海欣研究 | 从"翻账本"到"跑数据"——涉税风险识别的算法转向：以数据、关系与时序为线索
税务机关从未公开其风险识别算法的具体模型与参数，本文基于公开的稽查案例、税务系统的工作方法介绍以及学术文献，对这套算法"工作逻辑"进行还原与推演。其"黑箱"到何种程度，我们无从知晓；但从已公开的案件倒推，其能力边界已经清晰得令人敬畏。
一、从一个案子说起
2024年，国家税务总局东莞市税务局稽查局通过税收大数据分析发现一处反常现象：分布在全市14个镇街、分属20个不同行业的60多户个体工商户，几乎在同一时期大量开具全面数字化电子发票，但进项发票金额极小，且普遍不进行纳税申报。1
单个看，每一户都不起眼——一个小镇上的信息咨询部，似乎并无异常；但将其合并观察，便违背了最基本的经营逻辑：没有进货、没有纳税，却在短期内大量开票。税收大数据先将这批企业"圈"了出来；其后的实地核查、税警联合收网与审判，完整过程见下方案例卡。
案例卡：东莞63户空壳个体工商户虚开发票案
【审理法院】广东省东莞市第一人民法院（2025年6月作出判决）
【当事人】刘卓仁、刘卓勋（团伙主犯；该案共有10名涉案人员被抓获）
【案情】2023年至2024年，刘卓仁、刘卓勋通过中介、兼职群等渠道招募人员，注册63户空壳个体工商户，分布于全市14个镇街、20个行业，在无真实业务的情况下对外开具增值税普通发票。实地核查发现，涉案商户注册地址均系虚假或无法联系，且虽绑定不同开票人，注册时使用的却是同一手机号，认证地址与开票IP地址亦存在异常——典型的团伙特征。鉴于案情重大，税务部门提请公安经侦联合办案；稽查人员以资金流水为切入点，调取约90人的交易信息并层层追溯共同交易方，最终发现所有开票人的资金均集中来源于刘卓仁、刘卓勋两个账户。税警联合收网，在多地抓获10名涉案人员。经查，该团伙累计虚开增值税普通发票1771份，发票金额3721.36万元。2
【裁判要旨】刘卓仁、刘卓勋均犯虚开发票罪，分别被判处有期徒刑2年10个月（并处罚金20万元）和11个月（并处罚金10万元），并处没收违法所得。
【来源】国家税务总局东莞市税务局稽查局通报《虚开发票机关算尽 难逃税警火眼金睛》（广东省税务局官网2026年4月24日发布，南方网2026年4月30日报道）；该案后收录于2026年5月11日广东、深圳税务部门联合曝光的3起虚开增值税发票案件。
值得玩味的是这个团伙的组织方式和反侦察设计：团伙内部精细化分工、单线联系，业务与收款分离、业务号每季度更换，还使用网络代理软件修改IP地址。他们防的是"人"的侦查，却没防住"算法"的筛查。
二、算法先解决"看见"，再解决"看懂"：数据
要理解算法强在何处，先看它处理什么数据。
税务数据天然是结构化的富矿：每一张数电发票的全票面信息（品名、金额、购销双方、开票时间）都实时进入系统；申报表、财务报表是标准格式；更关键的是外部数据——据公开报道，税务部门已与工商、银行、社保、海关、环保、用电等数以百计的部门实现数据共享。这意味着算法"看到"的不只是企业申报的数据，还包括：用电量与产能是否匹配、股东减持数据（来自中国证券登记结算有限责任公司，下称"中证登"）与申报收入是否吻合、社保人数与工资列支是否对应、进销项货物品名是否属于同一产业链。
人工查账是"抽样式"的：查合同就顾不上流水，看发票就顾不上能耗。算法是"全景式"的：几百个维度同时计算，全天候不间断运转。此为其能力的第一层——不是看得更细，而是"同时看所有东西"。
这正是税收征管变革的政策底色：2021年3月，中办、国办印发《关于进一步深化税收征管改革的意见》，要求税务执法完成"从经验式执法向科学精确执法转变"，实现监管从"以票管税"向"以数治税"分类精准监管转变。按国家税务总局此后的官方阐释，金税四期建设形成的智慧税务蓝图包含三个层面的升级：征管方式从"收税"到"报税"再到"算税"，征管流程从"上机"到"上网"再到"上云"，征管效能从"经验管税"到"以票控税"再到"以数治税"。3业内对此有一句概括广为流传：如果说过去税务稽查靠的是"翻账本"，那么现在靠的是"跑数据"。
三、算法"思考"的三代进化
之所以分成三代，依据不是技术出现的早晚，而是算法处理的对象在逐级扩展：第一代处理"单个指标"，第二代处理"群体分布"，第三代处理"关系网络与时间序列"；对应的监管逻辑，也从"比对明规则"，到"自主发现未知风险"，再到"穿透伪装、识别团伙"。对造假者而言，伪装难度逐代递增——规避单一阈值尚属容易，将自身全方位伪装成"正常企业"已颇为困难，要在关系网络与时间序列上均不留痕迹，则几乎不可能。
第一代：阈值比对。其逻辑最为朴素——设定指标，超出阈值即预警。经典例子是税负率：某地区同行业平均增值税税负率为2%，而某企业仅为1%，系统即发出预警。这一代的局限在于"道高一尺"：阈值属于公开的"明规则"，熟悉规则的纳税人可以在阈值边缘操作。
第二代：异常检测（无监督学习）。所谓无监督学习，是就"训练方式"而言的：不向机器提供标注好对错的标准答案，而由它从数据中自行归纳"何为正常"。可以比照稽查人员的职业直觉理解：资深稽查员查账，未必逐条比对规定，往往先凭"这家企业看起来不太对劲"的经验形成怀疑——无监督学习所做的，正是将这种直觉规模化、指标化。系统无需事先被告知何为"违规"，而是取同一行业成百上千家企业的一组指标（净利率、费用率、存货周转等）计算其统计分布，从中习得"正常企业"的整体样貌；凡是显著偏离群体的"离群者"，即自动进入风险名单。企业触发预警，并不以违反某一条明文规则为前提——只需要"不像一个正常企业"。这一代的意义在于：它能够发现稽查人员尚未归纳为规则的未知风险模式。中国社科院财贸所的研究人员在讨论税收人工智能时设想的路径正是如此：先"教"系统如何思考，再让系统自主建立风险指标、对新情况作出新判断——比如环保税法实施后，系统应自主把"排污量与产量的比率与同行业比对"列为新的疑点指标。
第三代：图计算与深度学习——关系与时序。这一代的对象是"关系"与"时序"。所谓深度学习，则是就"模型结构"而言的：它以多层人工神经网络处理图像、语音、文字、时间序列等复杂数据，既能用于分类预测，也能用于生成内容；其特征不由人事先设定，而由机器在训练中自行习得，因而能够捕捉人力难以归纳的复杂模式。吉林市税务局公开的"六员人员关联画像"是典型样本。这套画像要解决的问题很具体：吉林市税务局在日常监管中发现，普通发票虚开往往呈现"六员高度关联、交叉任职"的特征——同一批长期从事涉税中介、熟悉税收政策的人，在多家企业的关键岗位上交叉出现，隐蔽性极强。于是，法定代表人、财务负责人、办税人、领票人、开票人、投资人六类实名办税信息，被编织成一张人员与企业的关联网络——输入一个税号，就能画出所有关联企业及关联的六员人员，直至形成闭合回路；回路中关联重复率高的人员，被判定为"关键控制人"列入重点监管，再结合注册地址、经营能力，从关联性、反常性、虚假性、隐蔽性四个维度排查虚开风险。4
同理还有资金流水的"闭环识别"：资金转出后经过若干层回转重新回到出资方，这在图上就是一个环——洗钱和虚开的经典手法，在图算法面前近乎自我暴露。深度学习则进一步覆盖了"时序"维度：LSTM类神经网络持续跟踪企业开票行为的时间序列。需要说明的是，"人工神经网络"是一个大家族的统称，LSTM（长短期记忆网络）是其中专门处理时间序列的一支。作一比喻：普通人工神经网络擅长看"截面快照"，从某一时点的一组财务指标里找异常；LSTM擅长看"连续录像"，识别行为节奏上的异常——诸如季度末开票量突增300%、连续三天红冲率超过15%、营业时间外的开票占比，这些人类审计员几乎不可能在千万级数据里逐一察觉的模式，对机器而言只是几个特征变量。中国工程院院刊《Engineering》2024年第3期综述《A Survey of Tax Risk Detection Using Data Mining Techniques》（基于数据挖掘技术的税务风险检测方法评述）显示，在财务报表欺诈识别的经典实验中，人工神经网络在测试集上的分类准确率已达92.8%，显著优于决策树、Logistic回归等传统统计模型。5
在实务层面，这一机制已按"信用+风险"的分类分级逻辑运转：《关于进一步深化税收征管改革的意见》要求"实行纳税人缴费人动态信用等级分类和智能化风险监管"，形成"无风险不打扰、有违法要追究、全过程强智控"的执法体系；落到地方，宁德市税务局在"税即视"系统中设置红、橙、黄、蓝四色预警机制，按风险等级推送应对任务，对中高风险纳税人限期核查整改，对低风险纳税人适时提醒提示。也就是说，从"被扫描"到"被要求解释"，中间可能只隔着一条系统推送。3
四、"算法视角"的五个经典镜头
"栈"本是软件行业的说法，指一个系统由若干层次的技术自下而上拼接、层层支撑。以此观之，上述三代算法并非孤立存在，而是嵌入监管端一条完整的"能力栈"之中：最底层是数据层——申报、发票、社保、工商、银行、海关等多源数据的汇集，决定了算法的"原料"边界；中间是算法层——阈值比对、异常检测、图计算与深度学习，处理对象逐级扩展；其上是应用层——风险评分、分级分类、预警推送与限期举证任务，将计算结果转化为监管动作；最外层是制度层——核查、陈述申辩、处罚与救济等法定程序，为算法的输出套上法律的约束与出口。缺了数据层，闭环识别便是无米之炊；缺了制度层，风险评分便可能越过程序，成为事实上的处罚。
把这套能力栈落到具体场景，便不难理解为什么人工审查正在失去可比性：
· 能耗镜头：企业申报收入连续下滑，但用电量、用水量同比持平甚至上升——产量与收入背离，机器只需要一个简单的比值。
· 减持镜头：中证登的股东减持数据与企业的所得税申报自动比对，"减持而未确认收入"的情形无所遁形。
· 新办镜头：成立仅数月的商贸公司，短期大额开票、有销项无进项、开票量环比增长异常——2020年12月，河北税务部门正是依托此类风险识别机制，发现了全国首例虚开增值税电子专用发票案（详见下方案例卡）。
案例卡：全国首例虚开增值税电子专用发票案
【审理法院】河北省赵县人民法院（2021年9月9日公开开庭审理并当庭宣判；该案系全国首例虚开增值税电子专用发票案）
【案情】2020年10月，河北省在石家庄市启动增值税专用发票电子化试点。同年12月，河北税务部门依托电子专票"一户式"管理机制，发现石家庄市一家新开立的商贸公司开具的电子专票存在重大涉税风险，数日内即锁定虚开嫌疑；经税警联动侦查月余，抓获团伙成员6人——该团伙通过线上注册空壳公司，申领并对外虚开电子专票，涉及金额400余万元。2021年3月，国家税务总局将该案作为首起增值税电子专票虚开案件对外曝光。法院审理查明：孙某与石家庄市某区税务局税管员骆某共谋，于2020年12月注册石家庄某建材有限公司并认定为增值税一般纳税人；12月22日至25日间，对外虚开、让他人为自己虚开电子专票共计86份，税额合计103万余元；其间，骆某在接到税务系统推送的预警核查任务后，当即通知了孙某。
【裁判要旨】孙某、骆某犯虚开增值税专用发票罪，均被判处有期徒刑三年，缓刑三年六个月，并处罚金人民币七万元；二被告人认罪认罚。
【来源】国家税务总局2021年3月曝光的首起增值税电子专票虚开案件（经济参考报2021年3月3日报道）；赵县人民法院宣判报道（2021年9月）。6
要点：电子专票试点甫一落地，风险识别机制即在数日内捕捉到首例虚开；而预警核查任务一度落到"内鬼"手中的情节则提示——算法负责发现，案件最终仍要靠人来办成。
· 优惠镜头：2020年5月，杭州税务部门通过大数据全面扫描申报疫情防控税收优惠的企业及相关涉税数据，从一户商贸公司的异常中顺藤摸瓜，最终锁定关联企业62户，涉案金额2.5亿元。重庆"4·01"特大虚开发票案，同样始于大数据扫描对开票团伙的自动发现。两案案情详见下方案例卡。
案例卡①：杭州利用疫情防控税收优惠政策虚开发票案
【案情】2020年5月，杭州市税务局通过大数据全面扫描申报疫情防控税收优惠政策的企业及相关涉税数据，发现某商贸公司存在重大虚开疑点；经进一步分析监测，最终锁定关联企业62户——其中李某控制的21户企业主要负责成立公司后虚开发票，胡某控制的41户企业主要负责非法出售营业执照和开票资格。杭州警税开展集中收网行动，抓获犯罪嫌疑人18名，涉案金额2.5亿元。
【来源】国家税务总局2021年5月曝光的8起虚开发票违法典型案例（新华网2021年5月12日报道）。7
案例卡②：重庆"4·01"特大虚开发票案
【案情】2020年4月初，重庆税务、公安部门运用大数据开展虚开风险扫描研判时，发现一虚开发票团伙线索，随即会同税务总局驻重庆特派办联合查处。2020年5月，重庆市公安局、重庆市税务局和税务总局驻重庆特派办联合，对"4·01"专案涉及的7个跨省虚开发票团伙实施统一收网行动，打掉窝点12个，抓获犯罪嫌疑人63名。经查，该团伙采取注册若干户空壳企业的方式，对外虚开增值税专用发票和普通发票，金额合计71.8亿元，系上述8起典型案例中涉案金额最大的一起。
【来源】同上（国家税务总局2021年5月曝光的8起虚开发票违法典型案例）。8
· 跨境镜头：跨境关联交易的利润转移，曾长期是监管的"深水区"——交易发生在境外、合同多为外文、转移路径隐蔽。数据比对同样在这一领域打开了缺口。青岛市即墨区税务局提炼出关联申报数据比对"三步法"：第一步，从后台筛出平均利润率低、利润率变动大且关联交易申报金额较大的涉外企业，锁定风险对象；第二步，调取企业主营业务收入、成本、费用、发票购销等明细，摸清利润流向底数；第三步，通过关联交易价格和利润率水平比对，确认企业借助定价策略向境外转移利润的线索。2025年，该局运用这一方法发现某设备制造企业的完全成本加成率远低于行业水平，与其实际承担的功能和风险明显不匹配，企业经约谈取证后主动完成特别纳税调整，补缴企业所得税及利息575.26万元；在对某轮胎制造企业的分析中，又锁定其泰国等境外子公司担保费、商标专利授权未确认收入等7项疑点，历经7个月、8轮谈判与多次实地核实，最终就担保费收入和特许权使用费合计挽回税款近730万元。10
还需说明上述案例的时间坐标。石家庄案、杭州案与重庆"4·01"案发生于2020年至2021年，属于这套机制在试点与推广初期的早期案例：电子专票试点甫一落地，首例虚开即在数日内被锁定，恰恰说明其识别能力自始即已确立；2024年的东莞案与2025年的即墨"三步法"则表明，这套机制并未停留在初期水平，而是在持续迭代，并向跨境税源等更为复杂的领域延伸。引用早期案例的另一层考虑在于，它们具备完整公开的案情与裁判文书可供解剖——此种透明度，恰是距今更近的案例往往不具备的。
五、算法的边界：从风险指向到违法认定的法律距离
在此，作为律师必须强调：算法的输出在法律上只是风险指向，而非违法认定。风险评分高，仅触发核查程序；定案仍须证据链、陈述申辩与法定程序。算法黑箱带来的误报、特征歧视（比如"新办企业+大额开票"这一特征本身并不违法），恰恰是企业方可以且应当抗辩的空间——东莞案中，最终仍由稽查人员循算法指引完成证据固定；石家庄案则从反面印证了这一点——系统推送的预警核查任务，一度落到与该团伙共谋的税务干部手中。6
这一判断正在获得立法层面的确认。2026年8月31日，国务院常务会议讨论并原则通过《中华人民共和国税收征收管理法（修订草案）》，决定提请全国人大常委会审议；据公开报道，2026年11月2日至6日举行的全国人大常委会会议将审议该草案。需要说明的是，截至本文定稿，修订草案全文尚未正式对外公布；就已公开的修订征求意见稿（2025年3月28日公布）而言，涉税大数据的应用已有明确的条文依托——其第三十八条规定："税务机关有权运用纳税人、扣缴义务人申报信息以及依法获取的第三方信息等涉税大数据，对纳税人、扣缴义务人申报纳税的真实性、准确性、完整性进行风险分析，评估其应纳税额或者应解缴税额，实施与风险程度相匹配的应对措施"；第六条建立部门间涉税信息提供与共享机制；第二十九条设定电子商务平台经营者报送平台内经营者、从业人员涉税信息的义务。"算法"的法律地位，正在被立法逐条界定。与此同时，草案拟取消纳税争议"复议前清税"的要求，纳税人权利保障同步加码。算法筛查与程序保障的双轨结构，正在从实务惯例变成成文规则。9
这也是为什么涉税争议业务没有因算法消失，反而因"机器先预警、人工后核查"的新流程而变得更加前置：风险应对的窗口期，从"收到稽查通知书"提前到了"被系统标记"的那一刻。
六、结语：对手已经是算法
回到文章的起点。监管端的能力栈已经非常清晰：全量发票数据、数以百计的部门外部信息、无监督异常检测、图关系穿透、时序模式识别，再叠加风险分级和快速举证机制。企业端如果还在靠"有经验的会计把账做平"来应对，已与监管端形成明显的能力代差。
不必恐慌，但要清醒。这里有必要说清"经得起查"与"经得起算"的区别——两者的对手不同："查"是事后的、抽样的、点状的，稽查员翻到哪本账，把那本账做平即可；"算"是实时的、全量的、交叉的，你的每一项申报，都在被几百个维度的数据同时检验，一处造假，需要处处造假。所以——合规的基准线，已经从"经得起查"变成了"经得起算"。
注释
1. 国家税务总局东莞市税务局稽查局通报：《虚开发票机关算尽 难逃税警火眼金睛》（广东省税务局官网2026年4月24日发布，南方网2026年4月30日报道）；该案后收录于2026年5月11日广东、深圳税务部门联合曝光的3起虚开增值税发票案件。
2. 同上。该案作案时间为2023年至2024年；2024年12月至2025年4月，税务部门依据《中华人民共和国发票管理办法》第21条第2款将涉案发票定性为虚开；2025年6月，东莞市第一人民法院以虚开发票罪判处刘卓仁有期徒刑2年10个月（并处罚金20万元）、刘卓勋有期徒刑11个月（并处罚金10万元），并没收违法所得。另据媒体报道，涉案个体户注册地址均为虚假或无法联系、以同一手机号注册；团伙通过中介及兼职群招募人员、按开票量支付费用；税警联合在多地抓获10名涉案人员。
3. 中共中央办公厅、国务院办公厅：《关于进一步深化税收征管改革的意见》，2021年3月印发。"从经验式执法向科学精确执法转变""从'以票管税'向'以数治税'分类精准监管转变"均为《意见》原文（"主要目标"部分）。"收税—报税—算税""上机—上网—上云""经验管税—以票控税—以数治税"的三段式概括非《意见》原文，出自国家税务总局官方阐释，见国家税务总局官网《征管改革不停步 科技强税提质效——党的十八大以来税务部门持续推进税收征管改革综述》（2022年8月30日）与《进一步深化税收征管改革这一年》（2022年4月），国家税务总局总经济师饶立新对此有专门解读。分级预警与应对的落地样例，另见《中国税务报》2025年10月10日报道：宁德市税务局在"税即视"系统中设置红、橙、黄、蓝四色预警机制，对中高风险纳税人限期核查整改，对低风险纳税人适时提醒提示。
4. 税屋网：《关于税收大数据：您了解多少？》，转引《中国税务报》对吉林省吉林市税务局"六员人员关联画像"实践的报道：该局针对普通发票虚开"六员高度关联、交叉任职"的特征，以法定代表人、财务负责人、办税人、领票人、开票人、投资人六类实名信息关联建网，并结合注册地址、经营能力，从关联性、反常性、虚假性、隐蔽性四个维度排查风险。
5. 中国工程院院刊《Engineering》2024年第34卷第3期综述《A Survey of Tax Risk Detection Using Data Mining Techniques》（基于数据挖掘技术的税务风险检测方法评述，作者郑庆华、师斌等，西安交通大学，DOI: 10.1016/j.eng.2023.07.014，开放获取），转述Lin等人的经典实验，综述原文："the effect of artificial neural network was better than that of the decision tree or LR model, with the former obtaining a classification accuracy of 92.8%"（人工神经网络的效果优于决策树与Logistic回归模型，前者分类准确率达92.8%）。被引文献：Lin, Chiu, Huang & Yen, Detecting the Financial Statement Fraud: The Analysis of the Differences between Data Mining Techniques and Experts' Judgments, Knowledge-Based Systems, Vol. 89 (2015), pp. 459-470, DOI: 10.1016/j.knosys.2015.08.011。该文摘要载明，ANN在训练集与测试集上的分类准确率分别为91.2%与92.8%，对照的Logistic模型仅为83.7%与88.5%。
6. 国家税务总局2021年3月曝光的首起增值税电子专票虚开案件（见经济参考报2021年3月3日《税务总局曝光首起增值税电子专票虚开案件》）；审判情况见赵县人民法院2021年9月9日当庭宣判报道。该案系全国首例虚开增值税电子专用发票案。骆某的税管员身份、其利用税务监管提供便利并参与分成、以及"接到税务系统预警信息核查任务后立即通知孙某"等情节，见《法治日报》2021年9月15日《全国首例虚开增值税电子专用发票案宣判——税管员提供方便参与分成构成共同犯罪》（中新网、中国青年报等转载）。
7. 国家税务总局2021年5月曝光的8起虚开发票违法典型案例（中国税务网、新华网转引）：杭州税务部门大数据扫描享受疫情防控税收优惠企业，从一户商贸公司异常顺藤摸瓜，锁定关联企业62户，涉案金额2.5亿元。
8. 国家税务总局曝光典型案例（同上）：重庆"4·01"特大虚开发票案。
9. 2026年8月31日，国务院常务会议讨论并原则通过《中华人民共和国税收征收管理法（修订草案）》，决定提请全国人大常委会审议；据财新网2026年10月30日报道，2026年11月2日至6日举行的全国人大常委会会议将审议该草案。修订草案全文尚未正式公布；2025年3月28日，国家税务总局、财政部公布《中华人民共和国税收征收管理法（修订征求意见稿）》（共106条，新增16条、删除4条、修改69条），其第六条建立涉税信息提供与共享机制，第二十九条规定平台经营者报送平台内经营者、从业人员涉税信息的义务，第三十八条规定："税务机关有权运用纳税人、扣缴义务人申报信息以及依法获取的第三方信息等涉税大数据，对纳税人、扣缴义务人申报纳税的真实性、准确性、完整性进行风险分析，评估其应纳税额或者应解缴税额，实施与风险程度相匹配的应对措施"；征求意见稿同时拟取消纳税争议"复议前清税"的要求。
10. 青正轩、周梦园：《"三步法"比对数据 锁定跨境税收风险》，《中国税务报》2026年10月28日。
注：本文仅为研究性观察与观点分享，不构成税务或法律意见。