1. 课程导论：反洗钱业务背景、推理链路概念与API核心价值
1.1 反洗钱（AML）业务背景
反洗钱（Anti-Money Laundering, AML）是指金融机构及特定非金融行业为预防、监测和报告洗钱活动而采取的一系列法律、制度与操作措施。洗钱通常分为三个阶段：处置（Placement）、离析（Layering）和归并（Integration）。全球每年洗钱金额约占GDP的2%~5%，监管处罚力度持续加大。
核心监管驱动力： FATF（金融行动特别工作组）40项建议、巴塞尔协议、各国反洗钱法（如美国BSA、欧盟AMLD、中国《反洗钱法》）。违规处罚可达数十亿美元，并涉及刑事责任。
| 洗钱阶段 | 典型行为 | AML监测重点 |
|---|---|---|
| 处置 | 大额现金存入、购买金融产品 | 现金交易报告（CTR）、大额交易监测 |
| 离析 | 多账户转账、跨境电汇、虚拟货币交易 | 可疑交易报告（STR）、资金链路追踪 |
| 归并 | 投资房地产、奢侈品、合法企业 | 资产来源核查、受益所有人识别 |
1.2 推理链路概念
在AML系统中，推理链路（Inference Chain）是指从原始交易数据出发，经过规则引擎、模型评分、关联分析、案例聚合等步骤，最终生成可疑交易报告（STR）或警报的完整逻辑路径。它并非单一算法，而是多步骤、多数据源、多决策点的可解释性流程。
- 数据层： 交易流水、客户信息、黑名单、制裁名单、负面新闻。
- 规则层： 阈值规则（如单笔>1万美元）、行为模式规则（如短期内频繁换汇）。
- 模型层： 机器学习模型（异常检测、聚类、图神经网络）输出风险评分。
- 关联层： 实体关联分析（同一IP、共用地址、循环转账）。
- 决策层： 人工审核、案例升级、STR生成与报送。
关键设计原则： 推理链路必须支持可追溯（每一步决策可回查）、可干预（人工可调整参数或规则）、可审计（监管可验证逻辑完整性）。
1.3 API设计在AML系统中的核心价值
现代AML系统已从单体架构演进为微服务化、事件驱动的分布式架构。API（应用程序编程接口）成为连接数据源、规则引擎、模型服务、案例管理、监管报送等模块的关键契约。没有良好的API设计，推理链路将面临数据孤岛、集成成本高、扩展性差等严重问题。
| 价值维度 | 具体体现 | 业务影响 |
|---|---|---|
| 解耦与复用 | 规则引擎、模型服务、黑名单查询各自独立部署，通过REST/gRPC通信 | 降低系统耦合度，支持独立迭代与灰度发布 |
| 标准化集成 | 统一交易数据格式（ISO 20022）、统一错误码、统一认证鉴权 | 减少对接成本，新数据源接入时间从周级降至天级 |
| 可观测性 | 每个API调用携带Trace ID，支持全链路追踪与耗时分析 | 快速定位推理链路瓶颈，提升监管响应效率 |
| 安全合规 | API网关统一管控访问权限、数据脱敏、操作审计 | 满足监管对数据安全与隐私保护的要求 |
| 弹性扩展 | 模型推理API支持水平扩缩容，应对大促或突发交易高峰 | 保障SLA，避免因流量突增导致警报延迟或丢失 |
常见设计陷阱： 将业务逻辑直接暴露在API参数中（如规则阈值硬编码）、缺乏版本管理导致下游断裂、忽略幂等性设计造成重复警报。本课程后续章节将逐一给出解决方案。
1.4 本课程学习路径
本教程共30章，从业务基础到API实战，覆盖以下核心模块：
- 基础篇（第1-5章）： AML业务概念、推理链路设计原则、API设计规范（RESTful/gRPC/GraphQL选型）。
- 核心篇（第6-18章）： 交易数据API、规则引擎API、模型推理API、关联分析API、案例管理API的详细设计与实现。
- 进阶篇（第19-25章）： 高并发处理、数据脱敏与隐私计算、API安全（OAuth2.0/mTLS）、全链路追踪。
- 实战篇（第26-30章）： 端到端推理链路API集成、性能压测、监管报送对接、生产部署与运维。
前置要求： 了解基本REST API概念（HTTP方法、状态码、JSON）、熟悉至少一种编程语言（Java/Python/Go）。每章均提供可运行的代码示例与Postman集合。