现行审计预警系统，当业务需求发生变动时系统更新相关业务逻辑非常困难，而且系统本身不具有业务规则自学习能力，不能挖掘发现新的业务规则，缺乏完善自身业务规则集的能力。本文基于业务规则相关理论，结合聚类分析技术，提出对基于业务规则的自学习预警系统进行研究，以解决审计预警对业务规则的更新实时性需求和业务规则的自学习能力需求。首先，本文对业务规则、数据挖掘、预警系统的相关理论进行了研究，并详细分析了JRules的系统架构、工作原理以及规则库。其次，本文在对业务规则相关理论研究的基础上构建了审计业务规则库，并详细介绍了构建所需的具体工作，包括审计业务逻辑的采集、业务对象模型的设计和业务规则集的制定。接着，在国内外研究成果的基础上，从审计预警系统对业务规则实时更新性和自学习能力的需求出发，设计了基于业务规则的自学习预警模型架构，对其模块功能、工作原理和模型框架进行了深入研究。预警机制中基于知识库理论，给出了政策知识的表示形式和存储形式，定义了外部触发事件和事件优先级；自学习机制中提出了适用于审计领域的聚类算法KNNFC，给出了与其他聚类算法对审计数据聚类的实验对比；语言解析机制给出了规则分解和规则映射相关的算法，成功地将业务执行语言进行解析。最后，本文在前述研究基础上，设计并实现了基于业务规则的自学习审计预警系统，给出了系统的设计方案和开发方案，简单介绍了系统的开发环境和部署环境，并通过相关实验验证了技术研究的可行性。