# 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， **全能消金报告(标准版)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|
|:-:|:-:|:-:|:-:|
|responses|array|子产品列表|每个子产品都有独立 data|
|api_code|string|子产品编号|如 JRZQ7F1A|
|success|bool|是否成功|false 时 data=null|
|data|object/null|子产品数据|具体结构因产品而异|
|error|string|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|
|B22170025-27|M0+ / 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。

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：

全能消金报告(标准版)API 实战：接入方法、数据结构、风控场景构建与平台级集成策略

网络与通信

安全

后端

金融风控API整合贷款行为、授信结构、互联网风险等数据，提供准入审核、额度评估、反欺诈等解决方案。支持POST请求加密调用，包含Python示例代码。核心数据涵盖申请查询、逾期记录、多头借贷等关键指标，助力企业构建高效风控模型。

数据集成

数据清洗

数据结构

风险识别

羊毛党

JSON

11.11畅享AI算力 云启新增长

datainlong

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

全能消金报告(标准版)API 实战：接入方法、数据结构、风控场景构建与平台级集成策略-腾讯云开发者社区-腾讯云

全能消金报告(标准版)API 实战：接入方法、数据结构、风控场景构建与平台级集成策略

全能消金报告(标准版)API 实战：接入方法、数据结构、风控场景构建与平台级集成策略

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐