借助 AI 驱动的身份关联 AML 筛查，降低全球风险

常见姓名导致的大量误报会淹没 AML 审核队列，而真实风险人员也可能借助同名情况隐藏身份。Shufti 通过人脸、证件及 OCR 数据，将每个命中结果绑定至经过生物识别验证的身份。系统判断的是“这个人是谁”，而不仅是姓名拼写是否一致。

根据企业风险偏好调整语音匹配、变音符号、转写、姓名顺序及后缀规则，而非采用供应商默认配置。字段级评分保持透明可解释，并可灵活调节，无需工程支持。

OCR 提取的出生日期、国籍、证件号码及实体类型等信息直接纳入实体级风险评估。对于身份信号存在冲突的匹配结果，系统会自动排除，避免分析人员审核实际上并非同一人的无效告警。

覆盖 215+ 个司法辖区的 4,000+ 份观察名单及 260 万+ PEP 数据，并通过统一 AML 筛查平台支持完整审计。

Shufti AML 筛查软件每 15 分钟刷新制裁名单、PEP 数据、负面媒体信息及加密钱包数据库。

Shufti 会在计算置信度评分前，结合原生语音匹配、转写、变音符号处理及 Unicode 易混淆字符识别技术进行分析。

支持 215+ 制裁体系及 4,000+ 观察名单筛查。负面媒体情报会针对 415+ 风险主题（制裁、PEP、欺诈、贿赂、有组织犯罪等）进行评分，并综合评估上下文、语气及实体角色，而非仅依赖关键词。

加密钱包可匹配 OFAC SDN、GOV.UK、日本财务省及以色列制裁加密钱包名单，并与法币 AML 保持相同的 15 分钟刷新频率。符合 MiCA 及 FATF Travel Rule 标准，支持 VASP 入驻审核。

基于同一数据体系筛查企业实体、船舶、飞机及港口信息。持续重新筛查可通过 API、Webhook、邮件或后台系统触发实时风险告警。

将每条 AML 命中结果与已验证身份、OCR 数据及 MLRO 上下文信息进行比对分析。自动排除可证明的误报，并提供易理解的解释说明，优先呈现真实风险结果，可减少最高 60% 的一级人工初筛工作。

AML 合规团队可在后台配置风险权重（国家、AML 类别、犯罪记录等，总计 100%）及阈值等级（接受、人工审核、拒绝）。每次策略调整均会在正式上线前通过沙箱测试。

内部观察名单、监管机构专属数据源及已解决告警白名单帮助企业沉淀风险经验。可复用搜索配置保持一致筛查范围，并通过 CSV 批量搜索结合 API 支持资产组合批量筛查。