3. 业务层特征（一）：客户基础信息特征
客户基础信息是KYC（Know Your Customer）流程的起点，也是AML（Anti-Money Laundering）风险识别的第一道防线。本节聚焦于姓名、国籍、年龄、职业、收入来源这五个核心字段，讲解如何从原始数据中提取合规特征，并转化为可量化的风险指标。
3.1 特征提取总览
基础信息特征提取遵循“标准化 → 校验 → 风险映射”三步法。下表概括了每个字段的提取目标与合规关注点：
| 字段 | 原始数据示例 | 合规特征提取目标 | 主要AML风险点 |
|---|---|---|---|
| 姓名 | Zhang San / 张三 | 拼音/汉字标准化、特殊字符清洗、姓名拆分 | 别名/化名、SDN名单匹配、姓名拼写变体 |
| 国籍 | 中国 / CN / 香港 | ISO代码映射、多国籍识别、地区风险等级 | FATF高风险国家、制裁地区、双重国籍 |
| 年龄 | 1985-03-15 / 39岁 | 年龄计算、年龄段分箱、异常值检测 | 未成年人开户、高龄异常交易、年龄造假 |
| 职业 | 个体户 / 无业 / 公务员 | 职业分类编码、PEP识别、高风险职业标记 | 政治公众人物(PEP)、现金密集型行业、空壳公司关联 |
| 收入来源 | 工资薪金 / 投资收益 / 不明 | 收入类型分类、金额区间、与职业匹配度 | 收入与交易量不匹配、来源不明、跨境资金 |
3.2 姓名特征提取
姓名是身份识别的核心标识，也是制裁名单筛查的入口。合规特征提取需解决多语言、多格式、别名变体三大难题。
3.2.1 标准化处理流程
- 字符清洗：去除不可见字符、全角半角统一、剔除特殊符号（如*、#、@）。
- 姓名拆分：区分姓（Last Name）与名（First Name），支持中文、英文、阿拉伯语等不同语序。
- 拼音转换：中文汉字转拼音，生成声母缩写、全拼、带声调三种变体。
- 别名提取：识别曾用名、英文名、昵称，构建别名集合。
实战案例： 客户提交“李小明 (Xiao Ming Li)”，系统应拆分为：姓=李，名=小明；同时生成拼音变体：li xiaoming, lixm, lixiaoming；并标记英文名“Xiao Ming Li”为别名。
3.2.2 姓名风险特征
- 姓名长度异常：过短（单字）或过长（超过50字符）可能为虚假身份。
- 特殊字符占比：包含数字、标点、空格比例过高，提示数据污染或恶意构造。
- 拼音变体数量：变体过多（>5种）可能为规避筛查的拼写变体。
- 与黑名单相似度：基于编辑距离或音似算法计算与SDN名单的匹配分数。
3.3 国籍与地区特征
国籍直接关联制裁风险与FATF（反洗钱金融行动特别工作组）合规要求。特征提取需区分国籍、居住国、出生国三个维度。
3.3.1 风险等级映射
将国籍/地区映射到三级风险标签：
| 风险等级 | 典型国家/地区 | 合规动作 |
|---|---|---|
| 低风险 | 中国、美国、日本、欧盟成员国 | 标准KYC，常规监控 |
| 中风险 | 俄罗斯、印度、巴西、沙特 | 加强尽职调查(EDD)，交易限额 |
| 高风险 | 伊朗、朝鲜、叙利亚、缅甸 | 拒绝开户或提交合规审批 |
3.3.2 国籍特征提取
- 多国籍标记：识别客户是否持有2个及以上国籍，高风险国家组合触发警报。
- 国籍与居住国不一致：如国籍为伊朗但居住在中国，需解释资金来源。
- 地区代码标准化：统一使用ISO 3166-1 alpha-2/3代码，避免“香港”与“CN-HK”混用。
3.4 年龄特征
年龄影响客户行为模式与风险承受能力，异常年龄是身份欺诈的重要信号。
3.4.1 年龄计算与分箱
从出生日期计算当前年龄，并按业务场景分箱：
# 年龄分箱规则示例（Python伪代码）
def age_binning(age):
if age < 18: return '未成年人'
elif 18 <= age < 25: return '青年'
elif 25 <= age < 45: return '中年'
elif 45 <= age < 65: return '中老年'
else: return '老年'3.4.2 年龄风险特征
- 年龄异常值：年龄 < 0 或 > 120，直接标记为数据错误。
- 年龄与职业矛盾：如年龄15岁但职业为“企业高管”，触发身份造假警报。
- 年龄与交易活跃度：70岁以上客户出现高频大额交易，需加强监控。
合规提示： 对于年龄 < 18 岁的客户，需确认监护人信息；对于年龄 > 80 岁的客户，建议增加视频面签环节。
3.5 职业与收入来源特征
职业与收入来源是判断客户资金合法性的核心依据，也是识别PEP（政治公众人物）的关键入口。
3.5.1 职业分类与风险编码
将职业映射到AML风险类别：
| 职业大类 | 示例职业 | AML风险等级 | 特征提取要点 |
|---|---|---|---|
| 政府/公共部门 | 公务员、法官、军官 | 高（PEP风险） | 标记为PEP，关联亲属信息 |
| 金融/会计 | 银行职员、会计师 | 中 | 关注内幕交易、客户信息泄露 |
| 现金密集型 | 个体商户、餐饮、出租车 | 中高 | 收入与现金流水匹配度 |
| 自由职业/无业 | 网红、退休、待业 | 中 | 收入来源证明要求高 |
| 高风险行业 | 赌场、虚拟货币、珠宝 | 高 | 强制EDD，交易监控升级 |
3.5.2 收入来源特征
- 收入类型分类：工资、经营所得、投资收益、赠与、继承、不明来源。
- 收入金额区间：月收入 < 3000 / 3000-10000 / 10000-50000 / > 50000（单位：人民币）。
- 收入与职业匹配度：如职业为“学生”但月收入 > 50000，触发收入来源不明警报。
- 收入稳定性：固定工资 vs 波动收入，波动收入需提供银行流水佐证。
3.6 综合特征提取流程
下图展示了从原始客户信息到合规特征向量的完整处理链路：
3.7 特征质量校验规则
提取后的特征需通过以下校验，确保数据质量满足合规审计要求：
| 校验维度 | 规则描述 | 失败处理 |
|---|---|---|
| 完整性 | 姓名、国籍、年龄、职业、收入来源5个字段均不为空 | 标记为“信息缺失”，触发人工补录 |
| 一致性 | 国籍与身份证件国家一致；年龄与出生日期计算一致 | 标记为“信息矛盾”，要求客户提供证明 |
| 时效性 | 身份证件在有效期内；年龄信息更新不超过1年 | 标记为“证件过期”，触发重新认证 |
| 合理性 | 年龄≥18岁；收入金额为正数；职业不为空 | 标记为“数据异常”，进入风控审核 |
合规红线： 若客户拒绝提供收入来源或职业信息，根据FATF建议，应直接判定为高风险客户，不得以“信息缺失”为由降低监控标准。
3.8 特征存储与版本管理
合规特征需支持历史版本追溯与变更审计。建议采用以下存储结构：
-- 客户基础信息特征表（示例DDL）
CREATE TABLE customer_kyc_features (
customer_id VARCHAR(32) NOT NULL,
feature_version INT NOT NULL, -- 版本号，每次变更+1
name_std VARCHAR(100), -- 标准化姓名
nationality_iso CHAR(2), -- ISO 3166-1 alpha-2
age_bucket VARCHAR(10), -- 年龄分箱
occupation_code VARCHAR(10), -- 职业编码
income_type VARCHAR(20), -- 收入类型
risk_score DECIMAL(5,2), -- 综合风险评分
extract_time TIMESTAMP, -- 特征提取时间
valid_from DATE, -- 生效日期
valid_to DATE, -- 失效日期（NULL表示当前有效）
PRIMARY KEY (customer_id, feature_version)
);通过版本管理，合规审计时可快速回溯客户在任意时间点的特征状态，满足监管机构对KYC信息“可追溯、可验证”的要求。