验证文档是否未过期、是否是最近签发的（不太旧）以及是否属于系统支持的国家/地区或文档类型。

检测身份证件的轮廓以验证其是否正确装框并提取其坐标以进行后续透视校正。

Docker 确保开发、CI 和生产环境运行完全相同的代码并具有相同的依赖项。 Docker Compose 使用单个命令在本地编排所有服务。

DEX（Deep EXpectation）和 MiVOLO 是面部年龄估计模型。他们根据自拍照预测用户的表观年龄，并将其与文件上的出生日期进行比较，以发现不一致之处。

设备指纹识别使用来自浏览器/操作系统的信号创建唯一的设备标识符，以检测同一设备何时尝试使用不同的文档多次验证自身。

用于构建、可视化和分析验证系统的模块和代理之间的依赖关系图的算法。它自动检测依赖循环，识别孤立模块，并生成图形可视化以促进对架构的理解。

用于监视项目依赖关系并在更新可用时生成自动拉取请求的工具。 Dependabot 是 GitHub 原生的，Renovate 是自托管的，具有更高的可配置性。两者都有助于使 KYC 系统中的安全依赖性保持最新。

DeepFace 是一个 Python 库，它在一致的 API 下统一了多个面部识别模型。允许您在 ArcFace、FaceNet、VGG-Face 等之间切换，而无需修改管道代码。

实施深度健康检查的技能超越简单的连接，对身份验证管道的每个组件运行真正的功能测试。它包括对 ML 模型的虚拟推理、对数据库的功能查询以及验证模型是否以预期权重正确加载到内存中。确保报告为“健康”的服务实际上可以处理验证请求。

生成人类可读的解释，说明为何做出验证决定。将每个代理的分数和标记合并到审计和手动审核的优先原因列表中。

死信队列 (DLQ)，用于捕获超过最大重试次数的 KYC 管道任务，例如面部推理失败、OCR 超时或活体检测错误。它允许对重复出现的故障进行事后分析以及对可恢复任务进行手动或自动重新处理。

NVIDIA 数据中心 GPU 管理器 (DCGM) 导出器，用于从 KYC 管道中的推理节点收集详细的 GPU 指标。监控运行面部识别模型 (ArcFace/InsightFace)、活体检测和反欺诈分析的卡上的 GPU 利用率、VRAM 内存、温度、功耗和 ECC 错误。

根据 OpenAPI 或 JSON Schema 规范自动生成 Pydantic 模型的工具。它允许您维护系统数据契约的单一事实来源，避免 API 文档和代码之间的不一致。

将从机读区提取的数据与文件可视阅读区 (VIZ) 中的数据进行比较。差异检测仅修改了一个区域的受操纵文档。

定量衡量验证系统各模块之间的耦合度以及各模块内部凝聚力的算法。它允许在架构退化时进行早期检测，识别彼此过于依赖的模块或承担与它们不对应的职责的模块。

余弦相似度测量两个嵌入向量之间的角度。它是比较面部嵌入的标准度量，因为它具有尺度不变性（矢量幅度）。

CORS 策略定义哪些前端域可以向 KYC API 发出请求。不正确的配置（通配符 * ）允许任何恶意网站代表经过身份验证的用户发出请求。

复制移动伪造检测可识别从同一图像的其他部分复制和粘贴的文档区域，从而揭示粘贴的持有人照片或克隆的文档编号等操作。

传统提交是提交消息的轻量级标准，以人类和机器可读的方式构建信息。它是确定版本和变更日志的语义发布输入。

批准/拒绝/手动审核阈值可在运行时通过 Redis 进行配置，从而无需重新部署代码即可对其进行调整。