法，來適應來自空間區(qū)域的大量數據。在合成和真實數據集上的實驗結果顯示，所提出的算法可以獲得顯著的時間和空間節(jié)省。它獨立于隨后使用的數據挖掘算法并且可以被它們使用。該算法計算核矩陣時大幅度降低計算和內存開銷，而且并沒有明顯影響結果的精確度。 提出了一種新的近似算法使基于核的數據挖掘算法可以有效的處理大規(guī)模數據集。 在MapReduce 框架下，討論如何設計高MapReduce 算法，對當前一些基于MapReduce 的數據挖掘和數據挖掘算法進行歸納總結，以便進行大數據的分析。 等提出一種非平凡的策略用來并行一系列數據挖掘與數據挖掘問題，包括一類分類SVM 和兩類分類SVM，非負最小二乘問題，及L1 正則化回歸（lasso）問題。研究顯示數據挖掘、圖遍歷、有限狀態(tài)機是并行化未來的熱門方向。這些GPU平臺由于采用并行架構，使用并行編程方法，使得計算能力呈幾何級數增長。試圖將這些進步結合起來，并且提煉。數據挖掘領域長期受益于并行算法和架構的使用，使得性能逐漸提升。上述IT 巨頭們紛紛通過收購大數據分析公司，進行技術整合，希望從大數據中挖掘更多的商業(yè)價值。三、大數據挖掘數據的價值只有通過數據挖掘才能從低價值密度的數據中發(fā)現其潛在價值，而大數據挖掘技術的實現離不開云計算技術。一旦出現爭議，數據審計師有權審查與分析結果相關的運算法則、統(tǒng)計方法以及數據采集、挖掘和處理過程。能對大數據真實性、可靠性進行鑒證的數據審計師應該是計算機科學、數學、統(tǒng)計學和審計學領域的專家，他們應有大數據分析和預測的評估能力。(六)大數據、云計算技術促進大數據審計師的發(fā)展大數據、云計算時代，數據的真實、可靠是大數據發(fā)揮作用的前提。圍繞大數據，一批新興的數據挖掘、數據存儲、數據處理與分析技術將不斷涌現。隨著大數據、云計算技術成為日常生活中的一部分，審計人員應開始從一個比以前更大、更全面的角度來理解被審計單位，將“樣本= 總體”植入審計人員的思維中。(五)大數據、云計算技術促進高效數據審計的發(fā)展直到今天，審計人員的數字審計技術依然建立在精準的基礎上。電子證據本身就非常復雜，云計算技術使獲取有因果關系的證據更加困難。大數據、云計算技術沒有改變事物間的因果關系，但在大數據、云計算技術中對相關關系的開發(fā)和利用，使得數據分析對因果邏輯關系的依賴降低了，甚至更多地傾向于應用基于相關關系的數據分析，以相關關系分析為基礎的驗證是大數據、云計算技術的一項重要特征。審計人員在搜集審計證據時，傳統(tǒng)的思維路徑都是基于因果關系來搜集審計證據，而大數據分析將會更多地運用相關關系分析來搜集和發(fā)現審計證據。(四)大數據、云計算技術促進相關關系證據的應用審計人員在審計過程中，應根據充分、適當的審計證據發(fā)表審計意見，出具審計報告。最后。其次，審計人員通過應用大數據、云計算技術，可以將同一問題歸入不同的類別進行分析和處理，從不同的角度、不同的層面整合提煉以滿足不同層次的需求。隨著大數據、云計算技術在審計中廣泛應用，審計人員的審計成果除了審計報告外，還有在審計過程中采集、挖掘、分析和處理的大量的資料和數據，可以提供給被審計單位用于改進經營管理，促進審計成果的綜合應用，提高審計成果的綜合應用效果。大數據、云計算技術給審計人員提供了一種能夠從總體把握審計對象的技術手段，從而幫助審計人員能從總體的視角發(fā)現以前難以發(fā)現的問題。如果能夠收集總體的所有數據，就能看到更細微、深入的信息，對數據進行多角度的深層次分析，從而發(fā)現隱藏在細節(jié)數據中的對審計問題更具價值的信息。利用大數據、云計算技術的總體審計模式是要分析與審計對象相關的所有數據，使得審計人員可以建立總體審計的思維模式，可以使現代審計獲得革命性的變化。而大數據、云計算技術對審計人員而言，不僅僅是一種可供采用的技術手段，這些技術和方法將給審計人員提供實施總體審計模式的可行性。在不可能收集和分析被審計單位全部經濟業(yè)務數據的情況下，現時的審計模式主要依賴于審計抽樣，從局部入手推斷整體，即從抽取的樣本著手進行審計，再據此推斷審計對象的整體情況。如審計組織對商業(yè)銀行的審計，實行與商業(yè)銀行建立業(yè)務和數據系統(tǒng)的接口，在開發(fā)的持續(xù)審計系統(tǒng)中固化了非結構化數據結構化和數據分析模塊，該模塊可以在海量貸款客戶中挖掘、分析出行業(yè)性和區(qū)域性貸款風險趨勢，實現在線的風險預警，并將發(fā)現的風險數據、超預警值指標及問題登記為疑點，并建立實時審計工作底稿，按照重要程度進行歸類、核實或下發(fā)給現場審計人員進行現場核實，以較好處理非結構化數據的利用和數據的實時分析利用問題。但是，審計人員實施持續(xù)審計時，往往受目前