上市公司在识别评价内部控制缺陷类型时，很少考虑多项缺陷组合的风险水平和严重程度，或是人为主观的对内部控制缺陷组合进行评价。本文的研究正是考虑如何实现对缺陷组合严重程度的评价，实现对内部控制缺陷类型的自动判断。本文首先构建了内部控制缺陷判断标准体系，用以识别判断上市公司存在的具体缺陷类型。然后利用BP神经网络技术，构建了基于BP神经网络的内部控制缺陷识别模型，该模型可对上市公司的内部控制缺陷信息及缺陷组合的风险叠加效应进行综合分析，自动识别上市公司的整体内部控制缺陷类型。同时，本文利用上市公司的样本数据对该模型进行了训练，然后用另一样本数据对该模型进行了验证。发现当把内部控制缺陷分为三类（重大缺陷、重要缺陷、一般缺陷）时，该模型识别预测缺陷的准确率可以达到73.33%，当把重要缺陷归入重大缺陷，只分为重大缺陷、一般缺陷时，该模型识别预测缺陷的准确率可以达到86.67%。说明上市公司在评价内部控制缺陷时，尤其是对多项缺陷组合的评价时，可以借鉴该模型用来识别整体的内部控制缺陷类型，预测可能存在的重大缺陷，实现对内部控制缺陷的自动判断，减少人为的主观评价。