Проверка санкций в реальном времени с Didit и Kafka: Руководство по интеграции (RU)

Масштабируемое соответствиеИнтеграция API Didit для AML-скрининга с Apache Kafka позволяет финансовым учреждениям и предприятиям осуществлять высокопроизводительную проверку санкций в реальном времени, что крайне важно для современного комплаенса и управления рисками.

Архитектурная эффективностьИспользование распределённой потоковой платформы Kafka обеспечивает асинхронную обработку, буферизацию запросов и надёжную доставку данных, гарантируя, что даже при высокой нагрузке запросы на проверку обрабатываются эффективно, не влияя на пользовательский опыт.

Интеллектуальная оценка рисковУсовершенствованная двухбалльная система Didit (показатель совпадения и показатель риска) предоставляет детальное представление о потенциальных рисках, позволяя настраивать пороговые значения соответствия и сокращать количество ложных срабатываний благодаря оценке на основе ИИ.

Бесшовная интеграция с DiditDidit предлагает подход, ориентированный на разработчиков, с чистыми API и модульной архитектурой, что упрощает встраивание AML-скрининга в реальном времени в существующие высокопроизводительные системы, дополняя это бесплатным базовым KYC и отсутствием платы за настройку.

Необходимость проверки санкций в реальном времени

В современной быстро меняющейся цифровой экономике финансовые учреждения, финтех-компании и любой бизнес, обрабатывающий транзакции или регистрирующий пользователей, сталкиваются с постоянно растущей проблемой: соблюдением правил борьбы с отмыванием денег (AML) и финансированием терроризма (CTF). Традиционные методы проверки санкций на основе пакетной обработки больше не достаточны для борьбы со сложными финансовыми преступлениями, которые происходят в реальном времени. Необходимость немедленной идентификации лиц и организаций в глобальных списках наблюдения, санкционных списках и базах данных политически значимых лиц (PEP) является первостепенной. Задержки могут привести к значительным регуляторным штрафам, репутационному ущербу и повышенному риску содействия незаконной деятельности.

Проверка санкций в реальном времени позволяет организациям мгновенно оценивать риски в критические моменты, такие как открытие счёта, инициирование транзакции или даже непрерывный мониторинг. Этот проактивный подход минимизирует воздействие высокорисковых лиц и организаций, обеспечивая соблюдение требований и безопасность бизнеса. Однако достижение истинной проверки в реальном времени в масштабе, особенно в высокопроизводительных средах, представляет значительные архитектурные и технические проблемы. Именно здесь сочетание мощных AI-нативных API, таких как AML Screening от Didit, с надёжными брокерами сообщений, такими как Apache Kafka, становится решающим фактором.

Архитектура для масштабирования: API Didit AML с Apache Kafka

Создание системы проверки санкций в реальном времени, способной обрабатывать миллионы запросов, требует масштабируемой, отказоустойчивой и высокопроизводительной архитектуры. Apache Kafka, распределённая потоковая платформа, является идеальным выбором для этой цели благодаря своей способности обрабатывать большие объёмы данных, обеспечивать отказоустойчивость и асинхронную обработку. При интеграции с API Didit для AML-скрининга она создаёт мощный механизм соответствия.

Архитектура обычно включает отправку запросов на проверку в топик Kafka. Эти запросы могут поступать из различных источников: регистрация новых пользователей, системы обработки транзакций или периодические задания повторной проверки. Приложения-потребители затем считывают данные из этого топика, вызывают API Didit для AML-скрининга и публикуют результаты в другом топике Kafka. Этот децентрализованный подход предлагает несколько преимуществ:

• Высокая пропускная способность: Kafka может принимать и обрабатывать миллионы сообщений в секунду, гарантируя, что запросы на проверку никогда не станут узким местом.
• Масштабируемость: И Kafka, и API Didit разработаны для масштабирования. Вы можете легко добавлять больше брокеров Kafka или экземпляров потребителей для обработки растущей нагрузки.
• Отказоустойчивость: Распределённая природа Kafka и репликация данных гарантируют, что сообщения не будут потеряны даже в случае системных сбоев.
• Асинхронная обработка: Запросы на проверку могут обрабатываться в фоновом режиме без блокировки исходного приложения, улучшая пользовательский опыт.
• Аудируемость: Kafka предоставляет надёжный журнал всех запросов и ответов на проверку, что критически важно для аудитов соответствия.

API Didit для AML-скрининга проверяет пользователей по более чем 1300 глобальным санкционным спискам, спискам PEP и спискам наблюдения в реальном времени, что делает его идеально подходящим для этой высокообъёмной, реальной интеграции. API предоставляет всеобъемлющий отчёт, включая детали совпадений, оценки рисков, оценки совпадений и информацию о негативных медиа, которая затем может быть использована нижестоящими системами для автоматического принятия решений или ручного просмотра.

Понимание системы оценки рисков Didit с двумя показателями

Эффективный AML-скрининг — это не просто выявление потенциального совпадения; это понимание нюансов этого совпадения для избежания ложных срабатываний и точной оценки риска. AML-скрининг Didit использует сложную систему с двумя показателями — показателем совпадения и показателем риска — предоставляя детальный контроль и аналитику для команд комплаенса.

Показатель совпадения отвечает на вопрос: «Является ли это потенциальное совпадение тем же лицом или организацией, которую мы проверяем?» Это показатель достоверности идентификации, рассчитываемый на основе таких факторов, как сходство имени, дата рождения, гражданство и номера документов. Этот показатель помогает отличить истинное совпадение от ложного срабатывания. Например, высокий показатель совпадения (например, выше 93, порог по умолчанию Didit) указывает на высокую вероятность того, что проверяемое лицо действительно находится в списке наблюдения. Запросы, не достигающие этого порога, часто классифицируются как ложные срабатывания, что упрощает процесс проверки.

Показатель риска, напротив, оценивает: «Насколько рискованна эта организация, если это истинное совпадение?» Этот показатель оценивает уровень присущего риска для совпавшей организации, учитывая такие факторы, как страновой риск, конкретная категория списка наблюдения (например, PEP, санкции, судимости) и другую соответствующую информацию. Показатель риска определяет окончательный статус AML — «Одобрено», «На рассмотрении» или «Отклонено» — на основе настраиваемых пороговых значений. Например, оценка ниже «порога одобрения» (по умолчанию 80) может привести к автоматическому одобрению, в то время как оценка выше «порога рассмотрения» (по умолчанию 100) может вызвать автоматическое отклонение. Оценки между этими значениями обычно требуют ручной проверки сотрудником по комплаенсу.

Этот механизм двойной оценки, настраиваемый с помощью таких параметров, как aml_match_score_threshold, aml_score_approve_threshold и aml_score_review_threshold в запросе API, позволяет предприятиям тонко настраивать свои политики AML в соответствии со своим специфическим уровнем допустимого риска и регуляторными требованиями, значительно сокращая нагрузку на ручную проверку при сохранении надёжного соответствия.

Реализация рабочих процессов проверки в реальном времени

Интеграция API Didit для AML-скрининга в конвейер на базе Kafka включает несколько ключевых шагов. Во-первых, определите структуру данных для ваших запросов и ответов на проверку. Запросы обычно включают full_name, entity_type (физическое или юридическое лицо), date_of_birth, nationality и необязательные параметры, такие как document_number или пользовательские пороговые значения оценки.

Когда регистрируется новый пользователь или инициируется транзакция, сообщение, содержащее необходимые пользовательские данные, отправляется в топик Kafka 'aml-screening-requests'. Выделенный микросервис, действующий как потребитель Kafka, считывает эти сообщения. Для каждого сообщения он формирует запрос к конечной точке Didit /v3/aml/. Didit обрабатывает запрос в реальном времени, выполняя проверки по глобальным спискам наблюдения и применяя свою интеллектуальную двухбалльную систему оценки рисков. Ответ API, который включает общий статус AML, детали совпадений и различные оценки рисков, затем принимается микросервисом.

После получения ответа Didit микросервис может опубликовать результаты в топик Kafka 'aml-screening-results'. Нижестоящие системы, такие как служба регистрации пользователей, система обработки транзакций или система управления делами, затем могут использовать эти результаты. Например, если статус AML 'Approved', регистрация пользователя может быть продолжена. Если статус 'In Review', может быть установлен флаг для ручного расследования сотрудником по комплаенсу. Для статусов 'Declined' могут быть запущены соответствующие действия, такие как блокировка транзакции или отказ в создании учётной записи.

Эта реализация гарантирует, что основная бизнес-логика остаётся отделённой от проверок соответствия, позволяя каждому компоненту масштабироваться независимо и поддерживать высокую доступность. Использование Kafka также обеспечивает встроенный механизм повторных попыток и обработку обратного давления, предотвращая перегрузку API Didit во время пиковых нагрузок и гарантируя, что ни один запрос на проверку никогда не будет пропущен.

Как Didit помогает

Didit находится на передовой в предоставлении AI-нативных, ориентированных на разработчиков решений для проверки личности, разработанных для современных высокопроизводительных систем. Наш AML Screening является краеугольным камнем нашего предложения, позволяя предприятиям проверять физических или юридических лиц по более чем 1300 глобальным санкционным спискам, спискам PEP и спискам наблюдения в реальном времени. Наша модульная архитектура означает, что вы можете беспрепятственно интегрировать AML Screening как отдельный API или как часть более широкого рабочего процесса проверки личности, без сложной настройки или длительного времени интеграции. AI-нативная основа Didit гарантирует, что наша двухбалльная система оценки рисков (показатель совпадения и показатель риска) постоянно оптимизируется для точности, сокращая количество ложных срабатываний и предоставляя полезную информацию для команд комплаенса.

Помимо мощного AML Screening, Didit предлагает комплексный набор примитивов идентификации, включая проверку личности (OCR, MRZ, штрих-коды), пассивную и активную проверку живости, а также сопоставление лиц 1:1 и поиск лиц. Наш подход, ориентированный на разработчиков, включает мгновенную песочницу и чистые API, что делает интеграцию простой. Мы выделяемся нашим стремлением сделать надёжную проверку личности доступной, предлагая бесплатный базовый KYC и абсолютно никаких сборов за настройку, что позволяет предприятиям любого размера автоматизировать доверие и обеспечивать соответствие глобально и в масштабе.

Готовы начать?

Готовы увидеть Didit в действии? Получите бесплатную демонстрацию сегодня.

Начните бесплатно проверять личность с бесплатным тарифом Didit.