TWI838694B - 評估個體合規風險之裝置、方法及電腦可讀媒介 - Google Patents

Abstract

本發明係揭露評估個體合規風險之裝置及方法，係用於定義可量化的指標以計算特定個體之反洗錢/了解顧客(anti-money laundering/know-your-customer,AML/KYC)合規分數，包括：從資料源計算通用且不考慮與個體關係的第一分數與第二分數；從第一分數與第二分數中過濾並計算出關係於個體者的合規分數：再將各類合規分數組成為最終個體合規分數。此外，將上述各類合規分數匯整期間皆考慮人物或公司相對於個體的影響力而賦予對應的計算權重，故可快速且精準地實際反映個體的合規風險，達到AML/KYC目標。本發明復提供一種電腦可讀媒介，用於執行上述之方法。

Description

評估個體合規風險之裝置、方法及電腦可讀媒介

本發明係關於數據分析技術，特別是關於評估個體合規風險之裝置、方法及電腦可讀媒介。

反洗錢/了解顧客(anti-money laundry/know your customer,AML/KYC)機制隨著防制洗錢金融行動工作組織(Financial Action Task Force on Money Laundering,FATF)的成立成為全球主流議題。國際貨幣基金組織(IMF)還敦促其189個成員國遵守國際標準，以阻止恐怖主義融資。然而，除了聯合國、美國外國資產控制辦公室(Office of Foreign Assets Control,OFAC)、歐盟和一些國家發布制裁名單外，並沒有一種有系統、可量化的方法來衡量關於特定個體之合規性及相關的合規風險。目前，許多金融機構花費大量資源人工收集客戶的公司背景及其管理團隊、董事會成員、股東、甚至於了解客戶的客戶(know your customer’s customer,KYCC)的數據。這種KYC/KYCC監控和過濾是AML操作必須的一部分，但存在以下缺點：首先，數據來源因地區、機構不同而異，且數據量龐大；其次，目前沒有明確的衡量標準來評斷除了制裁名單之外的數據，例如公司、公司高管及/或其供應鏈夥伴的新聞甚至社交媒體數據等。因此，各金融 機構評估的合規性結果可能有很大範圍的變化。此外，這些金融機構花費了大量資源來產生合規結果，但這些結果由於假性觸動太多，因而需要浪費許多人力來實現AML目標。

因此，需要一種評估個體合規風險的解決方案，以簡單且可量化的指標(metrics)來評估公司、個人或交易的反洗錢/了解顧客(AML/KYC)合規分數，以有效且快速地衡量合規風險，進而提醒關於特定個體的風險，並提升整體效能。

為解決上述的問題，本發明提供一種評估個體合規風險之裝置，包括：顯示模組，係用於提供操作介面，以接收個體之調查需求；擷取模組，係用於從資料源提取資料；以及運算模組，係用於根據該調查需求從該資料導出最終個體合規分數，其中，該運算模組導出該最終個體合規分數係包括：令該運算模組根據該調查需求確認該個體，其中，該個體為人物、公司、金融交易的其中一者；令該運算模組確認該個體之相關人物及相關公司；令該運算模組根據該資料中的人物擷取資料計算各該相關人物的人物分數；令該運算模組依據第一組權重將各該人物分數加權平均為第一項目的合規分數；令該運算模組根據該資料中的公司擷取資料計算各該相關公司的公司分數；令該運算模組根據第二組權重將各該公司分數加權平均為第二項目的合規分數；以及令該運算模組將該第一項目與該第二項目的各該合規分數依據第三組權重加權平均為該最終個體合規分數。

在上述之裝置中，該第一項目的類別係包括關鍵人物分數，該第一項目的該類別係定義該人物分數中屬於該類別者依據該第一組權重的加權平 均值，該相關人物係與該個體關連之首席執行官、總經理、執行長、資深經理人、董事會成員、公司股東、公司獨立監事、在子公司或被投資公司的代表中的一或多者，並且，各該人物分數被該第一組權重分配的權重值係隨著各該相關人物在該類別中相對該個體的影響力變化。

在上述之裝置中，該第二項目的類別係包括裁決分數、加強盡職調查資料分數、新聞分數、產業分數、國家分數、法庭記錄分數及首次公開募股之交易所分數中的一或多者，該第二項目的該類別係定義該公司分數中屬於該類別者依據該第二組權重的加權平均值，該相關公司係與該個體關聯之自身、母公司、子公司、被投資公司、供應鏈夥伴中的一或多者，並且，各該公司分數被該第二組權重分配的權重值係隨著各該相關公司在該類別中相對該個體的影響力及/或關聯該相關公司之該相關人物在該類別中的牽涉程度變化。

在上述之裝置中，該資料源係包括網路服務及資料庫之中的一或多者，並且，該資料類型包括該個體之公開資訊、資料供應商所提供該個體之各種資料、用戶自身維護之了解顧客資料之中的一或多者。

在上述之裝置中，該運算模組根據該資料中的人物擷取資料計算該相關人物的人物分數係包括：從該資料源取得興趣對象的該人物擷取資料，該興趣對象係各該相關人物中之任一者；計算該人物擷取資料之各類別的對應分數，其中，該人物擷取資料的各該類別係新聞紀錄、法庭紀錄、社群媒體、信用紀錄、制裁紀錄、加強盡職調查資料、政治公眾人物證明、職業、國籍中的一或多者；以及將各該類別的該對應分數依據第四組權重加權平均為該興趣對象的該人物分數。

在上述之裝置中，該運算模組根據該資料中的公司擷取資料計算各該相關公司的公司分數係包括：從該資料源取得興趣對象的公司擷取資料，其中，該興趣對象係各該相關公司中之任一者；依據該公司擷取資料在該第二項目 之定義內容下的資料涵蓋內容計算對應分數，其中，該第二項目之該定義內容包括係新聞紀錄、法庭紀錄、社群媒體、財務紀錄、制裁紀錄、加強盡職調查資料、產業別、國家別、首次公開募股(Initial Public Offerings,IPO)之交易所中之任一者；以及將該對應分數作為該興趣對象在該第二項目下的一筆公司分數。

在上述之裝置中，該最終個體合規分數係以複數個等級表示，並且該顯示模組復用於將該最終個體合規分數以對應該複數個等級之顏色視覺化提示該個體的合規風險。

在上述之裝置中，該第一項目與該第二項目的各該合規分數被該第三組權重分配的權重值係隨著該相關人物與該相關公司相對該個體之影響程度變化。

本發明復提供一種評估個體合規風險之方法，包括下列步驟：令顯示模組接收個體之調查需求；令擷取模組從資料源提取資料；以及令運算模組根據該調查需求從該資料導出最終個體合規分數，其中，令運算模組導出最終個體合規分數之該步驟係包括以下子步驟：令該運算模組根據該調查需求確認該個體，其中，該個體為人物、公司、金融交易的其中一者；令該運算模組確認該個體之相關人物及相關公司；令該運算模組根據該資料中的人物擷取資料計算各該相關人物的人物分數；令該運算模組依據第一組權重將各該人物分數加權平均為第一項目的合規分數；令該運算模組根據該資料中的公司擷取資料計算各該相關公司的公司分數；令該運算模組根據第二組權重將各該公司分數加權平均為第二項目的合規分數；以及令該運算模組將該第一項目與該第二項目的各該合規分數依據第三組權重加權平均為該最終個體合規分數。

在上述之方法中，該第一項目的類別係包括關鍵人物分數，該第一項目的該類別係定義該人物分數中屬於該類別者依據該第一組權重的加權平均值，該相關人物係與該個體關連之首席執行官、總經理、執行長、資深經理人、 董事會成員、公司股東、公司獨立監事、在子公司或被投資公司的代表中的一或多者，並且，各該人物分數被該第一組權重分配的權重值係隨著各該相關人物在該類別中相對該個體的影響力變化。

在上述之方法中，該第二項目的類別係包括裁決分數、加強盡職調查資料分數、新聞分數、產業分數、國家分數、法庭記錄分數及首次公開募股之交易所分數中的一或多者，該第二項目的該類別係定義該公司分數中屬於該類別者依據該第二組權重的加權平均值，該相關公司係與該個體關聯之自身、母公司、子公司、被投資公司、供應鏈夥伴中的一或多者，並且，各該公司分數被該第二組權重分配的權重值係隨著各該相關公司在該類別中相對該個體的影響力及/或關聯該相關公司之該相關人物在該類別中的牽涉程度變化。

在上述之方法中，該資料源係包括網路服務及資料庫之中的一或多者，並且，該資料類型包括該個體之公開資訊、資料供應商所提供該個體之各種資料、該個體自身維護之了解顧客資料之中的一或多者。

在上述之方法中，令該運算模組根據該資料中的人物擷取資料計算各該相關人物的人物分數之該步驟係包括以下子步驟：從該資料源取得興趣對象的該人物擷取資料，該興趣對象係各該相關人物中之任一者；計算該人物擷取資料之各類別的對應分數，其中，該人物擷取資料的各該類別係新聞紀錄、法庭紀錄、社群媒體、信用紀錄、制裁紀錄、加強盡職調查資料、政治公眾人物證明、職業、國籍中的一或多者；以及將各該類別的該對應分數依據第四組權重加權平均為該興趣對象的該人物分數。

在上述之方法中，令該運算模組根據該資料中的公司擷取資料計算各該相關公司的公司分數之該步驟包括以下子步驟：從該資料源取得興趣對象的公司擷取資料，其中，該興趣對象係各該相關公司中之任一者；依據該公司擷取資料在該第二項目之定義內容下的資料涵蓋內容計算對應分數，其中，該第 二項目之該定義內容包括係新聞紀錄、法庭紀錄、社群媒體、財務紀錄、制裁紀錄、加強盡職調查資料、產業別、國家別、首次公開募股(Initial Public Offerings,IPO)之交易所中之任一者；以及將該對應分數作為該興趣對象在該第二項目下的一筆公司分數。

在上述之方法中，該第一項目與該第二項目的各該合規分數被該第三組權重分配的權重值係隨著該相關人物與該相關公司相對該個體之影響程度變化。

在上述之方法中，復包括：令該顯示模組根據該最終個體合規分數以對應複數個等級之顏色視覺化提示該個體的合規風險。

本發明又提供一種電腦可讀媒介，應用於計算裝置或電腦中，係儲存有指令，以執行上述之評估個體合規風險之方法。

綜上所述，本發明所揭計算個體合規分數之裝置、方法及電腦可讀媒介係用於定義可量化的指標以快速且精準地計算特定個體之反洗錢/了解顧客(anti-money laundering/know-your-customer,AML/KYC)合規分數，其流程包括：從資料源計算通用且不考慮與個體關係的人物分數與公司分數；過濾出關係於個體的相關人物與相關公司的人物分數與公司分數；計算出關係於個體的全人物合規類別與全公司合規類別的合規分數；再將各類合規分數組成為最終個體合規分數，並且將上述各類分數匯整期間皆考慮人物或公司相對於個體的影響力而賦予對應的計算權重，故可快速且精準地實際反映個體的合規風險，達到AML/KYC目標，並提升整體效能。

1:裝置

10:擷取模組

20:運算模組

30:顯示模組

100:合規分數指標

101:最終個體合規分數

102:全人物合規類別

103:全公司合規類別

201:項目

202:人物分數

203:項目

204:公司分數

301:通用人物分數

302:人物擷取資料

303:通用公司分數

304:公司擷取資料

400:網路服務

500:資料庫

S701~S707:步驟

本案揭露之具體實施例將搭配下列圖式詳述，這些說明顯示在下列圖式：

圖1係揭露本發明之評估個體合規風險之裝置的元件配置態樣；

圖2至6係分別揭露本發明之評估個體合規風險之方法的局部實作態樣；以及

圖7係揭露本發明之評估個體合規風險之方法的步驟流程圖。

以下藉由特定的實施例說明本案之實施方式，熟習此項技藝之人士可由本文所揭示之內容輕易地瞭解本案之其他優點及功效。本說明書所附圖式所繪示之結構、比例、大小等均僅用於配合說明書所揭示之內容，以供熟悉此技藝之人士之瞭解與閱讀，非用於限定本案可實施之限定條件，故任何修飾、改變或調整，在不影響本案所能產生之功效及所能達成之目的下，均應仍落在本案所揭示之技術內容得能涵蓋之範圍內。

圖1係揭示一種評估個體之合規風險之裝置1及其配置方式的示意圖。

在本實施例中，該裝置1可由任意具備運算功能之計算機裝置實現，例如，桌上型電腦、平板電腦、智慧型手機等。在具體實施例中，該裝置1主要包括擷取模組10、運算模組20及顯示模組30等，並可與各類網路服務400及資料庫500等公開或不公開之資料源進行通訊連接以獲取評估個體之合規風險所需資源。

在一些實施例中，擷取模組10係用於從網路服務400及/或資料庫500提取關於個體的資料，運算模組20係用於根據擷取模組10提取之資料整理出關於此個體的合規分數指標100(如圖2所示)，而顯示模組30係用於提供圖形使用者介面(GUI)，以供使用者對個體的合規風險(合規分數指標100)進行檢視(例如，在裝置1的顯示器上提供操作介面供使用者選取並調查個體之合規風險)。

圖2係圖示上述裝置1所欲導出之合規分數指標100的組成方式。如上所述，合規分數指標100主要係在運算模組20中整理而出，進而由顯示模組30在使用者要求下進行顯示。

在本實施例中，所述個體包含公司、人物、交易活動等，而合規分數指標100針對個體的特性可用於量測金錢或虛擬貨幣交易的合規分數、調查客戶概況(profile)以辨認可能的制裁名單人員及公司、評估公司或人物的合規風險等應用，在本文中並不特別限定。

在進一步實施例中，合規分數指標100(及/或上述負責導出合規分數指標100的裝置1)可與任意需要執行特定個體之AML/KYC風險評估的人員、組織、系統、軟體、線上平台等的自身作業程序進行整合。詳細而言，適用此合規分數指標100的使用者包括但不限於以下各者：

1.需要遵守AML/KYC的全球金融機構或一般公司；

2.需要在設立公司帳戶之前或後調查客戶背景和風險、或提供會計報告或保險單的會計公司、律師事務所、保險公司等；

3.公共或私人刑事偵查組織與主管機關；及

4.為尋求可靠的合規追蹤記錄的供應鏈夥伴。

在一些實施例中，合規分數指標100主要描述使用者欲調查之個體的最終個體合規分數101係由關係於此個體且分別屬於全人物合規類別102及 全公司合規類別103的合規分數基於各自分配的權重(後續以「第三組權重」稱之)進行加權平均的結果。具體而言，全人物合規類別102係指關係於此個體之相關人物的合規分數的類別，而全公司合規類別103係指關係於此個體之相關公司的合規分數的類別。

在其他實施例中，計算最終個體合規分數101時，屬於全人物合規類別102或全公司合規類別103的合規分數所分別被分配的權重係取決於相關人物及/或相關公司在上述類別中對此特定個體的影響程度，一般來說，此些權重(第三組權重)可有預先設定的數值，但亦可由使用者依據需求自行調整，在本文中並不特別限定。

舉例來說，當所欲調查之個體為一公司時，所述全人物合規類別102的合規分數可包括的項目有：關鍵人物分數；而全公司合規類別103的合規分數可包括的項目有：制裁分數、加強盡職調查資料(Enhanced Due Diligent,EDD)分數、新聞分數、產業分數、國家分數、法庭記錄分數及首次公開募股(Initial Public Offerings,IPO)之交易所分數等，則關於此個體的上述合規分數被分配的權重(第三組權重)係如下所示：

關鍵人物分數：20；

新聞分數：20

產業分數：5；

國家分數：5；

法庭記錄分數：15；以及

IPO分數：5等。

而關於此個體的最終個體合規分數101則為將上述各項目的分數基於各自的權重進行加權平均(分母為上述各權重值的總和)後的值。

額外地，上述個體的最終個體合規分數101的值還可能受到以下因素的影響而改變，其中，此分數亦可能因客戶需求及討論而改變：

制裁分數：若此個體未在制裁名單中，則其對應分數為1且不影響最終個體合規分數101、若此個體未在制裁名單中但其關鍵人物、供應鏈、母公司或子公司之任一者的制裁分數為5，則最終個體合規分數101將變更為4、而若此個體在制裁名單中則其對應分數為5且此最終個體合規分數101將變更為5；及/或

加強盡職調查資料分數：若此對象未在EDD名單中，則其對應分數為1且不影響最終個體合規分數101、若此個體未在制裁名單中但其關鍵人物、供應鏈、母公司或子公司之任一者的加強盡職調查資料分數為5，則最終個體合規分數101將變更為4、而若此個體在EDD名單中則其對應分數為5且此最終個體合規分數101將變更為5。

須知，計算最終個體合規分數101時根據所對應個體的類型，所納入計算的合規分數的項目並不僅限於上述，亦可能基於其他可能後續考慮之重要因素納入比上述類別中更多或更少之項目的合規分數以及不同計算之權重，在本文中並不特別限定。

在進一步實施例中，最終個體合規分數101係以複數個等級(如等級1至5)的方式表示之。舉例來說，等級1表示此個體的AML/KYC風險最低；等級2至3表示此個體的AML/KYC風險適中；等級4表示此個體的AML/KYC風險高且需要警告可能的合規風險，例如存在過多民事法庭紀錄或涉及政治人物等；而等級5表示此個體的AML/KYC風險嚴重且可能涉及被制裁人物或公司、持有犯 罪法庭紀錄等狀況。基於最終個體合規分數101的上述分級方式，使用此合規分數指標100的使用者可過濾出具有高AML/KYC風險的個體以進行相關調查。

在額外實施例中，當顯示模組30依據使用者要求顯示所欲調查之個體的合規分數指標100時，可依據運算模組20所導出最終個體合規分數101的等級以不同顏色顯示在操作介面上，俾以視覺化方式告知使用者所欲調查的個體之合規風險。舉例來說，顯示模組30可將最終個體合規分數101為等級1至3的個體分別以藍、綠、黃色在操作介面上進行標示，表示其AML/KYC風險適中或輕微；將最終個體合規分數101為等級4的個體以橙色在操作介面上進行標示，表示其AML/KYC風險高；或將最終個體合規分數101為等級5的個體以紅色在操作介面上進行標示，表示其AML/KYC風險嚴重。以此方式，使用者可快速判斷具有高AML/KYC風險的個體以進行隨後的相關調查。

然而，最終個體合規分數101的分級方式及合規分數指標100的表示方式並不限於上述，且可依據作業需求分為更多或更少的分級，在本文中並不特別限定。

圖3係圖示屬於全人物合規類別102的合規分數的取得方式。須知，雖未於圖3中描繪，但本領域具備通常知識者當可由圖2中全人物合規類別102相對於最終個體合規分數101的關係得知，圖3所描述的運算亦由運算模組20所實施。

在本實施例中，所述全人物合規類別102所包含合規分數的項目201主要包括此個體的關鍵人物分數。在所查詢個體為一特定公司的實施例中，所述個體的關鍵人物包括但不限於公司長官(首席執行官、總經理、執行長、資深經理人等)、董事會成員、公司股東、公司獨立監事、在子公司或被投資公司 的代表等公司成員。然而，全人物合規類別102所包含的項目201並不僅限於關鍵人物分數，亦可編列其他可納入計算的項目201(例如，計算除公司成員以外與此個體相關之人物的合規分數)，在本文中並不特別限定。

進一步地，由圖3所示關係中可知，各項目201的合規分數係由複數筆人物分數202中歸納而來。具體來說，所述人物分數202係在不考慮與個體(例如，公司)之關係的前提下替任意人物計算的合規分數，此些人物分數202係以與最終個體合規分數101相同的分級方式表示之(例如，等級1至5)，而人物分數202的計算方式將於後續更詳細地說明。在項目201係代表關鍵人物分數的實施例中，運算模組20可引進資料處理機制以從人物分數202中擷取或過濾出與個體關聯之相關人物(即，關鍵人物)的人物分數202，而經過濾的每筆人物分數202係根據相關人物在此項目201中(此時為關鍵人物分數)相對個體的影響力(例如，首席執行官對公司的商業決策影響一般大於股東)分配各自的權重(後續以「第一組權重」稱之)後進行加權平均，即可得到對應關鍵人物分數之項目201的合規分數。

舉例來說，當欲調查的個體為一公司且所其關鍵人物包括有一名公司長官、六名公司股東、五名董事會成員及一名獨立監事時，用於計算項目201為「關鍵人物分數」的人物分數202的權重分配方式(第一組權重)係如以下所示：

公司長官：50；

董事會成員：25；

公司股東：15；以及

獨立監事：10等。

而代表關鍵人物分數之項目201則為將上述各類人物分數202基於各自的權重進行加權平均(分母為上述各權重值的總和)後的值。

圖4係圖示屬於全公司合規類別103的合規分數的取得方式。須知，雖未於圖4中描繪，但本領域具備通常知識者當可由圖2中全公司合規類別103相對於最終個體合規分數101的關係得知，圖4所描述運算亦於運算模組20所實施。

在本實施例中，全公司合規類別103所包含合規分數的項目203係包括但不限於：制裁分數、加強盡職調查資料分數、新聞分數、產業分數、國家分數、法庭記錄分數、首次公開募股之交易所分數等涉及個體之相關公司的合規分數項目。在所查詢個體為一特定公司的實施例中，所述個體的相關公司包括但不限於個體的自身、母公司、子公司、被投資公司、供應鏈夥伴等。然而，全公司合規類別103所包含的項目203並不僅限於上述，亦可編列其他可納入計算的項目203(例如，根據此個體之相關公司所營運社群媒體或財務紀錄計算合規分數)，在本文中並不特別限定。

進一步地，由圖4所示關係中可知，各項目203的合規分數係由公司分數204中歸納而來。具體來說，所述公司分數204係在不考慮與個體(例如，公司)關係的前提下替任意公司計算關於全公司合規類別103所定義項目203對應的合規分數，此些公司分數204係以與最終個體合規分數101相同的分級方式表示之(例如，等級1至5)，而公司分數204的計算方式將於後續更詳細地說明。在一些實施例中，運算模組20可引進資料處理機制以從公司分數204中擷取或過濾出符合項目203定義內容且與個體關聯之相關公司的公司分數204，而經過濾的每筆公司分數204係根據相關公司在對應項目203中相對個體的影響力(例如，母 公司對公司的商業決策影響一般大於供應鏈夥伴)分配各自的權重(後續以「第二組權重」稱之)後進行加權平均，即可得到對應項目203的合規分數。

舉例來說，當欲調查的個體為一公司時，用於計算項目203為「新聞分數」的各相關公司的公司分數204的權重分配方式(第二組權重)係如以下所示：

母公司：60；

自身：20；以及

子公司：20等。

而代表新聞分數之項目203則為將上述各類公司分數204基於各自的權重進行加權平均(分母為上述各權重值的總和)後的值。

舉另一例來說，當欲調查的個體為一公司時，用於計算項目203為「產業分數」的各相關公司的公司分數204的權重分配方式(第二組權重)係如以下所示：

母公司：25；

自身：25；

子公司：25；以及

供應鏈：25等。

而代表產業分數之項目203則為將上述各類公司分數204基於各自的權重進行加權平均(分母為上述各權重值的總和)後的值。

舉再一例來說，當欲調查的個體為一公司時，用於計算項目203為「法庭記錄分數」的各相關公司的公司分數204的權重分配方式(第二組權重)係如以下所示：

母公司：30；

自身：60；以及

子公司：10等。

而代表法庭記錄分數之項目203則為將上述各類公司分數204基於各自的權重進行加權平均(分母為上述各權重值的總和)後的值。

再而，由圖4所示關係中另外可知，各筆公司分數204基於所對應相關公司之公司相關人員組成(例如，公司內的首席執行官、總經理、執行長、資深經理人、董事會成員、公司股東、公司獨立監事等)在項目203定義內容中的牽涉程度，故使用公司分數204計算任意項目203之合規分數時，權重的分配可能受到所述公司相關人員組成之人物分數202的影響。

舉例來說，當欲調查的個體為一公司時，則用於計算項目203為「制裁分數」的各公司分數204依據所對應相關公司中人物在制裁紀錄中的牽涉程度(例如，根據人物分數202的高低判定牽涉程度)，被分配的權重會隨著有所變更。

圖5係揭露取得人物分數202的方式。在本實施例中，人物分數202是複數筆通用人物分數301的總稱，故可將人物分數202與通用人物分數301以相互置換方式進行參考。如上所述，經計算的通用人物分數301(即，各筆人物分數202)係以相同於最終個體合規分數101的分級方式(例如，等級1至5)表示之。

由圖5描述的關係可知，通用人物分數301主要係運算模組20根據來自各類資料源的人物擷取資料302所計算。在本實施例中，所述資料源包括網路服務400及資料庫500二大類，網路服務400例如為任意線上搜尋引擎、即時/幾近即時的串流服務等應用，資料庫500例如為任意資料商的資料庫、政府機關的 開放資料等應用，並且，所述資料源所提供的資料類型係包括但不限於：關於個體之公開資訊、資料供應商所提供個體之公開或不公開資料、個體自身維護之KYC資料等。在進一步實施例中，擷取模組10可使用任意合適之軟體應用程序從各類網路服務400及資料庫500中提取關於興趣對象的人物擷取資料302，而運算模組20可依據人物擷取資料302的類別分別賦予對應分數(例如，相同於最終個體合規分數101之分級方式的分數)，並且運算模組20可再將各類別人物擷取資料302的對應分數根據此興趣對象自身KYC條件(例如，職業別、政治公眾人物、新聞紀錄、國籍、黑名單研究、社群媒體分析等因素)分配相應權重後進行加權總和，即可得到此對象的通用人物分數301(即，一筆人物分數202)。

詳細而言，人物擷取資料302的類別係依據各自的資料涵蓋內容來影響通用人物分數301的數值。在一些特定實施例中，運算模組20可引用人工智慧模型分析各人物擷取資料302類別的資料涵蓋內容，從而計算各類別的對應分數。例如，可將對應於興趣對象之屬於「新聞紀錄」類別的人物擷取資料302經由統計(包括但不限於，利用人工智慧模組區分)並依嚴重性統整以計算出屬於此興趣對象之「新聞紀錄」類別的人物擷取資料302的對應分數。又例如，可將對應興趣對象之屬於「法庭紀錄」類別的人物擷取資料302經由統計(包括但不限於，利用人工智慧模組區分)並依嚴重性統整以計算出屬於此興趣對象之「法庭紀錄」類別的人物擷取資料302的對應分數。或例如，可將對應興趣對象之屬於「法庭紀錄」類別的人物擷取資料302分析(包括但不限於，利用人工智慧模組區分)關鍵字後，依照這些關鍵字整統並計算出屬於此興趣對象之「法庭紀錄」類別的人物擷取資料302的對應分數。

在一些實施例中，人物擷取資料302的類別依據資料來源可包括但不限於下列各者：

新聞紀錄：其來源可為由任意搜尋工具(例如，Google、Baidu、Yahoo、Bing、Yandex等)取得的公開線上資訊，包括：線上新聞、公告、雜誌、出版物等；

法庭紀錄：其來源可為公開法庭紀錄(例如，法庭紀錄資料庫)，包括：地方政府當局出版的民事判決紀錄、刑事判決紀錄等；

社群媒體：其來源可為公開可搜尋的社群資訊，包括：Facebook、Twitter、WeChat等，此資訊在存在已知的犯罪人物或犯罪行為時可用於衡量其與對象在社群媒體網路中的關係；

信用紀錄：其來源可為任意人物為了金融交易需求在當地法規下提交至評估組織(例如，銀行或會計事務所)的私人資訊；

制裁紀錄：其來源可為聯合國、各國政府、非政府組織等所發布用於警告已知個人或組織的非法活動的公開訊息；

加強盡職調查資料：大部分上述的類別皆被視為客戶盡職調查(CDD)資料。加強盡職調查資料(EDD)可以對潛在的業務合作夥伴提供更高級別的審查，並突出CDD資料無法檢測到的風險；以及

政治公眾人物證明：根據FATF的標準，政治公眾人物(PEP)屬於高風險客戶，因為他們處於可能被濫用於洗錢目的的地位，這類人物常出於此原因被要求提供資金來源證明，故可作為政治公眾人物證明的來源。

上述人物擷取資料302的類別之對應分數根據所計算通用人物分數301對應的對象的自身KYC條件可被分配不同的權重(後續以「第四組權重」稱之)。舉例來說，當計算通用人物分數301的對象為一公司股東時，所計算的通用 人物分數301將以下列類別之人物擷取資料302的對應分數搭配對應的權重(第四組權重)計算而來：

新聞紀錄：50；以及

法庭紀錄：50...等等。

而此對象的通用人物分數301則為將上述各類別的人物擷取資料302的對應分數基於各自的權重進行加權平均(分母為上述各權重值的總和)後的值。

額外地，上述對象的通用人物分數301的值還可能受到以下因素的影響而改變：

制裁紀錄：若此對象未在制裁名單中，則其對應分數為1且不影響通用人物分數301、反之則其對應分數為5且此通用人物分數301將變更為5；

加強盡職調查資料：若此對象未在EDD名單中，則對應分數為1且不影響通用人物分數301、反之則其對應分數為5且此通用人物分數301將變更為5；及/或

政治公眾人物證明：若此對象非PEP，則對應分數為1且不影響通用人物分數301、反之則對應分數為4且此通用人物分數301將為原本計算結果再加1的值

可理解地，依據對象的職業、戶籍地所在國家、職責地位等因素，可能導致對象與上述各類別不同的對應關係，進而影響權重的分配方式，或是考量其他類別的人物擷取資料302作為通用人物分數301的計算因素。故本領域具備通常知識者應當理解上述權重及人物擷取資料302類別之配對方式僅作為示例用途，並不旨在限定本發明之範圍。

圖6係揭露取得對應各項目203定義內容之公司分數204的方式。在本實施例中，公司分數204是複數筆通用公司分數303的總稱，故可將公司分數204與通用公司分數303以相互置換方式進行參考。如上述所述，經計算的通用公 司分數303(即，各筆公司分數204)係以相同於最終個體合規分數101的分級方式表示之(例如，等級1至5)。

由圖6描述的關係可知，通用公司分數303主要係根據來自各類資料源的公司擷取資料304所計算。其中，所述資料源(包括網路服務400及公開資料庫500二大類)係類似或相同於圖5所揭露者，故不再詳述。在進一步實施例中，擷取模組10可使用任意合適之軟體應用程序從各類網路服務400及資料庫500中提取符合各項目203定義內容且有關於興趣對象(此時為任意公司)的公司擷取資料304，並且運算模組20可再將取得的公司擷取資料304計算出一對應分數以作為此對象的通用公司分數303(即，一筆公司分數204)。

詳細而言，公司擷取資料304係依據資料涵蓋內容來影響通用公司分數303的數值。在一些特定實施例中，運算模組20可引用人工智慧模型分析各公司擷取資料304的資料涵蓋內容，從而計算對應分數，並作為通用公司分數303。例如，可將對應於興趣對象之屬於「新聞紀錄」類別的公司擷取資料304經由統計(包括但不限於，利用人工智慧模組區分)並依嚴重性統整以計算出此興趣對象屬於「新聞紀錄」類別的公司擷取資料304的對應分數，從而作為可用於計算任意個體關於項目203為「新聞分數」之合規分數的候選通用公司分數303(一筆公司分數204)。又例如，可將對應於興趣對象之屬於「法庭紀錄」類別的公司擷取資料304經由統計(包括但不限於，利用人工智慧模組區分)並依嚴重性統整以計算出此興趣對象屬於「法庭紀錄」類別的公司擷取資料304的對應分數，從而作為可用於計算任意個體關於項目203為「法庭記錄分數」之合規分數的候選通用公司分數303(一筆公司分數204)。或例如，可將對應興趣對象之屬於「法庭紀錄」類別的公司擷取資料304分析(包括但不限於，利用人工智慧模組區分)關 鍵字後，依照這些關鍵字整統以計算出此興趣對象屬於「法庭紀錄」類別的公司擷取資料304的對應分數，從而作為可用於計算任意個體關於項目203為「法庭記錄分數」之合規分數的候選通用公司分數303(一筆公司分數204)。

公司擷取資料304依據資料來源可包括但不限於下列各者：

新聞紀錄：其來源可為由任意搜尋工具(例如，Google、Baidu、Yahoo、Bing、Yandex等)所取得的公開線上資訊，包括：線上新聞、公告、雜誌、出版物等；

法庭紀錄：其來源可為公開法庭紀錄(例如，法庭紀錄資料庫)，包括：地方政府當局出版的民事判決紀錄、刑事判決紀錄等；

社群媒體：其來源可為公開可搜尋的社群資訊，包括：Facebook、Twitter、WeChat等，此資訊在存在已知的犯罪人物或犯罪行為時可用於衡量其與對象在社群媒體網路中的關係；

財務紀錄：其來源可為任意公司為了金融交易需求在當地法規下提交至評估組織(例如，銀行或會計事務所)的私人或公開財務資訊；

制裁紀錄：其來源可為聯合國、各國政府、非政府組織等所發布用於警告已知個人或組織的非法活動的公開訊息；

加強盡職調查資料：大部分上述的類別皆被視為客戶盡職調查(CDD)資料。加強盡職調查資料可以對潛在的業務合作夥伴提供更高級別的審查，並突出CDD資料無法檢測到的風險；

產業別：其來源為參考全球風險評估後，根據產業在當地區域的金融風險對其進行的評級，例如，非金屬礦產業因涉及大量的珠寶交易且難以監控而被認為具有更大的AML風險、而銀行業由於金融操作受到非常嚴格的審查而被認為AML風險較小；以及

國家別：其來源係根據清廉印象指數(Corruption Perception Index)的定義與分數，例如，朝鮮、阿富汗、剛果、海地等國家被認為存在AML風險。

可理解地，隨著全公司合規類別103所包含合規分數的項目203的增刪或變更，上述公司擷取資料304的資料來源可能隨之變動，故本領域具備通常知識者應當理解上述公司擷取資料304之資料來源類型僅作為示例用途，並不旨在限定本發明之範圍。

上述圖2至6係揭露在評估特定個體的合規分數指標100時需考慮之由概括層級(如圖2所示最終個體合規分數101的組成方式)到詳細層級(如圖5、6所示通用人物分數301、通用公司分數303的組成方式)的各類計算因素。此時參考圖7及以下說明，將進一步了解替特定個體計算合規分數指標100的流程步驟。

須知，圖7所示步驟流程可由任意需要執行特定個體之AML/KYC風險評估的人員、組織、系統、軟體、線上平台等的自身作業程序進行整合，以替特定個體評估其合規分數指標100。

在步驟S701處，裝置1係藉由使用者於顯示模組30處提交的指令確認欲查詢合規分數指標100的個體，此時，所述個體可為任意人物、公司、金融交易等。

在步驟S702處，運算模組20將對應所確認的個體進一步確認與個體關聯的相關人物及相關公司。其中，相關人物係相關於全人物合規類別102所定義項目201之合規分數的計算，而相關公司係相關於全公司合規類別103所定義項目203之合規分數的計算。

在步驟S703處，運算模組20係偕同擷取模組10根據所確認的相關人物從人物擷取資料302中計算人物分數202。此時，人物分數202的取得方式係如圖5所示。

在步驟S704處，運算模組20係根據所提取的人物分數202進一步計算項目201的合規分數。舉例來說，可將屬於個體之關鍵人物的每筆相關人物的人物分數202依據各自分配的權重進行加權平均而獲得全人物合規類別102中屬於「關鍵人物分數」之項目201的合規分數。

在步驟S705處，運算模組20係偕同擷取模組10根據所確認的相關公司從公司擷取資料304中計算公司分數204。此時，公司分數204的取得方式係如圖6所示。

在步驟S706處，運算模組20係根據所提取的公司分數204進一步計算項目203的合規分數。舉例來說，可將關於個體之相關公司之新聞紀錄的每筆公司分數204依據各自分配的權重進行加權平均而獲得全公司合規類別103中屬於「新聞分數」之項目203的合規分數。此時，公司分數204受到人物分數202的影響，其所被分配的權重因應所對應相關公司之公司相關人員組成在項目203定義內容中的牽涉程度可能有不同的值。

在步驟S707處，運算模組20將步驟S704、S706分別計算的全人物合規類別102的各項目201的合規分數與全公司合規類別103的各項目203的合規分數進行加權平均後得到個體的最終個體合規分數101。此時，各項目201或203之合規分數所分別對應的權重係視個體受相關人物或相關公司的影響程度而可能有不同數值。

在經過步驟S701至S707的計算後，運算模組20輸出的最終個體合規分數101可透過顯示模組30有效用於指示個體的AML/KYC風險(例如，以綠(對應等級1)到紅(對應等級5)的顏色變化視覺化地提示個體的AML/KYC風險)，亦可進一步將最終個體合規分數101用於進行個體之審計追蹤/數據軌跡(audit trial)等挖掘、審計相關的後續應用。

本發明復揭露一種電腦可讀媒介，係應用於具有處理器(例如，CPU、GPU等)及/或記憶體的計算裝置或電腦中，且儲存有指令，並可利用此計算裝置或電腦透過處理器及/或記憶體執行此電腦可讀媒介，以於執行此電腦可讀媒介時執行上述之各步驟。

綜上所述，本發明所揭評估個體合規風險之裝置、方法及電腦可讀媒介係用於定義可量化的指標以快速且精準地計算特定個體之反洗錢/了解顧客(anti-money laundering/know-your-customer,AML/KYC)合規分數，其流程包括：從資料源計算通用且不考慮與個體關係的人物分數與公司分數；過濾出關係於個體的相關人物與相關公司的人物分數與公司分數；計算出關係於個體的全人物合規類別與全公司合規類別的合規分數；再將各類合規分數組成為最終個體合規分數。並且將上述各類分數匯整期間皆考慮人物或公司相對於個體的影響力而賦予對應的計算權重，故可快速且精準地實際反映個體的合規風險，達到AML/KYC目標，並提升整體效能。

上述實施例僅例示性說明本案之功效，而非用於限制本案，任何熟習此項技藝之人士均可在不違背本案之精神及範疇下對上述該些實施態樣進行修飾與改變。因此本案之權利保護範圍，應如後述之申請專利範圍所列。

S701~S707:步驟

Claims (9)

1. 一種評估個體合規風險之裝置，包括：顯示模組，係用於提供操作介面，以接收個體之調查需求；擷取模組，係用於從資料源提取資料；以及運算模組，係用於根據該調查需求從該資料導出最終個體合規分數，其中，該運算模組導出該最終個體合規分數係包括：令該運算模組根據該調查需求確認該個體，其中，該個體為人物、公司、金融交易的其中一者；令該運算模組確認該個體之相關人物及相關公司；令該運算模組根據該資料中的人物擷取資料計算各該相關人物的人物分數，其中，該運算模組依據該人物擷取資料採用統計方式，以依嚴重性進行統整，藉此計算出該人物擷取資料之各類別的對應分數，再計算出各該相關人物的人物分數，且各該相關人物係包含公司長官、董事會成員、公司股東、公司獨立監事、在子公司及被投資公司的代表，而各該相關人物的該人物擷取資料之各類別係包括新聞紀錄、法庭紀錄、社群媒體、信用紀錄、制裁紀錄、加強盡職調查資料、政治公眾人物證明、職業及國籍中之一或多者；令該運算模組依據第一組權重將各該相關人物的該人物分數加權平均為第一項目的合規分數；令該運算模組根據該資料中的公司擷取資料計算各該相關公司的公司分數，其中，該運算模組依據該公司擷取資料採用統計方式，以依嚴重性進行統整，藉此計算出該公司擷取資料之各類別的對應分數，再計算出各 該相關公司的公司分數，且該相關公司係包含公司自身、母公司、子公司、被投資公司及供應鏈夥伴，而在第二項目之定義內容下，各該相關公司的該公司擷取資料之定義內容係包括新聞紀錄、法庭紀錄、社群媒體、財務紀錄、制裁紀錄、加強盡職調查資料、產業別、國家別、首次公開募股(Initial Public Offerings,IPO)之交易所中之任一者；令該運算模組根據第二組權重將各該相關公司的該公司分數加權平均為該第二項目的合規分數；以及令該運算模組將該第一項目與該第二項目的各該合規分數依據第三組權重加權平均為該最終個體合規分數，其中，各該相關人物的該人物分數被該第一組權重分配的權重值係隨著各該相關人物在對應類別中相對該個體的影響力變化，而各該相關公司的該公司分數被該第二組權重分配的權重值係隨著各該相關公司在對應類別中相對該個體的影響力及/或關聯該相關公司之該相關人物在該類別中的牽涉程度變化，且該第一項目與該第二項目的各該合規分數被該第三組權重分配的權重值係隨著該相關人物與該相關公司相對該個體之影響程度變化。
2. 如請求項1所述之評估個體合規風險之裝置，其中，該運算模組根據該資料中的人物擷取資料計算各該相關人物的人物分數更包括：從該資料源取得興趣對象的該人物擷取資料，該興趣對象係各該相關人物中之任一者；計算該人物擷取資料之各該類別的對應分數；以及 將各該類別的該對應分數依據第四組權重加權平均為該興趣對象的該人物分數。
3. 如請求項1所述之評估個體合規風險之裝置，其中，該運算模組根據該資料中的公司擷取資料計算各該相關公司的公司分數更包括：從該資料源取得興趣對象的公司擷取資料，其中，該興趣對象係各該相關公司中之任一者；依據該公司擷取資料在該第二項目之定義內容下的資料涵蓋內容計算對應分數；以及將該對應分數作為該興趣對象在該第二項目下的一筆公司分數。
4. 如請求項1所述之評估個體合規風險之裝置，其中，該最終個體合規分數係以複數個等級表示，並且該顯示模組復用於將該最終個體合規分數以對應該複數個等級之顏色視覺化提示該個體的合規風險。
5. 一種評估個體合規風險之方法，包括下列步驟：令顯示模組接收個體之調查需求；令擷取模組從資料源提取資料；以及令運算模組根據該調查需求從該資料導出最終個體合規分數，其中，令運算模組導出最終個體合規分數之該步驟係包括以下子步驟：令該運算模組根據該調查需求確認該個體，其中，該個體為人物、公司、金融交易的其中一者；令該運算模組確認該個體之相關人物及相關公司；令該運算模組根據該資料中的人物擷取資料計算各該相關人物的人物分數，其中，該運算模組依據該人物擷取資料採用統計方式，以依嚴重性 進行統整，藉此計算出該人物擷取資料之各類別的對應分數，再計算出各該相關人物的人物分數，且各該相關人物係包含公司長官、董事會成員、公司股東、公司獨立監事、在子公司及被投資公司的代表，而各該相關人物的該人物擷取資料之各類別係包括新聞紀錄、法庭紀錄、社群媒體、信用紀錄、制裁紀錄、加強盡職調查資料、政治公眾人物證明、職業及國籍中之一或多者；令該運算模組依據第一組權重將各該相關人物的該人物分數加權平均為第一項目的合規分數；令該運算模組根據該資料中的公司擷取資料計算各該相關公司的公司分數，其中，該運算模組依據該公司擷取資料採用統計方式，以依嚴重性進行統整，藉此計算出該公司擷取資料之各類別的對應分數，再計算出各該相關公司的公司分數，且該相關公司係包含公司自身、母公司、子公司、被投資公司及供應鏈夥伴，而在第二項目之定義內容下，各該相關公司的該公司擷取資料之定義內容係包括新聞紀錄、法庭紀錄、社群媒體、財務紀錄、制裁紀錄、加強盡職調查資料、產業別、國家別、首次公開募股(Initial Public Offerings,IPO)之交易所中之任一者；令該運算模組根據第二組權重將各該相關公司的該公司分數加權平均為第二項目的合規分數；以及令該運算模組將該第一項目與該第二項目的各該合規分數依據第三組權重加權平均為該最終個體合規分數，其中，各該相關人物的該人物分數被該第一組權重分配的權重值係隨著各該相關人物在對應類別中相對該個體的影響力變化，而各該相關公司 的該公司分數被該第二組權重分配的權重值係隨著各該相關公司在對應類別中相對該個體的影響力及/或關聯該相關公司之該相關人物在該類別中的牽涉程度變化，且該第一項目與該第二項目的各該合規分數被該第三組權重分配的權重值係隨著該相關人物與該相關公司相對該個體之影響程度變化。
6. 如請求項5所述之評估個體合規風險之方法，其中，令該運算模組根據該資料中的人物擷取資料計算各該相關人物的人物分數之該步驟更包括以下子步驟：從該資料源取得興趣對象的該人物擷取資料，該興趣對象係各該相關人物中之任一者；計算該人物擷取資料之各類別的對應分數；以及將各該類別的該對應分數依據第四組權重加權平均為該興趣對象的該人物分數。
7. 如請求項5所述之評估個體合規風險之方法，其中，令該運算模組根據該資料中的公司擷取資料計算各該相關公司的公司分數之該步驟更包括以下子步驟：從該資料源取得興趣對象的公司擷取資料，其中，該興趣對象係各該相關公司中之任一者；依據該公司擷取資料在該第二項目之定義內容下的資料涵蓋內容計算對應分數；以及將該對應分數作為該興趣對象在該第二項目下的一筆公司分數。
8. 如請求項5所述之評估個體合規風險之方法，復包括：令該顯示模組根據該最終個體合規分數以對應複數個等級之顏色視覺化提示該個體的合規風險。
9. 一種電腦可讀媒介，應用於電腦中，係儲存有指令，以執行如請求項5至8中任一項所述之評估個體合規風險之方法。

Images