PEP- og sanktionsscreening (v.3)
Version 3 af PEP- og sanktionsscreeningssystemet introducerer væsentlige forbedringer af nøjagtighed og konfigurerbarhed. Denne artikel dækker, hvordan screeningspipelinen fungerer, de tilgængelige indstillinger, og hvad der er ændret fra tidligere versioner.
Sådan fungerer screening
Screeningspipelinen behandler hver entitet gennem fem trin:
- Forbehandling -- Normaliser og rens navne på entiteter.
- Søgning -- Find kandidatmatches i PEP- og sanktionsdatabaser.
- Filtrering -- Fjern matches af lav kvalitet.
- Scoring -- Beregn en endelig matchscore for hver kandidat.
- Brugerverificering -- Præsenter resultater til menneskelig vurdering.
1.1 Forbehandling
Før søgningen normaliseres entitetsnavne for at forbedre matchkonsistensen. Følgende transformationer anvendes:
| Transformation | Eksempelinput | Eksempeloutput |
|---|---|---|
| Accenter fjernes | Rene Descartes | Rene Descartes |
| Bindestreger opdeles i separate termer | Ann-Bertine | Ann Bertine |
| Ikke-alfanumeriske tegn fjernes | O'Brien | OBrien |
| Titler fjernes (personer) | Dr. Jane Smith | Jane Smith |
| Selskabsformer fjernes (virksomheder) | Acme Corp AS | Acme Corp |
| Flerords-selskabsformer fjernes | Grupo Mexico S.A.B. de C.V. | Grupo Mexico |
| Indledende præfikser fjernes (virksomheder) | The M/V Bella | Bella |
For virksomheder afprøves enhver kombination af selskabsformer, og navnet bevares altid, som det er skrevet, så et ord, der blot ligner en selskabsform, stadig matcher. Selskabsformerne stammer fra de lande, der er knyttet til navnet. For den screenede virksomhed er det det land, den er registreret i. For en sanktionslistepost er det ethvert land, listen angiver for den, såsom nationalitet, adresse, registrering eller flag. Begge sider renses, så Acme Corp AS på en liste registreret i Norge også matcher en screenet Acme Corp.
Et virksomhedsnavn afprøves også uden de ord, der står foran det uden at være en del af det: The, Messrs og fartøjspræfikserne M/V, M/T, M/S, S/S, M/Y, S/Y, R/V, F/V, LNG/C og LPG/C, uanset tegnsætning (også MV eller M V). Kun en række af dem i starten af navnet fjernes, i enhver kombination, så The M/V Bella også screenes som M/V Bella, The Bella og Bella. Ligesom selskabsformer fjernes de fra begge sider.
Ved sanktionsscreening læses både det screenede navn og listeposterne på enhver måde, deres tegnsætning tillader, inklusive bindestreger. Inden for et enkelt ord adskiller hvert tegnsætningstegn enten termer overalt eller forbinder dem overalt. Så Volga-Dnepr læses som både VolgaDnepr og Volga Dnepr, og In'n'Out som både InnOut og In n Out. Et navn og en listepost matcher, uanset hvordan de hver især var skrevet.
1.2 Søgning
Søgetrinnet anvender to vigtige matchregler til at finde kandidater:
Matchregel pr. term (75 %-reglen)
Hver term i entitetsnavnet sammenlignes individuelt med hver term i kandidatnavnet. En term betragtes som et match, hvis den opnår mindst 75 % lighed.
Undtagelse for korte termer: Termer med 3 eller færre tegn kræver et præcist match, da selv små forskelle i korte termer er væsentlige (f.eks. "Bo" vs. "Ba").
Overordnet matchregel
Det overordnede match anvender delmængdelogik: systemet kontrollerer, om termerne i entitetsnavnet udgør en delmængde af kandidatnavnets termer (eller omvendt). Dette betyder:
| Entitetsnavn | Kandidatnavn | Match? | Årsag |
|---|---|---|---|
| Anna Johansen | Anna Bertine Johansen | Ja | Entitetstermer er en delmængde af kandidattermer |
| Anna Bertine Johansen | Anna Johansen | Ja | Kandidattermer er en delmængde af entitetstermer |
| Anna Johansen | Bertine Andersen | Nej | Intet delmængdeforhold |
En samlet lighedsscore beregnes derefter baseret på andelen af matchede termer og deres individuelle lighedsscorer.
1.3 Filtrering
Efter søgetrinnet filtreres kandidater baseret på:
- Lighedsscore -- Kandidater under den konfigurerede tærskel fjernes.
- PEP-opbevaringsperiode -- PEP-hits bevares i en konfigurerbar periode, efter personen har forladt sin stilling, og filtreres derefter fra.
1.4 Scoring
Den endelige matchscore er et vægtet aritmetisk gennemsnit af flere komponenter:
- Navnelighed (konfigurerbar vægt)
- Fødselsdatomatch (konfigurerbar vægt)
- Landematch (konfigurerbar vægt)
- SSN-match (konfigurerbar vægt)
Formlen er:
score = (w_name * name_score + w_dob * dob_score + w_country * country_score + w_ssn * ssn_score)
/ (w_name + w_dob + w_country + w_ssn)Vægtninger kan konfigureres pr. team i screeningsindstillingerne.
SSN-tilsidesættelse: Hvis entitetens personnummer (SSN) matcher kandidatens SSN præcist, sættes scoren automatisk til maksimum uanset andre faktorer.
1.5 Brugerverificering
Efter scoring præsenteres resultaterne for brugeren til verificering. Hvert match indeholder en opdeling af scoren, de matchede datapunkter og et link til kildeposten.
Indstillinger
Følgende indstillinger styrer screeningsadfærden:
Søgeindstillinger
- Matchtærskel (minimum lighedsscore)
- Følsomhed for match pr. term
- Retning for delmængdematch
Filtreringsindstillinger
- Minimum lighedsscore for kandidater
- PEP-opbevaringsperiode (måneder efter fratrædelse af stilling)
Scoringindstillinger
- Vægt for navnelighed
- Vægt for fødselsdato
- Vægt for land
- Vægt for SSN
Alarmer
Hvornår der sendes alarmer
- Der findes et nyt PEP- eller sanktionsmatch, som ikke var til stede i den forrige screeningskørsel.
- Et eksisterende match har ændret sig (f.eks. opdaterede sanktionslistedata, ny PEP-rolle).
- En tidligere matchet entitet findes ikke længere i datakilden (fjernet hit).
Hvornår der IKKE sendes alarmer
- Matchet fandtes allerede i den forrige kørsel og har ikke ændret sig.
- Matchscoren falder under den konfigurerede tærskel.
- PEP-opbevaringsperioden er udløbet, og matchet er blevet filtreret fra.
- Entiteten er blevet manuelt verificeret og afvist i en tidligere vurdering.
Forbedringer i v3
Version 3 introducerer flere forbedringer i forhold til tidligere versioner:
- Fjernelse af søgebegrænsninger -- Tidligere versioner havde en fast grænse for antallet af kandidater, der blev returneret fra søgetrinnet. V3 fjerner denne begrænsning, hvilket sikrer, at alle potentielle matches evalueres.
- Ny delmængdelogik -- Matchalgoritmen bruger nu tovejs delmængdekontrol, så navne med ekstra mellemnavne eller variationer matches korrekt i begge retninger.
- Match pr. term -- 75 %-reglen pr. term erstatter den tidligere tilgang med match af hele navnet, hvilket giver mere detaljeret kontrol over, hvad der udgør et gyldigt match, og reducerer falske positive fra delvise navnesammenfald.
Sidst opdateret