Trade-Based Money Laundering Detection

基于贸易的洗钱检测 MCP 服务

在 ApifyForge 上查看 | 在 Apify Store 上使用

---

快速开始

添加到你的 MCP 客户端（Claude Desktop、Cursor、Windsurf）：

{
  "mcpServers": {
    "trade-based-money-laundering-mcp": {
      "url": "https://ryanclinton--trade-based-money-laundering-mcp.apify.actor/mcp"
    }
  }
}

---

为合规团队、反洗钱调查人员和金融情报部门提供基于贸易的洗钱（TBML）检测，并以 MCP 服务的形式直接接入 Claude、Cursor 或任何兼容 MCP 的 AI Agent。此服务可编排 14 个数据源，并运行五种经过同行评审的取证算法，以识别高报发票、旋转木马欺诈、空壳实体、外汇分层，以及与制裁相关的所有权链。输出内容为结构化证据，可用于依据 31 CFR 1020.320 提交 FinCEN SAR（Form 111）。

据估计，每年有 5,000 亿至 8,000 亿美元通过贸易渠道洗钱，但大多数合规项目仍依赖人工审查发票。此服务可自动执行完整的取证流程：查询 UN COMTRADE 双边贸易数据、跨六个司法管辖区核实交易对手、筛查 OFAC 和 OpenSanctions 数据，以及检测多币种外汇套利。分析人员只需向 AI Agent 输入自然语言提示词即可触发所有流程，无需编写代码。

可以访问哪些数据？

数据点	来源	示例
📦 按 HS 商品编码划分的双边贸易流	UN COMTRADE	美国→阿联酋黄金（HS 7108）：报告了 847 笔交易
🏢 公司注册信息和受益所有权	OpenCorporates	Pinnacle Commodities Ltd，2024-01 在英属维尔京群岛注册成立
🔑 法人实体识别编码和所有权链	GLEIF LEI	LEI：2138003EK6UAINBBUS15，母公司：Meridian Holdings
🇬🇧 英国公司备案文件和 PSC 记录	UK Companies House	Nexo Trade UK Ltd，PSC：匿名英属维尔京群岛信托
🇨🇦 加拿大公司注册信息	Canada Corporations	Apex Resources Inc，状态：正常，董事：1 人
🇦🇺 澳大利亚商业编号和注册信息	Australia ABN	ABN 51 824 753 942 — 2023 年注册
🚫 OFAC 特别指定国民和被封锁人员	OFAC	SDN 匹配：Al Noor Trading Co
🌐 全球制裁、PEP 和禁入名单	OpenSanctions	涉及 8 个制裁项目的 42 个名单成员记录
💱 即期外汇汇率（180 多种货币对）	Exchange Rate Tracker	USD/AED：3.6725，USD/CNY：7.2341
📉 历史汇率时间序列	Exchange Rate History	AED/USD 过去 30 天的每日收盘价
🔍 域名 WHOIS 和注册信息	WHOIS Domain Lookup	nexotrade.ae：注册于 2024-02-14，注册人信息隐藏
📊 OECD 国际贸易和政策统计数据	OECD Statistics	贸易开放度指数、关税税则
🌍 IMF 世界经济和财政数据	IMF Economic Data	GDP、经常账户余额、储备资产
🌐 IP 地址地理位置和 ASN 数据	IP Geolocation Lookup	185.220.x.x → AS：Mullvad VPN，SE

MCP 工具

此服务提供 8 个工具。每次调用都会收取按次计费的费用。

工具	功能	费用
investigate_trade_pair	双边贸易流调查，包含本福特-格鲁布斯发票分析和实体制裁筛查	每次调用 $0.040
detect_invoice_anomalies	使用本福特卡方检验 + 按 HS6 进行格鲁布斯离群值检测 + 费舍尔元 p 值检测发票高报／低报	每次调用 $0.045
map_circular_trade_network	通过 Tarjan 强连通分量（SCC）+ Johnson 环枚举 + CSI 评分检测旋转木马欺诈和循环贸易	每次调用 $0.045
verify_counterparty_legitimacy	使用 4 个二分图特征的逻辑回归，跨 6 个以上登记机构筛查虚假实体	每次调用 $0.040
analyze_fx_manipulation	使用 Kolmogorov-Smirnov 检验便利度评分偏差，检测外汇套利分层	每次调用 $0.040
screen_ownership_chain	通过吸收马尔可夫链评估制裁级联风险：N = (I−Q)⁻¹，吸收概率 B = N·R	每次调用 $0.045
compute_tbml_risk_score	在最多 14 个参与方中运行全部 5 种取证算法，计算综合 0–100 TBML 评分	每次调用 $0.045
generate_sar_evidence_package	FinCEN SAR Form 111 证据包，包含法规参考、严重程度评级和叙述模板	每次调用 $0.050

为什么使用基于贸易的洗钱检测 MCP 服务？

使用传统方法进行一次 TBML 调查，需要合规分析师手动查询 UN COMTRADE、交叉比对三到四个企业登记机构、获取 OFAC 和 OpenSanctions 结果、建立汇率历史表格，然后依据 FATF 类型学指南综合调查结果。这个流程需要数天。单个案件可能耗费 $2,000–$5,000 的分析师工时，而且仍会漏掉需要通过卡方检验才能发现的统计异常。

此服务可将整个工作流压缩到几秒钟。分析师向 AI Agent 提示（“筛查美国—阿联酋黄金贸易走廊中的 Apex Commodities Ltd”），即可收到结构化 JSON 报告，其中包含本福特 p 值、按 HS6 编码划分的格鲁布斯离群值、虚假实体概率评分、KS 检验外汇偏差、马尔可夫链吸收概率，以及预先填充的 SAR 证据包——所有内容均引用适用的确切法规条款。

除了速度之外，此服务还提供了难以通过人工方式复制的能力：

• 本福特-格鲁布斯-费舍尔混合方法——发现逐笔审查无法察觉的系统性发票操纵
• Tarjan 强连通分量 + Johnson 环枚举——识别跨越 3–6 个实体的多跳旋转木马结构
• 吸收马尔可夫链——量化所有权链最终到达受制裁司法管辖区的概率，即使链条中存在合法中间层
• 并行数据收集——最多 14 个参与方同时运行，而非依次运行

团队通过 Apify 使用此服务可获得的平台优势：

• 定时调度——按 cron 计划运行每日贸易走廊监控，以发现新兴模式
• API 访问——通过 HTTP 从案件管理系统以编程方式触发调查
• 监控——运行失败或返回严重风险评分时，接收 Slack 或电子邮件提醒
• 审计跟踪——每次运行都会记录输入参数和完整 JSON 输出，供合规记录使用
• 集成——连接到 Zapier、Make 或 Webhook，将高风险发现发送到案件队列

功能

• 改良的 Benford-Grubbs 混合检验与 Fisher 元 p 值 — 对贸易金额的首位数字应用 Benford 定律卡方拟合优度检验（df=8），按 HS6 商品代码运行 Grubbs 异常值检验，然后通过 Fisher 方法合并所有 p 值：X² = −2·Σln(pᵢ)，服从自由度为 df=2k 的卡方分布
• Tarjan 强连通分量算法 — 根据贸易记录构建有向图，并以 O(V+E) 时间应用 Tarjan 强连通分量算法来识别闭合贸易环；随后使用 Johnson 环枚举算法，列出所有深度不超过可配置上限（默认值：6）的基本环
• 循环性可疑指数（CSI） — 按每个环计算，公式为 cycle_count × avg_value_variance / node_count，提供按可疑程度排序的循环结构列表
• 空壳实体逻辑回归 — 使用从企业注册和 WHOIS 数据中提取的四项二分图特征，计算 P(phantom) = sigmoid(w₀ + w₁·age_ratio + w₂·employee_ratio + w₃·address_density + w₄·web_age_gap)
• Kolmogorov-Smirnov 外汇套利检测 — 为每个货币对计算便利分数（偏离有担保利率平价的程度），通过正态累积分布函数进行转换，并针对预期的均匀分布执行 KS 检验；标记 D > α=0.05 时的临界值的货币对
• 基于吸收马尔可夫链的司法管辖区风险级联分析 — 将 30 个 FATF 黑名单／灰名单司法管辖区和 13 个中等风险金融中心视为吸收态；计算基本矩阵 N = (I−Q)⁻¹ 和吸收概率矩阵 B = N·R，以量化级联风险
• 14 个并行数据源 — UN COMTRADE、OpenCorporates、GLEIF LEI、UK Companies House、Canada Corporations、Australia ABN、OFAC、OpenSanctions、Exchange Rate Tracker、Exchange Rate History、WHOIS、OECD、IMF、IP Geolocation——全部并发调用，而非顺序调用
• 综合 TBML 风险评分（0–100） — 五个维度加权评分：价格异常（20%）、交易对手风险（20%）、司法管辖区风险（15%）、参与循环贸易（15%）、交易量异常（15%）、实体不透明度（15%）；阈值：0–15 低、16–35 中等、36–55 较高、56–75 高、76–100 严重
• 符合 31 CFR 1020.320 的 SAR 证据包 — 按类别整理证据项（贸易定价、制裁风险、企业不透明度、循环贸易、外汇操纵），标注严重程度（低／中／高／严重）、具体法规参考（OFAC EO 13224、CDD Rule 31 CFR 1010.230、FATF TBML Guidance 2020），并提供 FinCEN 申报建议和法定期限
• 单次调用支出控制 — 每次调用工具前都会检查 eventChargeLimitReached；可为每个会话设置最高预算，防止探索性调查产生失控费用
• 司法管辖区风险分类体系 — 硬编码集合涵盖 15 个 FATF 黑名单／灰名单国家（IR、KP、MM、SY、YE、BF、CM、CD、HT、KE、ML、MZ、NG、PH、ZA、SS、TZ、VN）和 13 个中等风险金融中心（AE、HK、SG、CY、MT、LU、LI、MC、AD、GI、JE、GG、IM）
• 空壳公司指标检测 — 标记深层所有权链（≥3 层）、在保密型司法管辖区注册（BVI、Cayman、Panama、Seychelles、Marshall Islands、Vanuatu、Samoa）、近期注册成立（<6 个月）、缺少司法管辖区数据、无贸易活动、交易对手过多（>10）以及司法管辖区聚集

TBML 检测与 AML 调查用例

银行 AML 合规与交易监控

代理银行、贸易融资部门和货币服务企业的 BSA/AML 合规专员会使用此服务调查交易监控系统标记的贸易交易。分析人员无需再手动关联 SWIFT 消息、查询企业注册信息并检查 OFAC 名单，只需向 AI Agent 提供交易对手名称和贸易走廊。服务会在数分钟内返回完整风险评估；如果超过阈值，还会提供可用于 SAR 申报的证据。这取代了以往每个案件需要分析人员花费三天处理的工作流。

出口管制与制裁筛查

出口合规团队会使用 verify_counterparty_legitimacy 和 screen_ownership_chain，在批准发货前筛查新的贸易交易对手。虚假实体逻辑回归模型可以识别近期注册、员工与收入比例不合理的空壳公司，而吸收马尔可夫链则可以量化通过多层所有权结构产生的间接制裁风险——这两类模式都是基于规则的系统容易遗漏的。对于受 EAR/ITAR 限制的军民两用商品，这项功能尤为重要。

金融情报机构调查

FIU 和执法部门的金融调查人员会使用 generate_sar_evidence_package 加快案件准备。该工具会运行完整的 5 算法取证流程，然后整理出结构化证据档案，其中包含准确的法规引用（31 CFR 1020.320、OFAC EO 13224、CDD Rule 31 CFR 1010.230）以及符合 FinCEN SAR Form 111 格式的叙述模板。过去需要两周准备的案件，现在不到一小时即可整理完成。

贸易融资尽职调查

银行和非银行贸易融资服务商（保理公司、商品贸易商）会在签发信用证或办理跟单托收前使用 investigate_trade_pair。基于 UN COMTRADE 数据的 Benford-Grubbs 分析可以检测交易对手历史贸易流中的系统性价格操纵——这是发票欺诈的早期指标，甚至在任何单笔交易本身显得可疑之前就会出现。

VAT 和海关部门的旋转木马式欺诈检测

税务机关和海关部门会使用 map_circular_trade_network，识别旋转木马式 VAT 欺诈模式：商品在不同司法管辖区的实体之间循环流转，从而骗取进项税抵扣。Tarjan 的 SCC 会识别强连通分量；Johnson 的环枚举算法会列出所有基本环；CSI 分数则会为可疑程度最高的环路排序，确定调查优先级。

企业风险与第三方尽职调查

开展强化尽职调查的企业合规团队，会对高风险供应商、合资伙伴或收购目标使用 compute_tbml_risk_score 作为量化风险门槛。分数高于 56（高）时，会触发升级至法务团队处理。五个维度的细分结果（价格异常、交易对手风险、司法管辖区风险、循环贸易、实体不透明度）会指出具体是哪项因素导致评级，帮助集中开展补救工作。

如何使用 TBML Detection MCP Server

步骤 1：将服务连接到 AI Agent

将服务 URL 添加到 MCP 客户端配置中。该服务以 Apify 的待机模式运行——保持预热状态，并在收到第一个提示词后 1–2 秒内响应。

Claude Desktop — 将以下内容添加到 ~/Library/Application Support/Claude/claude_desktop_config.json（macOS）或 %APPDATA%\Claude\claude_desktop_config.json（Windows）：

{
  "mcpServers": {
    "trade-based-money-laundering": {
      "url": "https://trade-based-money-laundering-mcp.apify.actor/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_APIFY_API_TOKEN"
      }
    }
  }
}

Cursor — 将以下内容添加到项目根目录下的 .cursor/mcp.json，或全局配置文件 ~/.cursor/mcp.json：

{
  "mcpServers": {
    "trade-based-money-laundering": {
      "url": "https://trade-based-money-laundering-mcp.apify.actor/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_APIFY_API_TOKEN"
      }
    }
  }
}

其他 MCP 客户端 — 使用 Streamable HTTP 传输连接到 https://trade-based-money-laundering-mcp.apify.actor/mcp。在 Authorization: Bearer 标头中传入 Apify API 令牌。

步骤 2：运行首次调查

连接后，用自然语言向 AI Agent 输入提示词：

• “调查中国与阿联酋之间的黄金贸易流（HS 7108），并检查 Nexo Metals Ltd 是否出现在任何制裁名单上”
• “筛查 Pinnacle Resources Inc 是否存在虚假实体指标——其域名为 pinnacleresources.ae”
• “绘制这五个实体之间的循环贸易模式：[列表]”
• “为 Al Fajr Trading LLC 生成 SAR 证据档案，贸易走廊为美国–阿联酋电子产品，案件参考编号为 INV-2026-0441”

步骤 3：查看输出

每个工具都会返回结构化 JSON。AI Agent 会解读统计结果（Benford p 值、KS 统计量、CSI 分数），并提供通俗易懂的摘要和建议的后续步骤。

第 4 步：使用 SAR 证据包

如果 generate_sar_evidence_package 返回高或严重级别的证据项，请从 Apify Dataset 标签页下载完整的 JSON 输出。该证据包包含监管参考资料和用于填写 FinCEN Form 111 的叙述模板——请将其交由 BSA 专员审核，并根据 31 CFR 1020.320(b)(3) 在 30 天期限内提交。

工具参数

investigate_trade_pair

参数	类型	必填	默认值	描述
reporter_country	string	是	—	出口/报告国（ISO 代码或名称，例如 "US"、"China"）
partner_country	string	是	—	进口/伙伴国（ISO 代码或名称，例如 "AE"、"UAE"）
commodity	string	否	所有商品	HS 编码或描述（例如，黄金为 "7108"，原油为 "2709"）
entity_name	string	否	—	用于筛查制裁名单和企业注册记录的特定公司
year	string	否	最近年份	要查询的贸易年份（例如 "2025"）

detect_invoice_anomalies

参数	类型	必填	默认值	描述
trade_corridor	string	是	—	贸易走廊查询（例如 "US China electronics"、"Brazil UAE gold"）
hs_codes	string[]	否	所有编码	要分析的特定 HS 编码（例如 ["7108", "2709"]）
max_records	number	否	100	要分析的最大贸易记录数（数量越多 = 速度越慢，但本福特定律样本越好）

map_circular_trade_network

参数	类型	必填	默认值	描述
entities	string[]	是	—	要纳入网络的国家或公司名称（至少 1 个）
commodity	string	否	—	聚焦于特定商品（HS 编码或名称）
max_depth	number	否	6	要搜索的最大循环长度（值越高 = 越全面、越慢）

verify_counterparty_legitimacy

参数	类型	必填	默认值	描述
company_name	string	是	—	要在注册记录和制裁名单中核验的公司名称
domain	string	否	—	用于分析 WHOIS 注册年限差距的公司网站域名（例如 "nexotrade.ae"）
jurisdiction	string	否	—	用于定向查询注册记录的已知司法管辖区 ISO 代码（例如 "GB"、"CA"、"AU"）

analyze_fx_manipulation

参数	类型	必填	默认值	描述
currencies	string[]	是	—	要分析的货币代码（例如 ["AED", "CNY", "RUB"]）
trade_corridor	string	否	—	用于获取贸易背景数据的贸易走廊（例如 "US UAE"）
base_currency	string	否	"USD"	用于汇率分析的基准货币

screen_ownership_chain

参数	类型	必填	默认值	描述
entity_name	string	是	—	要追溯所有权链的实体
lei	string	否	—	已知时填写 LEI 代码（可加快 GLEIF 查询）
max_depth	number	否	5	要追溯的最大所有权链深度

compute_tbml_risk_score

参数	类型	必填	默认值	描述
entity_name	string	是	—	要调查的主要实体
trade_corridor	string	否	—	贸易走廊背景（例如 "US UAE gold"）
domain	string	否	—	用于 WHOIS 分析的实体网站域名
currencies	string[]	否	["AED","CNY","HKD"]	用于外汇分析的相关货币

generate_sar_evidence_package

参数	类型	必填	默认值	描述
entity_name	string	是	—	正在调查的主要实体
trade_corridor	string	否	—	贸易通道（例如 "US UAE gold"）
domain	string	否	—	实体网站域名
currencies	string[]	否	["AED","CNY","HKD"]	相关货币
case_reference	string	否	自动生成	内部案件参考编号（例如 "INV-2026-0441"）

提示词示例

双边贸易调查：

Investigate trade flows between Brazil and UAE for gold (HS 7108) in 2025.
Also check if Ouro Brasil Exportadora Ltda appears on any sanctions lists.

幽灵实体筛查：

Use verify_counterparty_legitimacy to screen "Nexo Global Commodities FZE"
with domain nexoglobal.ae, jurisdiction AE.

完整 SAR 套件：

Generate a SAR evidence package for Al Fajr Trading LLC.
Trade corridor: US UAE electronics.
Domain: alfajrtrading.ae
Currencies: AED, CNY
Case reference: INV-2026-0441

使用技巧

• 从 investigate_trade_pair 开始——它会在一次调用中运行 Benford-Grubbs 分析和制裁筛查。根据调查结果，决定接下来调用哪些专用工具。
• 核实交易对手时提供域名——WHOIS 的 web_age_gap 功能（公司年龄减去域名年龄）是预测幽灵实体的最有力指标之一。不提供域名时，此功能会默认使用中性分数。
• Benford 分析使用 max_records: 200——Benford 定律至少需要约 50 个数值，才能进行可靠的卡方检验。更多记录有助于提高 p 值的准确性，尤其是在贸易量较小的贸易通道中。
• 绘制循环贸易图谱时，同时提供国家名称和公司名称——如果网络图能将企业实体与其在 UN COMTRADE 数据中的贸易国节点关联起来，图谱就会更丰富。
• 设置支出限额——使用 Apify 的单次运行最高支出设置来限制调查成本。服务会遵循 eventChargeLimitReached，并返回清晰的错误信息，而不会只完成高成本调用的一部分。

输出示例

高风险实体的 compute_tbml_risk_score 响应：

{
  "entity": "Nexo Global Commodities FZE",
  "tbmlRiskScore": {
    "score": 71,
    "riskLevel": "high",
    "dimensions": {
      "priceAnomaly": {
        "score": 0.82,
        "weight": 0.20,
        "weighted": 0.164,
        "detail": "Benford p=0.003 — strong deviation from expected first-digit distribution. 14 Grubbs outliers across HS codes 7108, 7113, 7115. Fisher meta chi-sq=31.4 (df=28, p=0.0031)."
      },
      "counterpartyRisk": {
        "score": 0.90,
        "weight": 0.20,
        "weighted": 0.180,
        "detail": "2 OFAC SDN matches. 1 OpenSanctions match (SDGT program). Corporate records: 0 LEI found — reduced transparency."
      },
      "jurisdictionRisk": {
        "score": 0.90,
        "weight": 0.15,
        "weighted": 0.135,
        "detail": "Registered in AE (medium-risk). BVI beneficial owner detected via GLEIF. Cayman Islands intermediate holding."
      },
      "circularTrade": {
        "score": 0.50,
        "weight": 0.15,
        "weighted": 0.075,
        "detail": "2 SCCs detected. 3 elementary cycles found, max CSI=4.17. Tarjan SCC across 8-entity network."
      },
      "volumeAnomaly": {
        "score": 0.68,
        "weight": 0.15,
        "weighted": 0.102,
        "detail": "Max single transaction 14.3x above entity mean. Spike in Q4 2024 inconsistent with prior 8-quarter baseline."
      },
      "entityOpacity": {
        "score": 0.80,
        "weight": 0.15,
        "weighted": 0.120,
        "detail": "Incorporated 8 months ago. Domain registered 6 months ago. WHOIS: registrant hidden via PrivacyGuard."
      }
    },
    "compositeScore": 0.776,
    "normalizedScore": 71
  },
  "dataSources": {
    "tradeRecords": 94,
    "corporateRecords": 23,
    "leiRecords": 0,
    "sanctionsHits": 3,
    "fxRates": 187,
    "historicalFxRates": 90,
    "oecdRecords": 7,
    "imfRecords": 4,
    "whoisRecords": 1
  }
}

generate_sar_evidence_package 响应摘录：

{
  "caseReference": "INV-2026-0441",
  "entity": "Nexo Global Commodities FZE",
  "generatedAt": "2026-03-20T09:14:33.221Z",
  "sarReport": {
    "overallRisk": "critical",
    "estimatedIllicitValue": 4820000.00,
    "evidenceItems": [
      {
        "category": "Sanctions Exposure",
        "finding": "Entity \"Nexo Global Commodities\" linked to sanctioned \"Al Baraka Exchange LLC\"",
        "severity": "critical",
        "evidence": "Direct sanctions edge detected. Program: SDGT",
        "regulatoryRef": "OFAC — Executive Order 13224; 50 USC 1705(a)"
      },
      {
        "category": "Trade Pricing",
        "finding": "over-invoicing detected: United States -> UAE (HS 7108 Gold)",
        "severity": "critical",
        "evidence": "Reported unit price $64,200.00 deviates 87.3% from benchmark $34,280.00",
        "regulatoryRef": "31 CFR 1020.320 — BSA/AML Suspicious Activity Reporting"
      },
      {
        "category": "Corporate Opacity",
        "finding": "Recently incorporated entity in secrecy jurisdiction: \"Nexo Global Commodities\"",
        "severity": "high",
        "evidence": "Incorporated 8 months ago in Cayman Islands. Pattern consistent with shell company formation.",
        "regulatoryRef": "CDD Rule 31 CFR 1010.230 — Beneficial Ownership Requirements"
      },
      {
        "category": "Circular Trade",
        "finding": "Reciprocal trade detected: \"Nexo Global Commod\" <-> \"Meridian Metals Ltd\"",
        "severity": "medium",
        "evidence": "Bidirectional trade flows may indicate carousel fraud or round-tripping.",
        "regulatoryRef": "FATF Guidance — Trade-Based Money Laundering (2006, updated 2020)"
      }
    ],
    "recommendations": [
      "File SAR within 30 days per 31 CFR 1020.320(b)(3)",
      "Block transactions and file OFAC report per 31 CFR 501.603",
      "Conduct enhanced due diligence on shell entities per CDD Rule 31 CFR 1010.230",
      "Investigate carousel fraud indicators per FATF TBML Guidance (2020)"
    ]
  }
}

输出字段

compute_tbml_risk_score 输出

字段	类型	描述
entity	string	按提供内容返回的实体名称
tbmlRiskScore.score	number	归一化综合分数，范围为 0–100
tbmlRiskScore.riskLevel	string	低 / 中等 / 较高 / 高 / 严重
tbmlRiskScore.dimensions.priceAnomaly.score	number	Benford-Grubbs-Fisher 异常分数，范围为 0–1
tbmlRiskScore.dimensions.counterpartyRisk.score	number	制裁关联度和注册信息缺失分数，范围为 0–1
tbmlRiskScore.dimensions.jurisdictionRisk.score	number	FATF 管辖区风险分数，范围为 0–1
tbmlRiskScore.dimensions.circularTrade.score	number	循环贸易参与度分数，范围为 0–1
tbmlRiskScore.dimensions.volumeAnomaly.score	number	交易量异常激增分数，范围为 0–1
tbmlRiskScore.dimensions.entityOpacity.score	number	空壳公司不透明度分数，范围为 0–1
dataSources.tradeRecords	number	检索到的 UN COMTRADE 记录数
dataSources.corporateRecords	number	所有注册机构的企业注册记录总数
dataSources.leiRecords	number	找到的 GLEIF LEI 记录数
dataSources.sanctionsHits	number	OFAC + OpenSanctions 的命中总数
dataSources.fxRates	number	当前即期汇率记录数
dataSources.historicalFxRates	number	历史汇率数据点数量

generate_sar_evidence_package 输出

字段	类型	描述
caseReference	string	提供的或自动生成的参考编号（TBML-{timestamp}）
entity	string	正在调查的实体
generatedAt	string	ISO 8601 时间戳
sarReport.overallRisk	string	低 / 中 / 高 / 严重
sarReport.estimatedIllicitValue	number	异常贸易流的估计美元金额
sarReport.evidenceItems[].category	string	贸易定价 / 制裁风险 / 企业不透明 / 循环贸易 / 外汇操纵
sarReport.evidenceItems[].finding	string	通俗易懂的调查结果描述
sarReport.evidenceItems[].severity	string	低 / 中 / 高 / 严重
sarReport.evidenceItems[].evidence	string	支持性量化证据
sarReport.evidenceItems[].regulatoryRef	string	适用的法规或指南
sarReport.recommendations[]	string[]	按顺序排列、附带法定期限的行动事项

detect_invoice_anomalies 输出

字段	类型	描述
recordsAnalyzed	number	分析的 UN COMTRADE 记录总数
benfordAnalysis.chiSquaredStatistic	number	卡方检验统计量（df=8）
benfordAnalysis.pValue	number	本福德检验的 p 值（< 0.05 = 不符合）
benfordAnalysis.conformsTobenford	boolean	若 p > 0.05 则为 True
benfordAnalysis.digitDistribution	array	数字 1–9 的观测值与预期值
grubbsResults	object	各 HS6 编码的 Grubbs 离群值结果
fisherMetaPValue	number	所有 HS6 检验的合并 p 值
overallAnomalyScore	number	0–1 的综合异常评分
anomalousInvoices	array	标记为离群值的单笔交易
interpretation	string	含统计背景信息的严重 / 升高 / 低文本

screen_ownership_chain 输出（马尔可夫链）

字段	类型	描述
markovChainAnalysis.overallCascadeRisk	number	0–1 的加权平均吸收概率
markovChainAnalysis.absorbingStates	array	链中识别出的受制裁 / 高风险司法管辖区
markovChainAnalysis.transientStates	array	链中未受制裁的司法管辖区
dataSources.corporateRecords	number	所有 4 个登记处的记录数
dataSources.leiRecords	number	找到的 GLEIF 记录数
dataSources.sanctionsHits	number	OFAC + OpenSanctions 合并命中数
interpretation	string	含吸收百分比的高风险 / 中等风险 / 低风险文本

运行 TBML 调查需要多少费用？

此服务采用 按事件付费 定价——按工具调用次数付费，而非按月付费。平台计算费用已包含在内。

工具	单次调用价格	10 次调用	50 次调用	200 次调用
investigate_trade_pair	$0.040	$0.40	$2.00	$8.00
detect_invoice_anomalies	$0.045	$0.45	$2.25	$9.00
map_circular_trade_network	$0.045	$0.45	$2.25	$9.00
verify_counterparty_legitimacy	$0.040	$0.40	$2.00	$8.00
analyze_fx_manipulation	$0.040	$0.40	$2.00	$8.00
screen_ownership_chain	$0.045	$0.45	$2.25	$9.00
compute_tbml_risk_score	$0.045	$0.45	$2.25	$9.00
generate_sar_evidence_package	$0.050	$0.50	$2.50	$10.00

一套完整的调查工作流——调查贸易对、核验交易对手、筛查所有权链并生成 SAR 材料包——总计约需 $0.175，共调用工具 4 次。每月完成 50 次调查，费用不到 $9。

你可以在 Apify 控制台中为每个会话设置最高支出限额。服务会在执行每次工具调用前检查此限额；如果达到限额，就会返回明确的错误消息，因此调查费用绝不会超出预算。

相比之下，商业 TBML 筛查平台每月收费 $500–$2,000，提供的却是没有统计算法的规则筛查。此服务以极低的成本提供经过同行评审的取证方法，且无需订阅承诺。

如何通过代码调用此服务

Python

from apify_client import ApifyClient

client = ApifyClient("YOUR_APIFY_API_TOKEN")

# Full TBML risk score investigation
run = client.actor("ryanclinton/trade-based-money-laundering-mcp").call(run_input={})

# The server runs in standby mode — connect via MCP protocol instead for tool calls.
# To invoke a specific tool programmatically, POST to the /mcp endpoint:

import requests

response = requests.post(
    "https://trade-based-money-laundering-mcp.apify.actor/mcp",
    headers={
        "Authorization": "Bearer YOUR_APIFY_API_TOKEN",
        "Content-Type": "application/json",
    },
    json={
        "jsonrpc": "2.0",
        "id": 1,
        "method": "tools/call",
        "params": {
            "name": "compute_tbml_risk_score",
            "arguments": {
                "entity_name": "Nexo Global Commodities FZE",
                "trade_corridor": "US UAE gold",
                "domain": "nexoglobal.ae",
                "currencies": ["AED", "CNY"]
            }
        }
    }
)

result = response.json()
score = result["result"]["content"][0]["text"]
print(f"TBML risk assessment: {score}")

JavaScript

// Connect via MCP protocol to the standby server
const response = await fetch(
  "https://trade-based-money-laundering-mcp.apify.actor/mcp",
  {
    method: "POST",
    headers: {
      "Authorization": "Bearer YOUR_APIFY_API_TOKEN",
      "Content-Type": "application/json",
    },
    body: JSON.stringify({
      jsonrpc: "2.0",
      id: 1,
      method: "tools/call",
      params: {
        name: "generate_sar_evidence_package",
        arguments: {
          entity_name: "Nexo Global Commodities FZE",
          trade_corridor: "US UAE gold",
          domain: "nexoglobal.ae",
          currencies: ["AED", "CNY"],
          case_reference: "INV-2026-0441",
        },
      },
    }),
  }
);

const data = await response.json();
const sarPackage = JSON.parse(data.result.content[0].text);

console.log(`Overall risk: ${sarPackage.sarReport.overallRisk}`);
console.log(`Evidence items: ${sarPackage.sarReport.evidenceItems.length}`);
console.log(`Estimated illicit value: $${sarPackage.sarReport.estimatedIllicitValue.toLocaleString()}`);
for (const rec of sarPackage.sarReport.recommendations) {
  console.log(`  - ${rec}`);
}

cURL

# Invoke the invoice anomaly detection tool
curl -X POST "https://trade-based-money-laundering-mcp.apify.actor/mcp" \
  -H "Authorization: Bearer YOUR_APIFY_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "jsonrpc": "2.0",
    "id": 1,
    "method": "tools/call",
    "params": {
      "name": "detect_invoice_anomalies",
      "arguments": {
        "trade_corridor": "Brazil UAE gold",
        "hs_codes": ["7108", "7113"],
        "max_records": 150
      }
    }
  }'

# List all available tools
curl -X POST "https://trade-based-money-laundering-mcp.apify.actor/mcp" \
  -H "Authorization: Bearer YOUR_APIFY_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":1,"method":"tools/list","params":{}}'

此 TBML 检测服务的工作原理

阶段 1：并行收集数据

每次需要实时数据的工具调用，都会使用 Promise.all 同时向多个 Apify actor 发送请求。compute_tbml_risk_score 和 generate_sar_evidence_package 工具最多可并发运行 14 个 actor：UN COMTRADE（双边贸易流）、OpenCorporates（全球企业注册信息）、GLEIF（LEI／所有权链数据）、UK Companies House、Canada Corporations、Australia ABN（特定司法管辖区的注册信息）、OFAC 和 OpenSanctions（制裁筛查）、Exchange Rate Tracker 和 Exchange Rate History（外汇分析）、OECD 和 IMF（宏观经济背景）、WHOIS（域名情报），以及 IP Geolocation（网络来源追踪）。每个 actor 调用的超时时间为 120 秒；调用失败时会返回空数组，因此整个处理流程会继续运行，不会中断。

阶段 2：构建贸易网络图

来自全部 14 个来源的原始数据会汇总为一个类型化的 TradeNetwork 图，其中包含 TradeNode 和 TradeEdge 对象。节点类型包括 country、company、commodity、port、currency 或 sanctioned。边带有类型（exports、imports、owns、transships、fx_flow、sanctions），并包含 weight、tradeValue、quantity 和 unitPrice 属性。图使用以哈希为键的节点映射进行去重，并在公司节点与根据 OFAC／OpenSanctions 结果识别出的受制裁实体节点之间添加制裁边。此图是全部五种取证算法的共享输入。

阶段 3：五种取证算法

Benford-Grubbs-Fisher（发票异常）： 提取贸易金额并统计首位数字。根据 Benford 预期分布 [30.1%、17.6%、12.5%、9.7%、7.9%、6.7%、5.8%、5.1%、4.6%] 计算卡方统计量，df=8。对每个 HS6 代码应用 Grubbs 检验，以识别单笔异常交易（z 分数超过根据样本量 n 在 α=0.05 下确定的临界值）。Fisher 方法合并所有 HS6 的 p 值：X² = −2·Σln(pᵢ)，服从自由度为 df=2k 的卡方分布。通过 Lanczos 系数以解析方式实现伽马函数和正则化不完全伽马函数。

Tarjan 强连通分量 + Johnson 环枚举（循环贸易）： 使用贸易边集构建邻接表。Tarjan 算法以 O(V+E) 的复杂度查找所有强连通分量。Johnson 算法枚举长度不超过 max_depth 的所有基本环。为每个环计算循环性可疑指数：CSI = 环数量 × 平均金额方差 / 节点数量。按 CSI 降序排列环，并标记排名靠前的结构以供调查。

逻辑回归空壳实体筛查： 根据公司登记信息和 WHOIS 数据计算四项特征：age_ratio（公司年龄与行业中位数之比）、employee_ratio（申报员工人数与根据营收推算的员工人数之比）、address_density（同一地址登记的实体数量）和 web_age_gap（公司注册日期减去域名注册日期）。逻辑回归 sigmoid 函数得出 P(空壳实体) ∈ [0,1]。运行时无需进行机器学习训练——权重已根据 FATF 记录的空壳实体类型预先校准。

KS 检验外汇套利检测： 使用当前和历史汇率数据，计算每种货币对的便利收益分数（偏离抛补利率平价的程度）。通过标准正态分布的累积分布函数 Φ 转换分数，使其在无操纵的原假设下生成均匀分布的 p 值。将 Kolmogorov-Smirnov 统计量 D = max|F_n(x) − F(x)| 与 α=0.05 下的临界值 D_α 进行比较。显著结果（D > 临界值）表明外汇便利收益分数存在系统性偏差，符合套利分层操作的特征。金额低于 $10,000、累计超过 $25,000 的拆分交易也会被标记为结构化交易。

司法管辖区级联吸收马尔可夫链： 公司实体及其司法管辖区构成暂态 Q；受制裁和高风险司法管辖区（FATF/OFAC 名单上的 30 个成员）构成吸收态 R。所有权边定义转移矩阵。通过迭代计算基本矩阵 N = (I−Q)⁻¹。吸收概率 B = N·R 给出每个实体的所有权链最终到达受制裁司法管辖区的概率。该方法可量化通过合法中间层产生的间接制裁风险暴露。

阶段 4：综合评分与证据汇编

使用固定权重（价格异常 20%、交易对手风险 20%、司法管辖区风险 15%、循环贸易 15%、交易量异常 15%、实体不透明度 15%），将五种算法的输出合并为综合 TBML 评分。对于 SAR 材料包，汇总证据项、去重、按严重程度排序，并注明要求报告的具体法规条款。建议中包含法定期限（例如，“根据 31 CFR 1020.320(b)(3)，在 30 天内提交 SAR”）。

最佳效果提示

1. 同时提供实体名称和贸易走廊。 最准确的调查会使用 compute_tbml_risk_score 并提供全部四个参数：entity_name、trade_corridor、domain 和 currencies。省略参数会减少服务能够补充的数据源数量。

2. 尽可能使用 HS 编码，而非商品描述。 使用 4 位或 6 位 HS 编码（例如，黄金对应的“7108”）查询时，UN COMTRADE 返回的双边数据比使用文本描述查询更加精确。在开展贸易走廊调查前，请先在 WTO 关税数据库中查找 HS 编码。

3. 将 Benford 分析的 max_records 增至 150–200。 Benford 定律的卡方检验要求每个商品编码至少有约 50 个值，才能获得可靠结果。记录数较少的低交易量贸易走廊，即使存在异常，默认也会返回 pValue=1（符合规律）。记录越多，统计效力越强。

4. 先验证交易对手，再计算完整的 TBML 评分。 verify_counterparty_legitimacy 的费用为 $0.040，耗时 20–30 秒。如果该工具未返回任何企业记录，却命中制裁名单，那么运行费用为 $0.045 的综合评分几乎没有意义——该实体已经不符合条件。

5. 已知 LEI 时请使用 LEI 参数。 在 screen_ownership_chain 中提供 LEI 编码，可以跳过 GLEIF 名称搜索步骤，直接检索所有权链；对于名称常见的实体，这种方式更快、更准确。

6. 定期安排贸易走廊监控。 使用 Apify 的计划功能，每周对排名前 10 的贸易走廊运行 detect_invoice_anomalies。Benford p 值或 Grubbs 离群值数量随时间的变化，比单次快照更有参考价值；趋势逐渐偏离规律，可能意味着操纵行为正在出现。

7. 结合公司深度调查，开展全面尽职调查。 verify_counterparty_legitimacy 标记出某家公司后，可将结果提交给 Company Deep Research，在升级至法律部门处理前生成完整的商业情报报告。

与其他 Apify Actor 组合使用

Actor	组合方式
Company Deep Research	verify_counterparty_legitimacy 标记出虚构实体迹象后，针对同一实体运行 Company Deep Research，构建全面的情报档案，以便升级处理案件
WHOIS Domain Lookup	批量运行交易对手合法性检查前，先批量核验交易对手名单中的域名；域名年龄和注册人隐私保护是虚构实体的关键特征
SEC EDGAR Filing Analyzer	将 TBML 分析标记出的美国上市实体与其 EDGAR 文件交叉比对，以识别重大遗漏或未披露的关联方交易
Sanctions Network Analysis	将 OFAC/OpenSanctions 命中结果扩展为完整的关系网络图，映射 TBML 服务直接实体查询结果之外的第二、第三层制裁风险
B2B Lead Qualifier	在贸易融资客户开发工作流中将 TBML 风险评分用作负向筛选条件——得分高于 56 的潜在客户将自动从合格线索数据集中排除
AML Entity Screening	与 AML Entity Screening 搭配使用，可扩展筛查范围，覆盖 PEP、不良媒体报道和监管行动，超出此服务查询的 OFAC 和 OpenSanctions 名单范围
Website Tech Stack Detector	分析交易对手网站的技术栈，作为额外的虚构实体信号——新注册域名使用通用网站构建工具且没有自定义基础设施，这与空壳公司的网络形象相符

局限性

• UN COMTRADE 报告存在滞后 — 成员国上报贸易数据时会有 3–24 个月的延迟。调查非常近期的贸易流时，某些贸易走廊可能没有结果。请使用季度或年度数据，不要期待实时数据。
• 本福特定律要求每个 HS6 代码至少有 50 条记录 — 样本量较少时应用卡方检验会产生不可靠的 p 值。低交易量贸易走廊即使存在异常，也会显示 conformsTobenford: true。服务会在输出中注明这一点，但分析人员在这种情况下应更重视 Grubbs 检验结果。
• Tarjan/Johnson 检测的是结构模式，而非非法活动 — 合法业务中也存在循环贸易结构（例如回购未售出库存的分销商、为优化税务而进行的三角贸易）。CSI 分数提供的是可疑程度排名，并不能判定是否存在欺诈。必须通过人工调查确认其意图。
• 空壳实体逻辑回归是筛查工具 — 该四特征模型（age_ratio、employee_ratio、address_density、web_age_gap）生成的是概率分数，而非判定结果。对于合法成立时间较短的公司、单一董事结构以及共用注册办公地址的公司（专业服务行业常见），误报率会升高。
• WHOIS 数据的可用性因司法管辖区而异 — 符合 GDPR 的注册商会隐藏大多数 .com、.net 和欧盟国家代码域名的注册人信息。注册人数据被隐藏时，web_age_gap 特征会回退到中性分数，从而降低空壳实体检测的准确性。
• KS 检验检测外汇偏差需要历史汇率数据 — 计算便利性分数时，每个货币对至少需要 10 个历史数据点。汇率历史记录较少的货币对默认会返回 isSignificant: false。
• 吸收马尔可夫链的准确性取决于所有权链数据 — GLEIF、UK Companies House 和 OpenCorporates 的数据覆盖范围因司法管辖区而异。对于在注册机构中记录极少的实体，马尔可夫模型会改用基于司法管辖区启发式规则的评分，而非实际遍历所有权链。
• 不构成法律建议 — SAR 证据包是一种合规情报工具。所有申报决定、重要性判定和监管提交都必须由具备资质的 BSA/AML 合规官或法律顾问审查并批准。
• 不提供实时交易数据 — 此服务分析公开贸易统计数据和企业注册数据，不会访问实时 SWIFT 消息、银行账户交易或金融机构专有数据。

集成

• Zapier — 当 AI Agent 触发时，自动将关键风险案例的 generate_sar_evidence_package 输出发送到合规团队的 Slack 频道或 Jira 工单
• Make — 构建多步骤 TBML 调查流水线：CRM 中新增贸易交易对手时触发 → 验证交易对手 → 若分数 > 阈值，则升级至案件管理系统
• Google Sheets — 将一批实体的 TBML 风险分数导出到合规跟踪表格，供每周审查会议使用
• Apify API — 通过 REST API 调用，将 MCP 端点集成到案件管理系统或贸易融资业务发起平台
• Webhooks — Actor 完成运行时接收 HTTP 回调，以便自动对调查结果进行下游处理
• LangChain / LlamaIndex — 在 AI 驱动的合规 Agent 中嵌入 TBML 调查能力，使其能够检索、推理并汇总不同调查中的金融情报

故障排除

尽管贸易走廊有效，贸易记录却为空——UN COMTRADE 内部使用 ISO 三位国家代码和特定的商品代码格式。请尝试调整查询格式：使用“United States”而不是“US”，或使用美国报告方代码“840”。另外，请确认指定年份的数据是否已经发布——许多国家会延迟 18 个月上报。

对于已知可疑的贸易走廊，Benford 分析却返回 conformsTobenford: true——这通常表示记录太少。观测值少于 50 时，卡方检验的效力较低。请将 max_records 增至 200，并扩大贸易走廊查询范围（移除具体 HS 代码，以检索该国家对的所有商品数据）。你也可以单独运行 detect_invoice_anomalies，查看完整的 Grubbs 按 HS6 分类结果。

verify_counterparty_legitimacy 返回的企业记录为零——有些实体使用的商号与其法定实体名称不同。请尝试使用注册法定名称（通常可在发票或合同上找到）、控股公司名称，或在查询中添加“Ltd”“LLC”“FZE”或“GmbH”。提供 jurisdiction 参数可缩小注册机构搜索范围并提高匹配率。

对于已知高风险实体，screen_ownership_chain 显示的级联风险较低——如果该实体没有 LEI 且在注册机构的记录很少，Markov 模型会默认采用基于司法辖区的启发式评分，而不是真正遍历所有权链。如果知道 LEI 代码，请提供该代码。或者运行 generate_sar_evidence_package，它会在 Markov 分析基础上补充直接的 OFAC/OpenSanctions 命中检测，不依赖注册机构的覆盖范围。

对于疑似操纵汇率的案例，外汇操纵分析却返回 isSignificant: false——KS 检验要求每个货币对至少有 10 个历史汇率数据点。对于冷门或交易稀少的货币，汇率历史数据可能不足。请尝试将货币列表缩减为最相关的两三个货币对，并调整 base_currency，使其与该贸易走廊的主要结算货币一致。

负责任地使用

• 此服务访问的全部 14 个数据源均可公开获取：政府发布的贸易统计数据、企业注册信息、官方制裁名单和公开的域名注册记录。
• 此服务旨在用于合法的 AML 合规、金融犯罪调查和贸易融资尽职调查。
• TBML 风险评分和 SAR 证据包属于合规情报输出，并非对是否有罪的判定。采取任何不利行动前，必须由具备资质的合规专业人员审核。
• 处理从企业注册信息或 WHOIS 查询中获取的个人数据时，请遵守适用的数据保护法律（GDPR、CCPA、PIPEDA）。
• 请勿将此服务用于针对个人或实体，除非具有合法的合规或执法目的。
• 有关访问公开数据的合法性指南，请参阅 Apify 的网络抓取法律指南。

常见问题

什么是基于贸易的洗钱？为什么难以检测？ TBML 利用国际贸易交易在跨境转移非法资金，借助全球供应链的复杂性和合法贸易的庞大规模掩盖行为。常见手法包括发票金额虚报（出口价值 1,000 万美元的货物，却开具 4,000 万美元的账单，将 3,000 万美元转出该司法辖区）、发票金额低报、虚假货运和旋转木马欺诈。此类行为难以检测，因为单张发票单独来看可能都合乎情理——要识别操纵行为与自然波动之间的系统性差异，需要使用本福特定律和 KS 检验等统计方法。 Benford-Grubbs-Fisher 如何用于发票异常检测？ 该算法依次应用三项检验。首先，对所有贸易价值的首位数字分布进行 Benford 定律卡方拟合优度检验（df=8）——合法数据遵循对数 Benford 分布，约 30.1% 的数值以 1 开头。其次，Grubbs 检验通过计算 z 分数并与相应样本量的临界值进行比较，按 HS6 商品代码识别单笔异常交易。第三，Fisher 方法将所有 HS6 的 p 值合并为一个元统计量：X² = −2·Σln(pᵢ)，其服从自由度为 df=2k 的卡方分布。该方法既能发现系统性的价格操纵（Benford），也能识别单笔异常发票（Grubbs），同时控制家族错误率。

什么是吸收马尔可夫链司法管辖区风险模型？ 该模型将企业所有权链建模为马尔可夫链，其中每个司法管辖区都是一个状态。受制裁的司法管辖区（FATF 黑名单／灰名单上的 30 个国家）和空壳避税地（BVI、Cayman、Panama 等）被指定为吸收状态——一旦到达，链就无法离开。模型会计算基本矩阵 N = (I−Q)⁻¹，其中 Q 是瞬时状态（未受制裁状态）之间转移的子矩阵。吸收概率矩阵 B = N·R 可得出每个实体沿所有权链追溯后最终关联到受制裁司法管辖区的概率。这量化了通过合法中间层产生的间接制裁风险敞口。

TBML 风险评分高于 56 是否意味着该实体在洗钱？ 不是。风险评分用于识别与 FATF 指引所述 TBML 类型一致的统计异常和结构模式。高评分意味着应升级处理并加强尽职调查，而非自动采取不利行动。误报确实会发生，尤其是合法高风险行业（大宗商品、金属交易、货币服务）中的年轻公司。所有高风险发现都必须由合格的 BSA/AML 合规官审核。

空壳实体逻辑回归模型的准确度如何？ 该模型根据四项可观察特征生成概率评分。模型依据 FATF 记录的空壳实体类型进行校准，而非基于已确认案例的标注训练数据。若四项特征均可计算（需要企业注册信息和 WHOIS 数据），准确度会更高。对于单一董事公司、共用注册地址的公司（专业服务行业中很常见）以及合法的年轻初创企业，模型的误报率较高。使用输出中的详细 dataSources 计数评估数据质量，再决定是否依赖该评分。

SAR 证据包能否直接提交给 FinCEN？ 该证据包提供结构化证据项、与 Form 111 类别对应的监管参考资料，以及叙述模板。其目的是加快而非取代合规官的申报流程。提交 SAR 需要由合格的 BSA/AML 合规官审核并批准，确认已达到申报门槛（已知或疑似违规案件的金额为 $5,000），并通过 FinCEN BSA E-Filing System 提交。输出格式可用于法庭，但仍需人工审核并签字确认。

完成一次 TBML 调查需要调用多少次工具？ 标准调查工作流需要调用 4 次工具：investigate_trade_pair（初步评估，$0.040）、verify_counterparty_legitimacy（实体核验，$0.040）、screen_ownership_chain（所有权链筛查，$0.045），以及在证据充分时调用 generate_sar_evidence_package（$0.050）。总费用：$0.175。compute_tbml_risk_score 工具（$0.045）会在一次调用中运行全部五种算法；需要立即获取全面评估时，可用它替代前三次调用。 以这种方式访问 UN COMTRADE、企业注册信息和制裁数据合法吗？ UN COMTRADE 是联合国公开发布的数据库，供研究和政策用途。企业注册机构（UK Companies House、GLEIF、OpenCorporates）向公众开放其数据。OFAC 和 OpenSanctions 是官方政府机构和非政府组织发布的制裁名单，旨在用于合规筛查。WHOIS 数据根据 ICANN 政策公开发布。所有 14 个数据源均为公开数据。有关更多背景信息，请参阅 Apify 关于网页抓取合法性的指南。

这与 World-Check 或 Dow Jones Risk 等商业 AML 筛查平台有何不同？ 商业平台主要通过经过整理的专有名单匹配 PEP 和制裁数据库，订阅费用为每月 500 至 5,000 美元以上。本服务将制裁匹配（OFAC + OpenSanctions）与统计贸易取证（Benford-Grubbs 发票分析）、网络分析（Tarjan SCC、吸收马尔可夫链）以及多注册机构企业核验相结合，而大多数商业平台不提供这些功能。它尤其适用于贸易融资 TBML 调查，而非一般的客户准入筛查。每次调查的成本约为 0.04–0.05 美元，无需承诺订阅。

我可以安排自动走廊监控，以检测新出现的 TBML 模式吗？ 可以。使用 Apify 内置的调度程序，按周或按月对固定贸易走廊列表运行 detect_invoice_anomalies。保存每次运行的 Benford p 值和 Grubbs 异常值数量，并跨周期进行比较——统计不符合程度呈上升趋势，意味着在单笔交易变得可疑之前，可能已经出现新的发票操纵行为。当异常评分超过阈值时，可将调度任务连接到 webhook，将结果发布到合规团队的 Slack 频道。

完整的 TBML 风险评分调查需要多长时间？ compute_tbml_risk_score 会并行运行最多 14 个 actor，每个 actor 的超时时间为 120 秒。实际上，由于并行执行，对于大多数实体／走廊组合，该调用通常会在 60–90 秒内完成。generate_sar_evidence_package 会运行相同的数据收集流程，并执行全部五种评分算法，额外需要约 5–10 秒的计算时间。像 detect_invoice_anomalies 这样简单的工具（单次 UN COMTRADE 查询）会在 15–30 秒内完成。

如果 14 个数据源中有一个不可用，会发生什么？ 每次 actor 调用都由 try/catch 包装，并设置 120 秒超时。如果 actor 失败或超时，其结果将替换为空数组，流程会继续运行。输出中的 dataSources 字段会准确报告每个数据源返回的记录数，因此分析师可以立即查看哪些来源提供了数据、哪些没有返回数据。关键来源返回零条记录（例如，某次查询中 OFAC 没有返回任何结果）时，应进行人工核验，而不应只依赖自动化结果。

帮助我们改进

如果遇到问题，您可以在 Apify 账户中启用运行共享，帮助我们更快地排查问题：

1. 前往 账户设置 > 隐私
2. 启用 与公开 Actor 创建者共享运行记录

这样，当出现问题时，我们就能查看您的运行详情，从而更快地修复问题。您的数据仅对 actor 开发者可见，不会公开。

支持

发现错误或有功能请求？请在此 actor 页面上的 Issues 标签页中提交问题。有关定制 TBML 调查工作流、企业集成或定制算法校准，请通过 Apify 平台联系我们。