面向开发者的天远全能消金报告API 深度解析：接口调用、验签流程与风险评估落地方案

天远云服
79 阅读8分钟

1.关于API

在金融风控与用户风险评估的场景中，越来越多的企业需要快速获取可信的数据指标，用于判断用户信用、贷款行为、互联网行为异动等风险因素。典型的业务场景包括：

  • 互联网小贷服务的准入审核：判断用户近期贷款、查询、逾期行为。

  • 消费分期平台的额度评估：依据贷款历史与授信结构决定额度策略。

  • 银行线上贷款预审：快速验证用户多头借贷及行为置信度。

  • 保险、租赁领域的欺诈识别：结合行为异常字段用于风险过滤。

  • 电商风控的支付异常监测：通过互联网行为推测判断支付异常用户。

为了解决「数据集成难、字段结构复杂、风控模型解析成本高」等问题，天远API 提供了 全能消金报告(标准版)API（以下简称 [API名称]API），整合多个子产品，包括：

  • 全景雷达（JRZQ7F1A）

  • 互联网行为推测（IVYZ8I9J）

这些数据涵盖用户的贷款行为、查询行为、授信结构、逾期情况以及互联网风险行为，有助于企业构建风控模型、额度模型、反欺诈系统等核心能力。

本文旨在帮助开发者快速理解 API接口 的调用方法、认证机制、数据结构、异常处理方式以及在实际业务中的落地价值。

2. API 调用示例

2.1 API 基本信息

  • 请求方式：POST

  • 端点（带时间戳）：

    <https://api.tianyuanapi.com/api/v1/COMBQN15?t=13位时间戳>

  • 认证方式： 请求体中需携带 Base64 加密后的 data 字段。 实际项目中通常会包含 AppKey、签名、随机串，具体按平台控制台方案执行。

  • 安全性机制：

    • HTTPS 传输
    • 平台级 API 访问凭证
    • 参数需本地加密后再传输

2.2 请求参数（加密前原文）

{
    "mobile_no": "手机号",
    "id_card": "身份证号",
    "name": "姓名",
    "authorized": "1"
}

加密后结构：

{
    "data": "xxxx(base64)"
}

2.3 curl 调用示例（可直接运行）

curl -X POST "<https://api.tianyuanapi.com/api/v1/COMBQN15?t=$>(date +%s%3N)" \\
  -H "Content-Type: application/json" \\
  -d '{
        "data": "'$(echo -n "{\\"mobile_no\\":\\"13800000000\\",\\"id_card\\":\\"110101199001011234\\",\\"name\\":\\"张三\\",\\"authorized\\":\\"1\\"}" | base64)'"
      }'

说明：

  • 使用 date +%s%3N 生成毫秒级 13 位时间戳

  • Base64 示例中仅示意，生产环境应使用平台提供的加密规则（AES、RSA 或 SM4 视业务而定）

2.4 Python Requests 完整示例（含异常处理、加密占位符）

import time
import base64
import json
import requests

API_URL = f"<https://api.tianyuanapi.com/api/v1/COMBQN15?t=>{int(time.time() * 1000)}"

def encrypt_to_base64(payload: dict) -> str:
    """
    加密占位函数：
    根据天远API控制台配置的加密算法进行加密（如 AES/RSA/SM4）。
    本文仅示例使用 Base64。
    """
    raw = json.dumps(payload, ensure_ascii=False)
    return base64.b64encode(raw.encode("utf-8")).decode("utf-8")

payload = {
    "mobile_no": "13800000000",
    "id_card": "110101199001011234",
    "name": "张三",
    "authorized": "1"
}

request_body = {"data": encrypt_to_base64(payload)}

try:
    resp = requests.post(API_URL, json=request_body, timeout=8)
    resp.raise_for_status()
    result = resp.json()
    print("API响应：", json.dumps(result, indent=2, ensure_ascii=False))

except requests.exceptions.RequestException as e:
    print("请求失败:", str(e))
except ValueError:
    print("响应解析失败（可能不是合法 JSON）")

3. 核心数据结构解析

3.1 顶层结构（组合包）

{
  "responses": [
    {
      "api_code": "JRZQ7F1A",
      "success": true,
      "data": {...}
    },
    {
      "api_code": "IVYZ8I9J",
      "success": true,
      "data": {...}
    }
  ]
}

字段说明

字段名类型含义说明
responsesarray子产品列表每个子产品都有独立 data
api_codestring子产品编号如 JRZQ7F1A
successbool是否成功false 时 data=null
dataobject/null子产品数据具体结构因产品而异
errorstring错误信息仅失败时出现

3.2 数据结构模块划分

为了便于开发者构建业务逻辑，本文将字段拆分为 3 个核心模块：

  1. 申请行为（apply_report_detail） → 用户查询、申请相关

  2. 贷款行为（behavior_report_detail） → 用户借贷、逾期、扣款等

  3. 授信结构（current_report_detail） → 授信额度、产品数、机构数

  4. 互联网风险行为（IVYZ8I9J） → 用户是否存在欺诈、羊毛党等行为

以下按模块展示字段说明（节选，根据业务常用度挑选重点字段）：

3.3 申请行为（apply_report_detail）

字段描述说明
A22160001申请准入分1–1000，越高越容易通过
A22160003命中机构数近期申请命中多少金融机构
A22160006机构总查询次数多头借贷风险重要指标
A22160007最近一次查询时间yyyy-mm
A22160008/09/10近1/3/6个月查询笔数可用于风控评分

企业通常将查询次数作为多头借贷判断的重要信号。

3.4 贷款行为（behavior_report_detail）

这是 风险评估API 中最关键的模块，大量指标直接作用于：

  • M0/M1 逾期判断

  • 贷款金额结构

  • 履约能力判断

  • 多头借贷密度

字段描述说明
B22170001贷款行为分越高越健康
B22170025-27M0+ / M1+ 逾期笔数风控禁入重要字段
B22170031-33累计逾期金额金额区间格式
B22170035-39失败扣款笔数自动扣款失败通常代表风险
B22170040-44履约贷款金额用于评估实际还款能力
B22170050最近履约距今天数越小说明用户仍活跃
B22170054最近一次贷款时间可用于活跃度模型

开发者在构建额度模型时非常依赖这些字段。

3.5 授信结构（current_report_detail）

字段描述说明
C22180001网贷授信额度授信越高，金融机构认可度越高
C22180003/04网络贷款机构/产品数可判断是否存在多渠道借贷
C22180007/08消金机构数、产品数与授信结构相关
C22180011建议授信额度可直接作为额度决策参考
C22180012额度置信度50–100

3.6 互联网行为推测（IVYZ8I9J）

用于识别过去常见的欺诈行为、虚假资料风险等：

字段描述
sjbq_zlbz资料包装中介
sjbq_ychy异常行业
sjbq_xjzl虚假资料
sjbq_ymd羊毛党
sjbq_sfcy身份信息存疑
sjbq_ycxw严重异常行为
sjbq_zfyc支付异常行为
sjbq_swhjyc上网环境异常

当这些值为 1 时，一般企业需快速触发 风控拒绝策略。

4. 应用价值分析（企业真实如何使用）

4.1 贷款准入模型

企业通常将：

  • 申请查询次数（A 系列）

  • 贷款行为分（B 系列）

  • M0/M1+ 逾期

  • 最近放款/履约时间

组合进入准入模型，作为是否放款的依据。

示例：

若 M1+ 逾期 >= 2，直接拒绝
若 查询次数 > 某阈值，进入人工审核或降额

4.2 额度评估模型（授信上限）

使用 C 系列字段：授信额度、产品数、机构数，可以构建：

  • 总额度

  • 分期额度

  • 消金额度

  • 备用额度

例如：

若 C22180011（建议授信）高，而逾期较低，则可以提高授信上限。

4.3 反欺诈模型（互联网行为）

IVYZ8I9J 模块非常适合：

  • 注册验证

  • 新客过滤

  • 羊毛党风险识别

  • 虚假资料识别

  • 上网环境伪装识别

在做用户初筛时，可以快速降低欺诈损失。

4.4 系统集成建议

  • 缓存层：对同一个用户一天内多次查询的结果进行缓存，减少 API接口 调用成本。

  • 限流与熔断：避免 API 出现网络波动导致服务整体不可用。

  • 日志监控：记录每次调用的成功字段、响应时间、失败原因。

  • 数据清洗：金额区间需在入库前转换为可量化的区间数值。

  • 模型特征化：建议将区间字段转为「区间编号」用于模型训练。

5. 总结

在风控与金融科技系统中，全能消金报告(标准版)API 通过一个 API 即可同步获取多个维度的数据，包括申请行为、贷款行为、授信结构以及互联网风险行为等关键字段。

API 的稳定性、结构清晰的数据格式、便捷的加密方式，使其非常适合用于：

  • 信贷准入

  • 额度评估

  • 反欺诈识别

  • 多头借贷判断

  • UGC 平台风险管理

开发者在实际集成时，应重点关注加密流程、异常处理、缓存策略及日志监控，以保证业务安全性与系统稳定性。

如需进一步构建企业级风控系统，可以将此 API 作为基础数据源，并与内部行为数据、交易数据、设备指纹等多源数据结合，获得更高质量的风险评估能力。

avatar
文章
阅读
粉丝