真正有据可查的负面媒体筛选 (ZH)
负面媒体是反洗钱预警的第一层——在风险达到制裁名单之前，发现负面新闻。Didit将其作为1300多个名单中的一个类别进行筛选，采用相同的双评分模型，以避免同名人士被误报。.
制裁和政治公众人物名单告诉您监管机构已经正式确定的信息。负面媒体则预示着即将发生的事情。一个因欺诈调查、腐败曝光或洗钱案件而被点名的客户，通常会在任何官方名单出现之前或同时出现在新闻报道中。负面媒体筛选是反洗钱的预警层：它能在风险仍是头条新闻时捕捉到负面新闻信号。
问题在于，负面媒体也是整个系统中噪音最大的信号。姓名很常见，新闻很多，天真的关键词搜索会产生大量的误报。Didit将负面媒体视为其1300多个观察名单中的一个类别，并采用与反洗钱筛选其余部分相同的双评分模型进行评分——因此，只有当引擎确信负面新闻命中确实是您的客户时，它才会到达您的分析师。它可作为工作流步骤或独立API运行，每次检查0.20美元。
主要收获
- 负面媒体是一个类别，与制裁名单、政治公众人物、犯罪记录和警告一起，在一次0.20美元的调用中进行筛选——而不是单独的产品。
- 双评分模型适用。匹配分数决定负面新闻命中是否真的是您的客户；风险分数决定其重要性。
- 同名抑制。由于负面媒体噪音很大，匹配分数阈值可以防止同名新闻故事进入您的审查队列。
- 可审计的审查状态——误报、未审查、已确认匹配、不确定——为您每次命中提供可辩护的记录。
- 持续监控。通过持续监控，入职后出现的负面媒体会在第二天被标记。
- 每次检查0.20美元，作为工作流步骤或独立的
POST /v3/aml/调用。
负面媒体筛选的作用
负面媒体筛选会根据与金融犯罪及相关行为（欺诈、腐败、洗钱、有组织犯罪、监管违规）相关的负面新闻来检查您的客户。当引擎找到与您的主体匹配的媒体衍生记录时，它会将其作为“负面媒体”类别中的一个档案显示出来，并附带身份置信度匹配分数和对整体风险分数的贡献。
重点不是标记所有上过新闻的人。而是要发现那些负面报道——如果您在没有看到这些报道的情况下让客户入职，事后看来会像是尽职调查失败。而且，由于同一个人可能出现在不相关的报道中，双评分模型可以将“这确实是您的客户，涉及腐败案件”与“同名者在体育文章中被引用”区分开来。
为什么这很重要
大多数现代反洗钱制度都要求将负面媒体检查作为客户尽职调查的一部分，并明确要求将其作为高风险客户和政治公众人物增强尽职调查的一部分。原因是官方名单滞后于现实——一个正在接受调查的人可能在数年内都不会受到制裁或定罪，但风险在调查公开的那一刻就存在了。跳过负面媒体意味着接受那些对任何记者都可见但对您的筛选不可见的风险客户。
负面媒体之所以经常做得不好，是因为误报问题被放大了。制裁名单是经过整理和结构化的；新闻是无结构、海量且充满常用姓名的。如果筛选方法无法可靠地将故事与您的客户关联起来，那么它要么会用不相关的文章淹没分析师，要么就会被关闭。将负面媒体建立在双评分模型基础上的全部价值在于，它继承了与制裁筛选相同的身份置信度纪律——因此信号是可用的，而不是压倒性的。
技术细节
负面媒体通过标准反洗钱检查进行筛选；无需单独的端点或额外调用。
curl -X POST https://verification.didit.me/v3/aml/ \
-H "x-api-key: $DIDIT_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"first_name": "Daniel",
"last_name": "Okafor",
"date_of_birth": "1979-06-22",
"country": "NG"
}'负面媒体命中会作为一个分类档案返回，其中包含其自身的匹配分数和审查状态：
{
"aml_status": "In Review",
"risk_score": 66,
"matches": [
{
"profile_id": "prf_b41d09",
"match_score": 95,
"match_status": "Unreviewed",
"categories": ["Adverse Media"],
"country": "NG",
"listed_on": ["Negative News — Financial Crime"]
}
]
}身份优先。匹配分数（姓名占60%/出生日期占25%/国家占15%，默认阈值93）决定新闻记录是否真的是您的客户。低于阈值，命中会被自动归类为False Positive——对于负面媒体来说，这正是使信号可用性的关键。
然后是风险。负面媒体是一个类别，默认情况下，该类别占风险分数的50%（国家风险占30%，犯罪记录占20%）。因此，在高风险司法管辖区发生的负面媒体命中对决策的影响比在低风险司法管辖区发生的相同命中更大。
审查状态。每次命中都带有False Positive、Unreviewed、Confirmed Match或Inconclusive——这是考官在您入职或拒绝有负面报道的客户时所期望的审计追踪。
价格。每次检查0.20美元——负面媒体包含在标准反洗钱筛选中，不单独计费。
能力深入探讨：“有据可查”在此处为何重要
“有据可查”的负面媒体在Didit的模型中意味着两个具体方面。首先，每次命中都与一个结构化档案相关联，其中包含其类别和出现的底层来源，因此分析师可以看到记录浮出水面的原因，而不是原始文章转储。其次，每次命中都经过身份置信度优先于风险的过滤——匹配分数门槛首先运行，因此分析师的队列中包含的是引擎认为确实是客户的人，而不是所有与新闻主题同名的人。这种组合将负面媒体从一种负担（噪音、警报疲劳、关闭检查）转变为一个真正的预警层。
用例
- 金融科技。在客户被正式列入名单之前，作为标准尽职调查的一部分，捕捉正在接受公开调查的客户。
- 加密货币/Web3。将人员的负面媒体筛选与链上钱包筛选相结合，以获得完整的交易对手风险视图。
- 贷款。在放款前，对借款人和担保人进行欺诈或破产负面新闻筛选。
- 市场。检查高价值卖家是否存在负面报道，而不会让入职流程淹没在同名新闻故事中。
- iGaming。对高价值玩家进行增强尽职调查时应用负面媒体检查，并记录每个决策。
如何与Didit集成
- 添加反洗钱筛选作为工作流步骤或直接调用
POST /v3/aml/——负面媒体已包含在内。 - 根据类别进行分支。根据您的政策要求，将
Adverse Media命中路由到您的增强尽职调查流程中。 - 调整身份置信度。依靠匹配分数阈值（和证件号码金钥匙）来防止同名新闻进入审查。
- 启用持续监控，以便在客户入职后出现的负面报道在第二天被标记。
常见问题
负面媒体是独立产品吗？
不是。它是标准反洗钱检查中筛选的1300多个名单中的一个类别，包含在每次检查0.20美元的价格中。
您如何防止负面媒体淹没我的分析师？
匹配分数门槛首先运行。未达到您的身份阈值（默认93）的负面新闻记录会自动归类为False Positive，因此分析师只会看到引擎认为确实是您的客户的命中。
负面媒体如何影响决策？
它是一个类别，默认情况下，该类别占风险分数的50%。高风险司法管辖区中确认的负面媒体命中比在其他地方的相同命中贡献更大。
我会捕捉到入职后出现的新闻吗？
是的，如果您启用持续监控——每日重新筛选会发现客户入职后出现的负面媒体。
我应该为监管机构保留什么记录？
每次负面媒体命中都会保留其匹配分数、风险贡献和审查状态（误报、未审查、已确认匹配或不确定）——为每个决策提供可辩护的审计追踪。
准备好开始了吗？
阅读文档中的反洗钱筛选概述，在反洗钱筛选产品页面查看完整筛选中的负面媒体，并在定价页面查看透明的每次检查定价。准备好后，免费开始——每月500次免费KYC检查，反洗钱筛选每次检查0.20美元。