电子发票随着互联网技术发展与用户需求而被催生出来,电子发票的发行将提高国家税收管控效率,节约企业成本,也为消费者带来更便捷的服务。电子发票具有防伪性强、便于保存、流通高效、数据联网、低碳环保等优点。然而,在电子发票系统中也会存在例如重复报销、非法变更发票状态、超限额开具发票等异常行为。本文根据电子发票服务系统中电子发票的流转过程,挖掘可能存在的异常行为,并给出相应的查处流程。特别的,在发票开具系统处基于发票数据海量化、多源化特点而产生类似于企业短时间开具大量大额发票异常行为,给出基于多层感知机的特征研判方法。另外,针对各类异常行为数据中隐藏的企业/用户异常情况,本文还提出了基于K-Means和Skip-gram的异常行为关联分析方法。两类方法均根据历史发票数据和异常数据来训练研判模型,并对新数据进行实时研判。其中,基于机器学习的异常行为研判模型的研判准确率可达99%以上,企业/用户间的关联分析模型的准确率也在80%左右。从训练效果来看,两种方法均具有较强的实用性,可为电子发票服务体系提供可靠地安全保障。