2. 业务背景：反洗钱(AML)与可疑交易监测
反洗钱(Anti-Money Laundering, AML)是金融行业合规体系的核心防线。本章从监管要求、典型场景与推理链路的关系出发，帮助理解为什么需要一套专门的可疑交易推理链路模型来支撑Serving系统。
2.1 监管要求与合规驱动力
全球反洗钱监管框架以FATF(金融行动特别工作组)建议为基准，各国央行据此制定本地化细则。中国央行3号令《金融机构大额交易和可疑交易报告管理办法》是境内机构必须遵守的硬性合规标准。
| 监管维度 | 核心要求 | 对Serving系统的约束 |
|---|---|---|
| FATF 建议 | 风险为本(Risk-Based Approach)、客户尽职调查(CDD)、可疑交易报告(STR) | 模型需支持动态风险评级，推理链路可追溯 |
| 央行3号令 | 大额交易5个工作日内报告；可疑交易实时监测、5个工作日内提交可疑报告 | Serving延迟需控制在秒级，推理结果需附带证据链 |
| 数据保存 | 交易记录至少保存5年，客户身份资料至少保存5年 | 推理链路需支持离线回放与审计 |
合规红线： 未按规定报送可疑交易报告的机构，央行可处以20万-200万元罚款，并暂停部分业务。推理链路模型必须确保不漏报、不迟报、可解释。
2.2 典型可疑交易场景
实际业务中，洗钱行为往往通过多种交易模式掩盖资金来源与去向。以下三种场景是推理链路模型需要重点识别的核心模式：
- 拆分交易( structuring / smurfing )： 将大额资金拆分为多笔低于监管阈值(如5万元人民币)的小额交易，规避大额报告义务。
- 快进快出( rapid movement )： 资金在短时间内(如24小时内)从入账到转出，账户不留余额或仅留极小余额，切断资金追踪线索。
- 深夜交易( off-hours trading )： 在非正常营业时段(如凌晨0:00-5:00)频繁操作，利用系统监控薄弱窗口完成资金转移。
2.3 推理链路模型在AML中的定位
传统规则引擎(如阈值触发、黑名单匹配)存在高误报、低覆盖的缺陷。推理链路模型通过多步推理与上下文聚合，将原始交易数据转化为可解释的嫌疑评分与证据链。
关键区别： 规则引擎输出的是“是否命中规则”(0/1)，推理链路模型输出的是“嫌疑概率 + 推理路径”。后者更符合监管对可疑交易报告(STR)需附带详细理由的要求。
2.4 业务场景到推理链路的映射
在Serving系统中，每个可疑场景对应一组特定的推理步骤。以下表格展示了三种典型场景与推理链路关键节点的对应关系：
| 场景 | 触发条件 | 推理链路关键节点 | 输出证据 |
|---|---|---|---|
| 拆分交易 | 单笔 < 5万，24h内累计 > 20万 | 金额聚合 → 时间窗口统计 → 对手方关联 | 拆分交易图谱、累计金额曲线 |
| 快进快出 | 入账后 < 1h 转出 > 80% 资金 | 资金停留时间计算 → 出入金比例 → 账户余额变化 | 资金流向图、停留时间分布 |
| 深夜交易 | 交易时间在 0:00-5:00，且频率 > 3笔/h | 时间戳解析 → 历史行为画像对比 → 异常时段检测 | 时段偏离度、历史行为对比表 |
注意： 单一场景的推理结果不能直接作为STR依据。推理链路模型必须支持多场景叠加评分，例如“深夜拆分交易”比单一场景的嫌疑权重更高。Serving系统需要设计场景融合层来处理这种复合推理。
2.5 本章小结
- 反洗钱监管要求( FATF + 央行3号令 )是推理链路模型存在的合规驱动力。
- 拆分交易、快进快出、深夜交易是推理链路需要覆盖的三大核心场景。
- 推理链路模型相比规则引擎，在可解释性、误报率、监管审计方面具有显著优势。
- 每个场景对应独立的推理链路节点，Serving系统需支持场景融合与证据链输出。