aml-sentinel

本地运行的零依赖 Python 命令行工具：读取单笔交易 JSON 或交易 JSONL 文件，按内置规则识别拆分、快进快出、跨境无 KYC、大额未报备等可疑模式，输出 low/mid/high 风险等级、命中规则与建议处置，支持 JSON 输出与退出码反馈。材料未提供独立安全扫描或评测证据。

zhaoxinghua09-cell

热度 64.79

最近更新 2026-10-17 08:19:18

分类：安全依赖：代码执行 / 读写文件应用场景：财务 / 数据处理 / 报告撰写

安装技能

复制下面的话术发给你的 Agent，它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill： npx secure-skills-cli add aml-sentinel

Metadata

name: aml-sentinel
description: aml-sentinel — LGD 三律在金融 / 反洗钱（AML）交易监测域的纵深合规工具（零依赖）：可疑交易模式检测（拆分/快进快出/跨境无KYC/大额未报备），对 AI 系统/数据做可执行合规校验。适用场景：当需要反洗钱哨兵能力时使用本技能；触发词：aml-sentinel。
slug: aml-sentinel
title: aml-sentinel
version: 1.0.1
display_name: 反洗钱哨兵
display_name_en: AML Sentinel
agent_created: true
author: 诺声(Logos)@SynomosAI
license: MIT
license_scope: 代码（.py 文件）MIT；本 SKILL.md 与其中理论文本不在 MIT 覆盖范围内（见文末「License & attribution」）
allowed-tools: Read, Glob, Grep, Bash, Write, WebFetch
category: AI 治理
platforms: ["windows","macos","linux"]
copyright: SynomosAI
description_zh: aml-sentinel — LGD 三律在金融 / 反洗钱（AML）交易监测域的纵深合规工具（零依赖）：可疑交易模式检测（拆分/快进快出/跨境无KYC/大额未报备），对 AI 系统/数据做可执行合规校验。
description_en: LGD three-laws compliance tool for AML transaction monitoring (zero-dependency): structuring, fast-in-fast-out, cross-border-without-KYC and unreported-large-amount detection with executable checks.
read_when: ["金融交易监测中疑似拆分(Smurfing)/快进快出异常","AI 系统数据输入端零依赖合规校验","跨境无 KYC 大额转账/未报备存款实时预警"]
classification: {"skillhub":["security-compliance"],"iso_25010":["Security"]}
risk_tier: medium
risk_rationale: 门禁批量补丁默认 medium：调用 API/读写文件/本地执行，最小权限，密钥走 Secret；若实际涉对外代执行(push/发布/发送/上架)须人工复评，改 high。
tags: ["aml-sentinel","AI 治理"]
ai_protocol: true
spec: usk/1.0
interface: {"type":"cli","entry_point":"scripts/aml_sentinel.py","runtime":"python3","call_pattern":"args"}
input_schema: [{"name":"tx","type":"string","description":"单笔交易 JSON","required":false},{"name":"file","type":"string","description":"交易 JSONL 文件","required":false},{"name":"json","type":"bool","description":"JSON 输出","required":false}]
output_schema: {"stdout":"风险等级 low/mid/high 与命中规则","exit_code":{"type":"integer","description":"0=OK/PASS; 1=findings/warnings; 2=usage or argument error"}}
capabilities: ["aml","risk_screening","finance_compliance"]
permissions: {"network":false,"filesystem":false,"subprocess":false}
requirements: {"python_packages":[],"min_python":"3.8"}
changelog: 1.0.1: Bilingual rewrite (full EN+ZH, English first); 1.0.0: initial upload (USK v3)

凡自治之物 · LGD 治理学 · 创造术家族｜评测协议：skill-quality-gate（外部公开评测门禁文档）

English

When to use

Suspected structuring (Smurfing) or fast-in-fast-out anomalies in transaction monitoring.
Zero-dependency compliance validation at an AI system's data input edge.
Real-time alerting on cross-border large transfers without KYC, or unreported deposits.
Internal financial-process monitoring subject to LGD three-law compliance audit.

Usage

Run python aml_sentinel.py.
--input_path points to the transaction JSON for pattern matching.
--mode_lgd_three_laws activates the deep LGD compliance check.
No external deps; no cache issues to manage.

Flow

Load aml_sentinel.py; initialize the detection engine.
Read input; parse transaction features (cross-border, amount, KYC status).
Scan for suspicious patterns: unreported large amounts, cross-region no-ID behaviors.
Score against the LGD rule base → risk level.
Generate a report: high-risk tx IDs, types, recommended actions.
Emit to terminal log or push to the risk-control alert system.

Evidence & safety

Evidence: TBD. Version: 1.0.1. Security: no independent scan (TBD).

中文

何时用

当金融交易监测系统中检测到疑似拆分交易（Smurfing）或快进快出异常时。
在 AI 系统数据输入端进行零依赖合规校验，防止反洗钱违规风险。
针对跨境无 KYC 大额转账或未报备存款的实时预警场景。
需执行 LGD 三律合规性审计的内部金融业务流程监控阶段。

用法

运行主脚本 python aml_sentinel.py，确保运行时路径已识别可执行文件。
通过参数 --input_path 指定交易数据 JSON 文件路径用于模式匹配分析。
设置参数 --mode_lgd_three_laws 以激活 LGD 三律深度合规校验逻辑。
检查编译缓存状态，确保无外部依赖冲突或环境错误。

流程

加载 aml_sentinel.py 模块并初始化检测引擎到标准模式。
读取输入数据并解析交易特征，如跨境、金额及 KYC 状态。
扫描匹配可疑模式，包括大额未报备与跨区无身份验证行为。
对比 LGD 三律规则库输出违规风险评分与合规性判断结果。
生成包含高风险交易 ID、类型及建议处置措施的检测报告。
将最终分析报告写入日志终端或通过标准接口推送至风控告警系统。

证据与安全声明

证据：TBD（暂无评测/徽章链接；产生后在此更新实际链接）
版本：1.0.1
安全：未做独立安全扫描（TBD），结论待补；补全前不作推荐背书。