2. 原始数据接入：风控系统常见数据源及接入规范

原始数据接入是风控特征工程的起点。在模型训练之前，必须明确数据从哪些系统来、以什么格式传输、如何校验质量。风控系统通常接入四类核心数据源：征信数据、第三方数据、埋点行为数据和设备指纹数据。每一类在时效性、结构化程度、合规要求上差异显著，接入规范必须分别设计。

2.1 四类数据源概览

2.2 征信数据接入规范

征信数据是风控模型最核心的强变量来源，但接入门槛最高。央行征信报告通常以加密XML或PDF加密包形式返回，百行/朴道等市场化征信机构则提供标准JSON接口。

• 接口协议：HTTPS + 双向证书认证，报文使用AES-256或SM4加密。
• 请求字段：姓名、身份证号、授权码（用户签署的电子授权Token）、查询原因码。
• 响应字段：身份信息、信贷汇总、逾期明细、查询记录、公共记录（法院/税务）。
• 超时设置：连接超时5s，读取超时15s，重试次数≤2（需幂等）。
• 存储规范：原始报文加密存储，解密后特征提取在安全沙箱内完成，日志脱敏。

// 征信查询请求示例（简化）
{
  "header": {
    "version": "2.0",
    "txnId": "202503211234567890",
    "timestamp": "2025-03-21T14:30:00+08:00"
  },
  "body": {
    "name": "张三",
    "idNumber": "110101199001011234",
    "authCode": "AUTH202503210001",
    "queryReason": "01"  // 01=贷款审批
  }
}

2.3 第三方数据接入规范

第三方数据源种类繁多，包括多头借贷、黑名单、运营商、电商、社保公积金等。接入时需统一管理数据源路由和字段映射。

2.4 埋点行为数据接入规范

埋点数据反映用户在申请流程中的实时行为，是构建反欺诈模型和行为评分卡的重要输入。埋点通常以客户端SDK采集，经消息队列（Kafka）传输到数据湖。

• 采集方式：全埋点（自动采集所有页面事件）+ 自定义埋点（关键按钮、输入框）。
• 传输协议：HTTPS + Protobuf 序列化，减少带宽占用。
• 关键事件：页面加载、点击、输入、粘贴、切换、提交、验证码请求。
• 时间戳规范：统一使用UTC毫秒时间戳，客户端与服务端时间差超过30s的标记为异常。
• 数据质量：缺失率＞5%的字段自动告警，session_id 为空的数据直接丢弃。

// 埋点事件上报格式（Protobuf 定义片段）
message BehaviorEvent {
  string session_id = 1;
  string user_id = 2;
  string event_type = 3;       // page_view, click, input, paste
  string page_id = 4;
  int64 timestamp_ms = 5;
  map<string, string> properties = 6;  // 自定义属性
  string device_fingerprint = 7;
}

2.5 设备指纹数据接入规范

设备指纹用于识别设备唯一性、检测模拟器/改机工具、关联团伙欺诈。接入时需平衡采集深度与用户隐私。

2.6 数据接入架构总览

下图展示风控系统从四类数据源到特征存储的完整接入链路，包含接口层、缓冲层、解析层和存储层。

2.7 接入规范检查清单

在数据接入上线前，建议逐项核对以下规范，避免后期返工：

1. 接口文档完整性：请求/响应字段、枚举值、错误码、示例报文是否齐全。
2. 加密与鉴权：是否使用HTTPS + 证书/Token，敏感字段是否加密传输。
3. 超时与重试：连接超时、读取超时、重试次数、熔断阈值是否配置。
4. 幂等性：重复请求是否会导致重复扣费或重复写入。
5. 数据质量监控：缺失率、异常值、时效性告警是否接入监控系统。
6. 合规审计：用户授权记录、数据存储期限、日志脱敏策略是否满足监管要求。