合规即约束：面向数据出口企业的法规感知决策支持系统

法规合规性对数据出口企业而言是一项重大且不断增长的负担。我们提出了一种法规感知决策支持系统，该系统将法规规则转化为可计算的最小合规映射，并将企业的每周决策建模为有限时域马尔可夫决策过程（MDP），其中合规性被表示为硬约束而非惩罚项。所产生的问题通过掩码深度强化学习求解，而反事实路径优势提供了可解释的信号以支持企业的跨境数据流决策。实验表明，该系统学到的策略优于所考虑的基线方法，并提供了可解释、可审计的决策支持。本地化处理集中在那些小额合法传输的商业价值无法覆盖其合规成本的州，并且随着监管收紧，本地化边界系统性移动。资质获取在合规年度内前置，而浅层决策树以高保真度重现策略的决策。将持续摩擦权重视为监管严格性的连续表示，进一步揭示了一种先吸收后调整的模式，其中预期回报在可观察行为改变之前下降，这意味着仅基于行为指标的评估可能低估了企业已经承担的负担。此外，该系统不依赖于任何特定法规，可以迁移到其他司法管辖区和基于规则的合规问题。