3. 系统架构总览：反洗钱在线推理系统的分层架构

反洗钱在线推理系统需要实时处理海量交易数据，在毫秒级时间内完成风险识别与决策。为了支撑这种高吞吐、低延迟的业务场景，系统通常采用清晰的分层架构设计。每一层各司其职，通过标准化的接口进行数据传递，形成一条完整的在线推理链路。

下图展示了反洗钱在线推理系统的核心分层架构，从数据源头到最终决策输出，共分为四个主要层次：

3.1 数据接入层

数据接入层是整个推理链路的起点，负责从多个异构数据源实时采集并标准化原始数据。该层需要处理高并发、多协议的数据流，并保证数据不丢失、不重复。

3.2 特征计算层

特征计算层是系统的“算力核心”，将原始数据转化为可供规则和模型使用的结构化特征。该层通常采用流式计算引擎（如 Flink、Spark Streaming）实现实时特征加工。

常见的反洗钱特征类型包括：

• 金额类特征：单笔交易金额、近 1 小时累计交易金额、近 24 小时累计交易金额、与历史均值偏离度。
• 频次类特征：近 1 小时交易次数、近 7 天交易次数、同一对手方交易频次、跨设备登录频次。
• 时间类特征：交易间隔时间、凌晨交易占比、交易时间与历史行为时间分布差异。
• 关联类特征：交易对手方风险等级、资金链路深度、是否涉及高风险地区、关联账户数量。

3.3 规则 / 模型引擎层

该层是反洗钱推理的“大脑”，负责对计算好的特征进行风险判定。现代反洗钱系统通常采用规则 + 模型的混合策略，兼顾可解释性与识别准确率。

规则引擎与模型引擎的对比：

3.4 决策输出层

决策输出层是推理链路的终点，负责将规则/模型引擎的判定结果转化为具体的业务动作。该层需要与下游系统（预警平台、核心账务系统、监管报送系统）进行可靠交互。

决策输出层的主要输出类型：

• 风险等级：将交易或客户划分为低风险、中风险、高风险、极高风险等级，用于后续差异化处理。
• 预警工单：生成待人工审核的预警记录，包含交易详情、命中规则/模型、特征快照、风险原因。
• 阻断指令：对极高风险交易直接下发阻断指令，阻止交易执行，并记录阻断日志。
• 监管报告：按照监管要求（如央行 3 号令）生成大额交易报告、可疑交易报告。
• 审计日志：记录完整的推理链路日志，包括输入数据、特征值、规则/模型版本、决策结果，用于事后审计和模型迭代。

3.5 分层架构的核心优势

采用分层架构设计并非偶然，而是反洗钱在线推理系统在长期实践中沉淀出的最佳实践。其核心优势体现在：

• 解耦与复用：每一层独立演进，特征计算层可以同时服务于规则引擎和模型引擎，决策输出层可以复用同一套输出逻辑。
• 水平扩展：各层可以独立进行水平扩展。例如，当交易量激增时，只需增加特征计算层的计算节点，无需改动其他层。
• 可观测性：清晰的层次划分使得每个环节的延迟、吞吐量、错误率都可以独立监控和告警，便于快速定位瓶颈。
• 灰度发布：新规则或新模型可以在不影响整体链路的情况下，先在模型引擎层进行 A/B 测试，验证效果后再全量上线。