> ## Documentation Index
> Fetch the complete documentation index at: https://docs.didit.me/llms.txt
> Use this file to discover all available pages before exploring further.

# AML 일치 점수: 신원 신뢰도 산출 공식

> Didit의 AML 일치 점수가 성명, 생년월일, 국가 일치를 통해 신원 신뢰도를 측정하는 방식을 알아보세요. 가중치와 임계값을 조정하여 오탐을 줄일 수 있습니다.

**일치 점수(Match Score)**는 **잠재적 AML 일치 항목이 스크리닝 대상 개인과 얼마나 밀접하게 일치하는지**를 결정하는 가중치 기반 신뢰도 지표입니다. 이 점수는 개별 일치 항목을 **오탐** 또는 추가 검토가 필요한 **잠재적 일치 항목**으로 분류하는 데 사용됩니다.

![가중치가 적용된 이름, 생년월일, 국가 임계값을 보여주는 Didit AML 일치 점수 구성](https://mintcdn.com/didit-0f962782/z6T2GHM4Zh-iSj-K/images/aml-match-score-config.jpg?fit=max\&auto=format\&n=z6T2GHM4Zh-iSj-K\&q=85\&s=76d3124f99349a81e16e711f3d2816e6)

> ⚠️ **중요:** 일치 점수는 최종 AML 상태가 아닌 **개별 일치 항목 분류**를 결정합니다. 최종 AML 상태(승인됨/검토 중/거부됨)는 오탐이 아닌 일치 항목의 [위험 점수](https://docs.didit.me/ko/core-technology/aml-screening/aml-risk-score.md)에 따라 결정됩니다.

## 개요

AML 감시 목록을 대상으로 개인을 스크리닝할 때, 각 잠재적 일치 항목은 **0-100점의 일치 점수**를 받습니다. 이 점수는 **"이 일치 항목이 실제로 스크리닝 중인 대상자와 동일 인물인가?"**라는 질문에 답합니다.

### 일치 점수 대 위험 점수

| 측면 | 일치 점수 | 위험 점수 |
| - | - | - |
| **질문** | 동일 인물인가? | 이 대상은 얼마나 위험한가? |
| **목적** | 일치 항목을 오탐 대 잠재적 일치 항목으로 분류 | 최종 AML 상태 결정 |
| **요소** | 이름, 생년월일, 국가, 문서 번호 | 국가, 카테고리, 범죄 기록 |
| **임계값** | 일치 점수 임계값 (기본값: 93) | 승인 임계값 / 검토 임계값 |

***

## 일치 점수가 검토 상태를 결정하는 방식

각 일치 항목은 일치 점수를 기반으로 분류됩니다.

| 일치 점수 | 검토 상태 | 의미 |
| - | - | - |
| 일치 점수가 일치 점수 임계값 미만인 경우 | **오탐** | 일치 항목이 동일 인물이 아닐 가능성이 높음 |
| 일치 점수가 일치 점수 임계값 이상인 경우 | **미검토** | 일치 항목에 수동 검토 필요 |

> **기본 임계값:** 93%

**예시:** 임계값이 93인 경우:

* 점수 85인 일치 항목 → **오탐** (자동 기각)
* 점수 95인 일치 항목 → **미검토** (검토 필요, 위험 점수로 긴급도 결정)

### 검토 상태 상세 설명

모든 AML 일치 항목은 일치 점수를 기반으로 두 가지 초기 상태 중 하나로 시작합니다.

| 상태 | 설명 | 설정 시점 |
| - | - | - |
| **오탐** | 일치 항목이 스크리닝 대상 개인과 동일 인물이 아닐 가능성이 높습니다. 위험 평가에서 제외됩니다. | 일치 점수 \< 임계값 |
| **미검토** | 확인하거나 기각하기 위해 수동 검토가 필요한 잠재적 일치 항목입니다. | 일치 점수 ≥ 임계값 |

수동 검토 후 컴플라이언스 담당자는 상태를 다음과 같이 업데이트할 수 있습니다.

| 상태 | 설명 |
| - | - |
| **확인된 일치** | 일치 항목이 동일 인물임이 검증되었습니다. |
| **결론 없음** | 일치 항목이 동일 인물인지 확인할 수 없습니다. |

> [!NOTE]
>
> ### **팁:** Console에서 AML 개요를 확인하거나 특정 일치 항목을 클릭하여 세부 정보를 확인하는 방식으로 일치 항목의 검토 상태를 변경할 수 있습니다.

***

## 일치 점수 계산 방식

### 1단계: 기본 점수 계산

기본 점수는 가중치를 구성할 수 있는 세 가지 구성 요소를 사용하여 계산됩니다.

```
Base Score = (Name Score × Name Weight) + (DOB Score × DOB Weight) + (Country Score × Country Weight)
```

| 구성 요소 | 기본 가중치 | 설명 |
| - | - | - |
| **이름** | 60% | 스크리닝된 이름과 일치 항목 이름 간의 퍼지 문자열 유사도 |
| **생년월일** | 25% | 완전 일치, 부분 일치(연도만 일치), 또는 불일치 점수 산정 |
| **국가/국적** | 15% | 스크리닝된 국적과 일치 항목 국가 간의 비교 |

> **참고:** 가중치의 합은 항상 100%여야 합니다.

### 2단계: 문서 번호 "골든 키" 로직

기본 점수를 계산한 후, 특수 재정의 로직을 사용하여 문서 번호를 별도로 평가합니다.

| 시나리오 | 효과 | 예시 |
| - | - | - |
| **일치** | 점수를 **100**으로 재정의 | 여권 번호가 정확히 일치함 |
| **중립** | 기본 점수를 변경하지 않음 | 서로 다른 문서 유형이거나 한쪽에 정보가 없음 |
| **완전 불일치** | 페널티 적용 (-50점) | 동일한 문서 유형이지만 값이 다름 |

이 방식은 일치하는 문서 번호가 신원에 대한 결정적인 증거("골든 키")라는 점을 인정하면서도, 서로 일치하지 않는 문서 유형이 점수에 불이익을 주지 않도록 합니다.

***

## 구성 요소별 점수 산정 세부사항

### 이름 유사도 (0-100)

이름 매칭에는 RapidFuzz의 **WRatio 알고리즘**을 사용하며, 다음 항목에 대해 강력한 성능을 발휘합니다.

* 오타 및 철자 오류
* 어순 차이 ("John Smith" vs "Smith, John")
* 중간 이름 표기 차이 ("Robert J. Smith" vs "Robert James Smith")
* 글자 수 차이

### 생년월일 점수 산정

| 시나리오 | 점수 | 예시 |
| - | - | - |
| **정확한 일치** | 100% | "1985-03-15"와 "1985-03-15" 일치 |
| **연도 일치 (매치 대상에 연도만 있음)** | 100% | "1985-03-15"와 "1985" 일치 — 매치 대상이 연도 수준의 정확도만 제공하므로 완전한 일치로 간주 |
| **연도 일치 (일/월 불일치)** | 50% | "1985-03-15"와 "1985-06-20" 일치 — 연도는 동일하지만 일/월이 다름 |
| **연도 불일치** | -100% (패널티) | "1985-03-15"와 "1990-03-15" 불일치 |
| **데이터 없음** | 0% (중립) | 양측 중 한쪽에 생년월일 정보가 없음 |

> **중요:** 매치 대상에 연도만 제공되는 경우(예: "1974"), 확인할 수 있는 정보가 그것뿐이므로 해당 연도가 일치하면 **완전한 일치**로 처리됩니다.

### 국가 및 국적 점수 산정

| 시나리오 | 점수 | 예시 |
| - | - | - |
| **정확한 일치** | 100% | "ES"와 "Spain" 또는 "ESP" 일치 |
| **매치 대상에 데이터 없음** | 0% (중립) | 매치 대상에 국가 정보가 없음 |
| **불일치** | -50% (패널티) | "ES"와 "France" 불일치 |

시스템은 다음 형식 간의 변환을 자동으로 처리합니다.

* ISO alpha-2 코드 (ES)
* ISO alpha-3 코드 (ESP)
* 전체 국가명 (Spain)

또한 `countries` 필드 외에 `citizenship` 필드도 함께 확인합니다.

***

## 점수 정규화 (가중치 재산정)

스크리닝 대상자 또는 매치 대상 중 한쪽에 데이터가 누락된 경우, 시스템은 확인할 수 없는 정보로 인한 불이익을 방지하기 위해 **점수 정규화**를 적용합니다.

### 예시: 이름만 스크리닝하는 경우

생년월일이나 국가 없이 이름만으로 스크리닝하는 경우:

| 기존 가중치 | 정규화된 가중치 |
| - | - |
| 이름: 60% | 이름: **100%** |
| 생년월일: 25% | 생년월일: 0% (비교 불가) |
| 국가: 15% | 국가: 0% (비교 불가) |

**결과:** 이름 점수가 전체 일치 점수가 됩니다.

### 예시: 매치 대상에 국가 정보가 누락된 경우

매치 대상에 국가 데이터는 없지만 생년월일은 있는 경우:

| 기존 가중치 | 정규화된 가중치 |
| - | - |
| 이름: 60% | 이름: **70.6%** |
| 생년월일: 25% | 생년월일: **29.4%** |
| 국가: 15% | 국가: 0% (비교 불가) |

이를 통해 데이터 제공 여부와 관계없이 공정한 점수 산정이 이루어집니다.

***

## 설정 옵션

API 또는 워크플로 설정을 통해 일치 점수 계산 방식을 맞춤 설정할 수 있습니다.

### 일치 점수 임계값

| 설정 | 기본값 | 설명 |
| - | - | - |
| 일치 점수 임계값 | 93 | 이 값 미만의 매치는 **오탐**으로 분류됩니다. 이 값 이상의 매치는 검토가 필요한 **미검토**(가능한 매치)로 분류됩니다. |

### 가중치 (합계가 100이어야 함)

| 설정 | 기본값 | 설명 |
| - | - | - |
| 이름 가중치 | 60 | 이름 유사도 가중치 (0-100) |
| 생년월일 가중치 | 25 | 생년월일 가중치 (0-100) |
| 국가 가중치 | 15 | 국가/국적 가중치 (0-100) |

***

## API 요청 예시

```json theme={null}
{
  "full_name": "John Doe",
  "date_of_birth": "1990-01-01",
  "nationality": "USA",
  "document_number": "SAMPLE-DOC-12345",
  "aml_name_weight": 60,
  "aml_dob_weight": 25,
  "aml_country_weight": 15,
  "aml_match_score_threshold": 93
}
```

***

## 응답: 점수 세부 분석

응답의 각 매치 항목에는 다음 정보가 포함됩니다.

* `match_score` — 계산된 일치 점수 (0-100)
* `risk_score` — 계산된 위험 점수 (0-100) - [위험 점수](https://docs.didit.me/ko/core-technology/aml-screening/aml-risk-score.md) 참고
* `review_status` — 일치 점수 임계값을 기반으로 한 "False Positive" 또는 "Unreviewed"
* `score_breakdown` — 일치 점수 계산의 상세 분석

```json theme={null}
{
  "caption": "David Sanchez",
  "match_score": 95,
  "risk_score": 65.5,
  "review_status": "Unreviewed",
  "score_breakdown": {
    "name_score": 95,
    "name_weight": 60,
    "name_weight_normalized": 70.59,
    "name_contribution": 67.06,
    "dob_score": 100,
    "dob_weight": 25,
    "dob_weight_normalized": 29.41,
    "dob_contribution": 29.41,
    "country_score": 0,
    "country_weight": 15,
    "country_weight_normalized": 0,
    "country_contribution": 0,
    "document_number_match_type": "NEUTRAL",
    "document_number_effect": "No document number provided for screening",
    "total_score": 95
  }
}
```

***

## 전체 흐름: 일치 점수부터 최종 AML 상태까지

```
┌─────────────────────────────────────────────────────────────────────────────┐
│                           AML SCREENING FLOW                                 │
├─────────────────────────────────────────────────────────────────────────────┤
│                                                                             │
│  1. RETRIEVE MATCHES FROM WATCHLISTS                                        │
│     └── All matches with score ≥ 75% are included                           │
│                                                                             │
│  2. CALCULATE MATCH SCORE FOR EACH MATCH                                    │
│     Match Score = (Name × W1) + (DOB × W2) + (Country × W3)                │
│     + Golden Key document number logic                                      │
│                                                                             │
│  3. CLASSIFY MATCHES BY MATCH SCORE (Match Score Threshold = 93)           │
│     ├── Match Score < 93 → FALSE POSITIVE (excluded from risk assessment)  │
│     └── Match Score ≥ 93 → UNREVIEWED (included in risk assessment)        │
│                                                                             │
│  4. CALCULATE RISK SCORE FOR NON-FALSE-POSITIVE MATCHES                     │
│     Risk Score = (Country × 30%) + (Category × 50%) + (Criminal × 20%)     │
│                                                                             │
│  5. DETERMINE FINAL AML STATUS (based on highest risk score)               │
│     ├── Highest Risk Score < approve_threshold → APPROVED                   │
│     ├── Highest Risk Score ≤ review_threshold → IN REVIEW                   │
│     └── Highest Risk Score > review_threshold → DECLINED                    │
│                                                                             │
└─────────────────────────────────────────────────────────────────────────────┘
```

***

## 계산 예시

### 예시 1: 강한 일치 → 미검토

**스크리닝된 데이터:**

* 이름: "Robert J. Smith"
* 생년월일: "1985-03-15"
* 국가: "US"

**일치 데이터:**

* 이름: "Robert James Smith"
* 생년월일: "1985"
* 국가: "United States"

**계산:**

1. 이름 점수: 90% (퍼지 일치)
2. 생년월일 점수: 100% (일치 데이터에 연도만 있으며, 연도가 일치함)
3. 국가 점수: 100% (정확히 일치)

```
Match Score = (90 × 0.60) + (100 × 0.25) + (100 × 0.15)
            = 54 + 25 + 15
            = 94
```

**결과:** 일치 점수(94) ≥ 임계값(93) → **미검토**
→ 위험 점수가 계산되어 최종 AML 상태에 사용됩니다

### 예시 2: 약한 일치 → 오탐

**스크리닝된 데이터:**

* 이름: "John Smith"
* 생년월일: "1990-05-20"
* 국가: "US"

**일치 데이터:**

* 이름: "Johnny Smithson"
* 생년월일: "1975"
* 국가: "Canada"

**계산:**

1. 이름 점수: 72% (약한 퍼지 일치)
2. 생년월일 점수: -100% (연도 불일치 감점)
3. 국가 점수: -50% (국가 불일치 감점)

```
Match Score = (72 × 0.60) + (-100 × 0.25) + (-50 × 0.15)
            = 43.2 - 25 - 7.5
            = 10.7 → 11
```

**결과:** 일치 점수(11) \< 임계값(93) → **오탐**
→ 이 일치는 위험 평가에서 제외됩니다

### 예시 3: 골든 키 재정의

**스크리닝된 데이터:**

* 이름: "John D. Smith"
* 문서 번호: "A12345678"

**일치 데이터:**

* 이름: "Jonathan David Smith"
* 문서 번호: "A12345678"

**계산:**

1. 기본 점수: \~70 (이름 퍼지 일치)
2. 문서 번호: **일치** (정확히 일치)

**결과:** 점수가 **100**으로 재정의됨 (골든 키 일치) → **미검토**

***

## 검토 상태 관리

초기 분류 후 각 일치 항목의 검토 상태를 수동으로 업데이트할 수 있습니다:

### 콘솔에서

1. 세션의 AML 개요로 이동합니다
2. 특정 일치 항목을 클릭하여 세부 정보를 확인합니다
3. 상태 드롭다운을 사용하여 검토 상태를 변경합니다:
   * **확인된 일치** — 일치 항목이 동일 인물임을 확인
   * **오탐** — 일치 항목을 일치하지 않는 것으로 표시
   * **판단 불가** — 판단할 수 없음

***

## 모범 사례

1. **기본 임계값(93)으로 시작** — 실제 일치 항목 포착과 오탐 필터링 간의 우수한 균형을 제공합니다.

2. **고위험 시나리오의 경우 임계값 낮추기** — 더 신중해야 하는 경우, 일치 점수 임계값을 낮춰 더 많은 잠재적 일치 항목을 포착하십시오.

3. **가능한 경우 문서 번호 사용** — 가장 강력한 신원 확인을 제공하며 낮은 일치 점수를 재정의할 수 있습니다.

4. **정규화된 가중치 검토** — 점수 분석에서 정규화된 가중치 필드를 확인하여 누락된 데이터가 점수에 어떤 영향을 미쳤는지 파악하십시오.

5. **오탐율 모니터링** — 정당한 일치 항목이 오탐으로 너무 많이 표시되는 경우 임계값을 낮추십시오.


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.