ARTICLE · 1131145

反洗钱 AI 工具 Marble:原理、操作步骤与使用场景

发布时间：2026-10-06 16:57:15 最近访问：2026-10-06 16:57:15

AI 合规工具

反洗钱 AI 工具 Marble：原理、操作步骤与使用场景

Marble 把 AI 放在规则引擎之上：规则负责判断交易是否触发预警，AI 负责帮人写规则、解释名单命中和预审案件，最终结论仍由分析师做出。按官网案例，使用方包括银行即服务平台、青少年支付卡公司、稳定币卡服务商和加密货币交易平台。对国内机构来说，它现阶段更适合用于内部试点、规则演练和流程对标。

●一、Marble 是什么

Marble 是法国团队开发的欺诈与反洗钱监控平台，覆盖交易监控、名单筛查和案件调查三块业务。GitHub 主页把它定位为 Comply Advantage、Actimize 和 Fiserv 等产品的灵活替代方案。

它的更新节奏较快。GitHub 版本页显示，2026 年 5 月至 9 月间发布了 v1.1 到 v1.10 共十个版本，最新的 v1.10.0 发布于 9 月 21 日。

●二、工作原理：规则负责判断，AI 负责辅助

Marble 是否发出预警，由规则引擎决定，不由 AI 决定。数据进入系统后，规则引擎逐笔或批量检查，命中规则就生成一条「决策」，再按工作流转成案件，交给分析师处理。AI 不参与这条判断主线，而是在三个位置给人提供帮助。

◆ 原理示意

判断主线：数据接入 → 规则与名单检查 → 命中生成预警 → 预警转成案件 → 分析师处置 → 复盘调整规则

AI 介入点 1　规则与名单检查：辅助搭建规则

AI 介入点 2　命中生成预警：说明命中理由

AI 介入点 3　预警转成案件：生成摘要与建议

三处 AI 都不改变「是否预警」的判断，只给建议，由分析师确认、修改或否决。

第一个位置：写规则。版本更新说明显示，v0.53 开始引入 AI 辅助搭建规则；v1.7 起，规则列表可以显示 AI 生成的规则说明；v1.10 推出规则目录，可以借助 AI 从目录出发搭建规则。

第二个位置：名单筛查。v1.7 起，每条筛查命中旁边会显示 AI 给出的判断理由，帮助分析师判断是否为误报。筛查前还可以做一步预处理，从文字中识别出人名和机构名，再拿去比对。

第三个位置：案件预审。v0.57 起，可以按案件箱设置 AI 在哪些情形下审核案件；v1.5 起，案件页面会显示 AI 审核的简要结论。官网对这部分的描述是：预警到达分析师之前已完成预分析，系统列出风险点、证据和升级建议，并可起草可疑交易报告。

这套设计有两个要点。一是 AI 只给建议，确认、修改或否决都由分析师操作，官网强调 AI 的发现「可解释、可审计」。二是 v1.7 起支持自行配置 AI 服务商，机构可以决定接入哪一家 AI 服务。

●三、操作步骤：从接入数据到复盘调优

以下步骤依据官网、GitHub 主页和版本更新说明梳理。

1	搭建数据模型并接入数据。先在系统里定义客户、账户、交易等数据表，结构按本机构自己的数据来设计。数据可以通过接口实时送入，也可以上传 CSV 文件批量导入。
2	设置监控规则。在无代码界面里搭建场景和规则，可以手写，也可以借助 AI 从规则目录出发。规则支持实时检测和批量检测。
3	配置客户风险评分。按本机构的风险因素设置评分。v1.10 起，新的评分方案可以先拿历史数据样本做回测，确认分布合理后再上线。
4	配置名单筛查。客户和支付可对照制裁、政治公众人物和负面新闻名单。数据来源可选 OpenSanctions、LexisNexis 或机构自建名单；v1.2 说明称，使用 LexisNexis 名单时可完全本地部署，不向第三方发送数据。
5	把预警转成案件。用工作流设定哪些决策进入哪个案件箱、打什么标签。同一客户的多条预警可以归入同一案件。v1.8 起，可以给案件箱设定处理时限，临近或超期的案件会高亮。
6	AI 预审加人工复核。在案件箱设置里决定哪些情形需要 AI 先审。分析师打开案件时，AI 摘要和风险点已备好，由分析师确认、修改或否决。
7	处置与留痕。分析师升级、关闭案件或起草可疑交易报告。所有操作留下可搜索、不可篡改的日志。
8	复盘调优。在分析页面按客户类型、支付方式等条件查看规则命中率和误报率，再回到第 2 步调整规则。

●四、实际使用场景

官网公开了五个客户案例，使用方以金融科技和加密资产机构为主，看重的是规则灵活度和数据可控。

机构	业务	之前的方案	客户自述的使用重点
Treezor	欧洲银行即服务平台	自建反洗钱工具	即时转账场景下快速上线拦截规则，早上 9 点发现欺诈模式，9 点半规则全平台生效
Pixpay	家长管理的青少年支付卡	由合作银行代管反洗钱	搭建贴合自身业务的监控方案
Gemba	银行即服务平台	其他供应商	交易量逐月增长时系统能跟上
Kulipa	稳定币卡服务平台	从第一天起使用	自定义数据模型，适应业务变化
CoinSwitch	加密货币交易平台	一家头部反洗钱供应商	数据和关键系统放在自己的机房

新版本还指向一个新场景。v1.10 以公开测试形式推出了客户关系图，可以找出共用设备、共用收款人或资金来自同一来源的客户，用于发现团伙作案。这项功能仍处于实验阶段。

国内机构现阶段能用在哪里？直接用于生产环境之前，监管报送格式、名单来源、中文姓名匹配和数据存放要求都需要逐项确认，这些内容公开页面没有说明。在此之前，有四个场景可以先用起来：

规则演练：用脱敏数据或模拟数据搭建规则，观察命中率和误报率，练习规则设计。

培训演示：给新同事完整展示从预警、案件到报告的处理流程。

流程对标：对照本机构现有系统，比较预警聚合、案件分派、留痕等环节的做法。

技术学习：源码公开，适合懂技术的合规人员了解监控系统的内部结构。

免费版不含 AI 功能。想试用 AI 预审和 AI 写规则，需要联系厂商使用付费版。

●五、免费版与付费版的边界

免费版是一套可自行部署的规则引擎，AI 功能在企业版里。官网列出三档，后两档没有公开报价。

版本	价格	主要内容	部署方式
免费版	免费	实时决策引擎，社区支持	自行部署
Start 版	按需报价	欺诈与反洗钱的检测、调查和报告	仅云服务
Enterprise 版	按需报价	在 Start 版基础上增加 AI 自动化，带服务协议的支持	云服务或本地部署

许可证方面，据第三方代码文档站 DeepWiki 对仓库 LICENSE 的整理，Marble 采用 Elastic License 2.0。可以免费使用和修改，但不能把软件作为托管服务提供给第三方，也不能绕过许可证密钥功能。这类协议更接近「源码公开」，与 Apache、MIT 等宽松开源协议不同。

●六、可以借鉴什么

Marble 最值得借鉴的是分工方式：
规则做判断，AI 做整理，人下结论。

让合规人员掌握规则。规则调整不必每次都排技术开发。可以把「规则从发现问题到上线的时间」作为内部指标。

新规则先回测再上线。用历史数据检验新规则或新评分方案，避免上线后预警量突然变化。

按客户聚合预警。同一客户的多条预警归入同一案件，分析师看到的是完整的行为轨迹。

AI 建议必须附理由。筛查命中和案件预审都给出理由，分析师据此判断，也便于向监管说明。

每一步都留痕。AI 的建议、分析师的修改和最终处置都应记录在案。

本文依据 Marble 官网、GitHub 主页及公开文档整理，功能与数据均为厂商自述。

免责声明：本文仅供合规从业者学习交流，不构成法律意见，也不构成任何合规结论、制裁名单判断、业务准入建议或交易安排建议。文中信息来自公开渠道，可能随监管动态变化，且不保证完整或最新。涉及具体客户、交易、国家和地区、主体或产品的合规判断，应结合适用法律法规、监管要求、机构内部政策、客户尽职调查材料、名单筛查结果及交易背景，逐案审慎评估，必要时取得专业意见。读者据本文作出的任何决策及其后果，由读者自行承担。

欢迎合规从业者加入「合规AI」交流群，群里有银行、证券、保险、Web3、海外同行，一起聊实务、分享工具、交流动态。

👇 扫码加我微信，请备注「合规AI+所在机构类型+岗位」