随着互联网的快速发达,信息产业经济随着迅速兴起,使得实体经济的商业模式变得越来越复杂,实体经营的类型也更加多样,财务舞弊的方式也在更新和升级,因为财务舞弊是由精心策划而来的,因此隐蔽性很强,大多难以被及时识别,这成为了审计工作的一个重大挑战。虽然中国市场监督机构对市场的监管越来越严格,但未能避免舞弊事件仍层出不穷,使得不少人对我国金融市场产生了信任危机,这严重抑制着中国证券市场的健康发展。所以,通过运用数据挖掘技术,来建立一个智能的识别财务舞弊的系统,对于辅助审计人员,以及相关的监管机关和投资人提升舞弊辨认能力,有着十分重大的意义。致力于构建更有效而准确的鉴别出财务舞弊,使广大投资人免于受财务舞弊所造成的经济损失,为他们提供一个健康的市场投融资环境,从而致力于我国证券市场更有序的健康发展。本文通过查找数据库中有关上市公司财务舞弊的违规事件信息,同时结合了中国证监会和证监会下属的地级监管局披露的信息,在这个基础上,搜索了2012年至2020年因存在舞弊公开受罚的上市公司,共确定了70个舞弊样本,210个非舞弊样本。接着在诸多学者的研究的基础上,制定了适用于上市公司财务舞弊识别指标体系,然后又将汇总好的数据在BP神经网络进行训练和仿真测试,最后训练结果表明所建立的舞弊识别模型是成功的,并能够把模型应用于实际应用。建立好识别模型后,接着将本文案例公司康得新的财务数据输入模型中,对其进行舞弊识别研究。本文通过基于神经网络对康得新案件的识别研究与分析,总结了本次研究的结论,并以此为基础分别从消除舞弊机会、提高舞弊发现概率、提高舞弊成本、抑制舞弊动机等几个方面提出了相关建议。