在 KYB 和 KYC 筛查中分析负面媒体信息

负面媒体信息为何影响 KYB 和 KYC

负面媒体筛查是少数能在风险造成损失、形成欺诈案件或出现监管结论之前发现风险的风控措施之一。在 KYB 和 KYC 中,它能帮助团队识别与犯罪活动、监管行动、腐败、规避制裁、欺诈及其他负面事件有关的信息,这些信息可能不会出现在结构化数据源中。

问题不在于概念,而在于流程。

团队常常依赖人工搜索、标准不一的关键词规则和临时审核,结果容易漏掉风险、产生误报,也没有审计记录。更完善的做法是使用决策流分两个阶段处理。先快速标记可能相关的结果,再根据文章正文、结构化提示词和有记录的输出,深入分析已标记的内容。

负面媒体筛查的实用流程

不宜用一个模型包办所有工作。更合适的设计是由一组确定性步骤组成,每个步骤都有明确的用途、输入和输出。这样便于说明判断依据、调整规则,也有利于案件管理。

1. 先扩大搜索范围,再用规则筛选

先看搜索覆盖范围。SerpApi 可以获取 Google Search 和 Google News 中与某个对象相关的结果,作为较广范围的初步检索。负面媒体信息并非只出现在一种来源中,它可能出现在新闻文章、当地报道、媒体报道以及已收录的网页中,单次搜索未必能找到这些内容。

这一阶段的目标不是确认信息是否相关,而是收集候选信息。可使用姓名、别名、公司名称、董事、UBO 和其他已知身份标识,再按关键词筛选,标记可能相关的负面信息。关键词可包括与欺诈、逮捕、起诉、贿赂、调查、洗钱、逃税和政治关联有关的词语,具体取决于适用政策。

第一轮筛选应有意放宽范围。范围太窄会漏掉线索,太宽则会让审核队列堆积。合适的范围取决于风险偏好和筛查对象。

2. 用关键词规则确定性地标记结果

关键词规则仍然重要。它响应快、判断依据明确,也便于审计。团队可以说明某条结果为何被标记,无须依赖黑箱判断。这在受监管的筛查工作中尤为重要。

常见规则包括:

  • 姓名完全匹配,且标题或摘要中出现负面关键词
  • 公司名称与执法或调查相关词同时出现
  • 人员姓名与犯罪类别相关词同时出现
  • 针对本地语言筛查的司法辖区专用词
  • 按信息时效设置优先级的时间阈值

这些规则不会直接决定案件结果,只负责筛出需要深入审核的结果。将筛选和最终判断分开,流程就能保持确定性,也更便于维护。

大语言模型适合用于第二阶段

仅靠关键词匹配,无法判断搜索结果是否确实与目标对象有关,也无法区分同名的两个人。它还无法判断文章谈的是刑事指控、政治任命,还是仅仅包含相同关键词的无关事件。

这正是大语言模型可以发挥作用的地方。它不该负责第一轮筛选,而应作为第二阶段的分析工具。

使用得当时,大语言模型可以阅读文章、提取相关事实、判定类别,并返回结构化结果。提示词应限定模型只能回答一组明确的问题,例如:

  • 这篇文章是否在说被筛查的对象?
  • 这是否可能是同名误报?
  • 如涉及负面事件,属于哪一类?
  • 文章中有哪些证据支持这一判断?
  • 是否需要转交人工审核?

输出应采用结构化格式。JSON 就很合适,也可以使用固定字段,例如 match_status、risk_category、confidence、summary 和 supporting_quotes。这样无需额外解析或猜测,就能将结果用于案件管理流程。

如何区分真实风险和同名干扰

同名误报是负面媒体筛查中的主要难题之一。搜索结果可能出现了正确的姓名,却指向另一个人。这种情况并不少见。常见姓名、音译和部分匹配都会增加干扰。

有效的流程会按顺序进行多项核验:

  1. 比对姓名和身份标识。核对年龄、所在地、雇主、公司注册信息、职务和已知关联人。
  2. 查看文章上下文。阅读全文,不要只看摘要或标题。
  3. 核实实体身份。将文本中的相关信息与客户或交易对手记录进行比对。
  4. 划分事件类别。判断事件属于刑事、政治、法律、商业还是无关信息。
  5. 升级处理规则。仅将不确定或高风险案件转交人工审核。

大语言模型在输出受证据约束时最有用。它不应编造事实,而应总结文章中已有的信息、指出不确定之处,并在文章不足以确认匹配时明确说明。

抓取文章全文为何有助于提高准确性

搜索摘要提供的信息不够,常常缺少判断相关性所需的细节。SerpApi 会返回链接,您可以据此获取文章全文,再对正文进行深入分析。这能从三个方面提高判断准确性。

首先,可以查看姓名出现时的完整上下文。其次,可以判断报道谈的是指控、定罪、诉讼、任命还是其他事件。最后,可以提取支持判断的原文句子,放入案件档案。

深入分析只应针对已标记的内容。这样可以控制成本和延迟,也能减少不必要的抓取。整体架构很简单:搜索、标记、补充信息、分析、总结、保存。

抓取文章后,先规范文本,再进行分析。删除导航内容、模板文本和重复内容,然后只把相关正文发送给模型。文章较长时,可拆分处理,再通过确定性的汇总步骤合并结果。

负面媒体筛查的两阶段决策流

实际的决策逻辑可以按以下方式设计:

  • 阶段 1:在网页和新闻来源中搜索相关实体。
  • 阶段 2:应用确定性关键词规则,标记候选信息。
  • 阶段 3:获取被标记候选信息对应的文章全文。
  • 阶段 4:使用结构化提示词,让 LLM 判断相关性并划分类别。
  • 阶段 5:为案件管理生成摘要,列出证据、置信度和判断依据。
  • 阶段 6:将不确定或严重程度较高的案件交由人工分析人员处理。

按这个顺序处理,可以避免让模型同时负责信息检索和判断。各部分也能分别调整,包括搜索词、关键词列表、提示词设计和阈值。

将这些审核规则纳入决策流

制定信贷、反欺诈或催收规则,并用于实际决策。

结构化结果应包含哪些内容

要让输出适用于实际运营,数据结构必须严格。仅有自由文本不够。结果可以包含:

  • entity_match:是、否或不确定
  • match_type:完全匹配、部分匹配、同名、别名或无关
  • risk_category:犯罪活动、政治、制裁、欺诈、诉讼、监管或其他
  • severity:低、中、高
  • confidence:数值评分或固定等级
  • summary:用直白语言概括,2–4 句话
  • evidence:文章中的引用段落
  • recommended_action:通过、审核或升级处理

这种结构能将文章信息整理成案件材料,分析人员可以快速审核,审计人员可以查看相关记录,产品团队可以跟踪结果,流程中的规则也一目了然。

受监管筛查中的重要控制措施

负面媒体筛查涉及合规、风控和运营,因此控制措施和信息覆盖同样重要。

需要完整的决策记录。记录搜索词、来源 URL、触发的关键词规则、模型版本、提示词版本和最终分类。如果结果之后发生变化,需要能查明原因。

关键词和提示词也需要版本管理。提示词的小幅调整可能改变分类结果,更新关键词也可能改变队列规模。应将两者作为受管理的规则集,而不是随手修改的内容。

对于情况不明确的案件,最后仍需人工审核。模型应减少人工处理量,不能取代责任判断。

常见的实施问题

团队通常会在这些环节出错:

  • 只看标题摘要,从不阅读文章全文。
  • 不区分事件类别,所有案件都套用同一份长提示词。
  • 没有将结果标记和最终判断分开。
  • 只保存最终答案,丢失证据记录。
  • 忽略同名歧义,把所有匹配都当成真实匹配。

这些问题都会带来本可避免的干扰,或导致风险漏检。解决办法是分阶段处理,并明确规则、记录输出。

如何纳入更完整的 KYB 和 KYC 体系

负面媒体筛查不应孤立运行,而应与身份核验、制裁筛查、公司登记信息、UBO 核验、设备信息和欺诈风险信号结合使用。这些信息放在一起,才能更全面地了解目标对象及其风险情况。

这对 KYB 尤其重要,因为公司高管、股东和关联实体都可能影响判断。即使公司记录看起来没有问题,一篇涉及董事的负面报道也可能改变案件结果。

KYC 的价值也类似。个人可能通过基础开户核验,但媒体信息仍显示出需要审核的风险。筛查流程应能发现这类信息,分析人员也不必逐条阅读数百条无关搜索结果。

总结

负面媒体分析应作为一条决策流来设计,而不是交给单个模型处理。使用 SerpApi 收集 Google Search 和 Google News 结果,再用关键词规则标记可能存在问题的内容。随后抓取文章全文,通过结构化的大语言模型分析,判断内容是否确实与目标对象有关、属于哪一类,以及是否需要升级处理。

这种做法让适合采用确定性判断的环节保持确定性,也让语言理解发挥作用。它还能为合规团队提供所需的记录和判断依据,并减少案件队列中的无关结果。

按这种方式设计后,负面媒体筛查就不只是搜索任务,还能成为一项可重复执行的控制措施。

常见问题

哪些搜索结果需要抓取全文?

当搜索结果命中负面关键词或类别规则时,应抓取文章全文。之后可用所在地、雇主、职务或公司关联等第二项身份信息,为候选结果排定优先级。初始搜索范围应足够广,以涵盖别名和本地语言报道。抓取每一条提及姓名的内容会增加成本和队列量,但只看摘要又可能缺少确认身份所需的上下文。

关键词阈值应该如何设置?

不要为所有情况设置同一个关键词阈值。先建立范围较广的规则集,再用已确认相关和无关的报道进行测试,测试对象应与实际筛查人群一致。漏掉严重报道代价较高时,可以放宽条件。同名干扰让分析人员难以处理时,则应收紧条件。每次调整后都要检查队列量和漏匹配情况,并保留规则的修订历史。

哪些负面媒体结果应交给人工分析人员?

身份匹配不确定、指控严重程度较高或文章细节互相矛盾时,应交给人工分析人员。大语言模型可以提取证据并判定类别,但负面结论或账户处理措施应由人工分析人员审核确认。不要把置信度评分当作身份确认的证据。分析人员应结合完整文章上下文比对身份信息。

上线前应如何测试筛查流程?

使用分析人员已确认结果的历史筛查数据进行回放测试,其中应包括常见姓名、别名、音译、本地语言报道,以及过时或已更正的报道。统计流程找到相关报道的频率、送审的误匹配数量,以及分析人员需要排除的结果数量。分别测试搜索词、关键词规则和提示词的变更,以便确认哪些调整影响了结果。

将这些审核规则纳入决策流

制定信贷、反欺诈或催收规则,并用于实际决策。