在一个全球化竞争、市场瞬息万变、信息爆炸的时代,审计人员的职责就是从被审计单位的数据仓库所包含的海量数据中获取有用的数据,并通过对数据的分析来发表适当的审计意见。一方面,审计对象从以前的纸制账簿变成到种类和格式都复杂的电子数据,也就使审计人员承担的审计责任和面临的审计风险也不断加大。另一方面,企业管理层更加关注经营战略模式的创新,以及相关的风险管理与控制。与此同时,审计的功能和定位也在悄悄发生变化,从传统的关注数据发展到关注和报告某些威胁因素或风险因素,从检查财务报表转变为掌握整个经营系统及其风险因素,寻求功能强大而相对风险较低的审计方法,是现代审计研究的发展趋势。本文通过查阅大量报刊,期刊,杂志,和阅读大量文献从数据挖掘及联网审计的相关理论介绍开始,进一步探索联网审计的风险控制相关内容,最后综合前面三章内容在第四章构建了商业银行的联网审计风险控制系统,并将银行的信用卡营销数据应用于构建的系统联网监控平台的内部审计数据挖掘中,并综合运用五种数据挖掘(决策树、梯度Boosting、回归、神经网络、自动神经网络)模型来处理数据,我们选取的是SAS Enterprise Miner Workstation13.2版本的数据挖掘平台,重点介绍如何通过该平台建立审计数据的挖掘过程。我们将所审计数据的60%部分设成为训练集,40%的部分设成为验证集,并假设对这些以前持卡的人员,如果营销成功则可盈利95元,如果失败就亏损5元,最后挖掘出了理想的结果。通过观察五种数据挖掘模型的ROC图,运用决策树对数据的处理效果最好,且五种模型在处理数据上面无论是训练集还是验证集的上面结果都是相似的,我们以营销成功概率大于60%的标准提取出部分用户。通过审计这些信用卡用户的历史数据,可使以后银行承担最低的风险。