La API ChainAware proporciona detección de fraude en blockchain, puntuación de riesgo de billeteras, análisis de tirones de alfombra y servicios de segmentación a través de extremos autenticados seguros
El endpoint "Fraud Check Wallet" está diseñado para evaluar el riesgo de actividad fraudulenta asociada con una billetera digital específica basada en varios parámetros como el historial de transacciones, el comportamiento del usuario y métricas de autenticación. Al enviar identificadores de billetera y datos de transacciones relevantes para su análisis, el endpoint procesa esta información contra modelos de riesgo y algoritmos predefinidos para generar una puntuación integral de riesgo de fraude junto con información detallada que indica posibles señales de advertencia. Esta funcionalidad es crucial para instituciones financieras, plataformas de comercio electrónico y proveedores de billeteras digitales que buscan mejorar las medidas de seguridad, mitigar pérdidas por fraude y garantizar un entorno transaccional más seguro para los usuarios mediante la implementación de estrategias proactivas de detección y prevención de fraude.
Verificación de fraude Wallet - Características del Endpoint
| Objeto | Descripción |
|---|---|
request_body |
[Requerido] |
Cuerpo de la Solicitud |
[Requerido] Json |
{"error":"Address not provided!"}
curl --location --request POST 'https://zylalabs.com/api/11894/chainaware+ai+api/22599/fraud+check+wallet' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw ''
El endpoint "Billetera de Auditoría de Fraude" está diseñado para facilitar la detección y análisis de actividades potencialmente fraudulentas asociadas con las billeteras de los usuarios dentro de un sistema financiero. Este endpoint procesa datos transaccionales y registros de actividad del usuario para identificar anomalías o patrones indicativos de fraude, como volúmenes de transacción inusuales o ubicaciones de origen sospechosas. Al ser invocado, devuelve un informe estructurado que contiene transacciones marcadas, puntajes de riesgo y acciones sugeridas para mitigar las amenazas identificadas. Este endpoint es particularmente útil para equipos de cumplimiento y analistas de fraude que buscan mejorar las medidas de seguridad, realizar auditorías exhaustivas o integrar hallazgos en sistemas más amplios de prevención de fraude dentro de instituciones financieras o plataformas de comercio electrónico.
Este endpoint no requiere parámetros de entrada.
Probar Endpoint
{"error":"Address not provided!"}
curl --location --request POST 'https://zylalabs.com/api/11894/chainaware+ai+api/22600/fraud+audit+wallet' --header 'Authorization: Bearer YOUR_API_KEY'
El endpoint "Rug Pull Check" está diseñado para analizar y evaluar el potencial riesgo de un proyecto de criptomoneda que participe en un rug pull, un tipo de estafa donde los desarrolladores abandonan un proyecto y se llevan los fondos de los inversores. Este endpoint procesa varias entradas, como la dirección del contrato inteligente del proyecto, el historial de transacciones y datos relevantes en la cadena para identificar señales de alerta, como retiros repentinos de liquidez o la falta de participación de usuarios. La respuesta incluye un puntaje de evaluación de riesgo integral, un informe detallado que describe los problemas identificados y conocimientos prácticos que pueden ayudar a los inversores a tomar decisiones informadas. Los casos de uso potenciales para este endpoint incluyen permitir a los inversores realizar la debida diligencia antes de invertir en nuevas criptomonedas, ayudar a los desarrolladores a mejorar la transparencia del proyecto y proporcionar a los investigadores datos para analizar las tendencias de seguridad del mercado.
Este endpoint no requiere parámetros de entrada.
Probar Endpoint
{"error":"Address not provided!"}
curl --location --request POST 'https://zylalabs.com/api/11894/chainaware+ai+api/22601/rug+pull+check' --header 'Authorization: Bearer YOUR_API_KEY'
El endpoint de "Segmentación de Cartera" está diseñado para categorizar las actividades de la cartera digital de los usuarios en segmentos distintos basados en varios criterios como la frecuencia de transacciones, el volumen de transacciones y la demografía de los usuarios. Este enfoque basado en datos facilita experiencias personalizadas para los usuarios al permitir que las empresas adapten estrategias de marketing y productos financieros a grupos específicos de usuarios. El endpoint procesa los datos de transacciones entrantes y devuelve información, incluyendo listas de usuarios segmentados y resúmenes estadísticos que reflejan el comportamiento de cada segmento, lo que permite campañas dirigidas, un mayor compromiso de los usuarios y tasas de retención mejoradas. Los posibles casos de uso incluyen optimizar las ofertas promocionales para clientes de alto valor, comprender las tendencias en los hábitos de gasto de los usuarios e identificar oportunidades para la venta cruzada de servicios financieros.
Este endpoint no requiere parámetros de entrada.
Probar Endpoint
{"error":"Address not provided!"}
curl --location --request POST 'https://zylalabs.com/api/11894/chainaware+ai+api/22602/wallet+segmentation' --header 'Authorization: Bearer YOUR_API_KEY'
El punto final "Puntuación de Crédito del Usuario" está diseñado para recuperar y gestionar la información de la puntuación de crédito asociada con un usuario particular dentro de una aplicación financiera. Sirve principalmente para proporcionar a los usuarios su puntuación de crédito actual, lo que puede ser crucial para evaluar su salud financiera y tomar decisiones informadas sobre préstamos, tarjetas de crédito y otros productos financieros. El punto final procesa los parámetros de autenticación del usuario para garantizar un acceso seguro y devuelve datos relevantes que incluyen el valor de la puntuación de crédito, el rango de la puntuación y los factores del informe de crédito detallados que influyen en la puntuación. Los casos de uso potenciales incluyen permitir a los usuarios monitorear cambios en sus puntuaciones de crédito a lo largo del tiempo, recibir recomendaciones financieras personalizadas basadas en su situación crediticia y facilitar los procesos de solicitud para servicios relacionados con el crédito al permitir una evaluación de riesgos fluida por parte de las instituciones financieras.
Este endpoint no requiere parámetros de entrada.
Probar Endpoint
{"error":"Address not provided!"}
curl --location --request POST 'https://zylalabs.com/api/11894/chainaware+ai+api/22603/user+credit+score' --header 'Authorization: Bearer YOUR_API_KEY'
| Encabezado | Descripción |
|---|---|
Autorización
|
[Requerido] Debería ser Bearer access_key. Consulta "Tu Clave de Acceso a la API" arriba cuando estés suscrito. |
Sin compromiso a largo plazo. Mejora, reduce o cancela en cualquier momento. La Prueba Gratuita incluye hasta 50 solicitudes.
Cada punto final devuelve datos estructurados relevantes para su función Por ejemplo el Chequeo de Fraude en la Billetera devuelve una puntuación de riesgo de fraude y conocimientos sobre posibles banderas rojas mientras que el Chequeo de Rug Pull proporciona una puntuación de evaluación de riesgo y un informe sobre problemas identificados
Los campos clave en los datos de respuesta típicamente incluyen mensajes de error, puntajes de riesgo, transacciones marcadas y informes detallados. Por ejemplo, la Billetera de Auditoría de Fraude puede devolver transacciones marcadas junto con sus puntajes de riesgo
Los parámetros varían según el punto final Por ejemplo la Verificación de Fraude de Cartera requiere identificadores de cartera y datos de transacción mientras que la Verificación de Rug Pull necesita la dirección del contrato inteligente de un proyecto y el historial de transacciones para su análisis
Los datos de respuesta están organizados en formato JSON, que generalmente contiene pares clave-valor. Por ejemplo, una respuesta de error podría verse así `{"error":"¡Dirección no proporcionada!"}`, mientras que una respuesta exitosa incluye puntuaciones de riesgo e informes detallados
Las fuentes de datos incluyen datos de transacciones en la cadena métricas de comportamiento del usuario y modelos externos de detección de fraude Este enfoque de múltiples fuentes mejora la precisión y la fiabilidad de los procesos de detección de fraude y evaluación de riesgos
Los casos de uso típicos incluyen mejorar las medidas de seguridad para instituciones financieras realizar auditorías para equipos de cumplimiento y permitir que los inversores evalúen el riesgo de los proyectos de criptomonedas antes de invertir
Los usuarios pueden personalizar las solicitudes proporcionando parámetros específicos relevantes para sus necesidades como el historial de transacciones para el Monedero de Verificación de Fraude o criterios demográficos para la Segmentación de Monederos lo que permite obtener información a medida
La precisión de los datos se mantiene a través de actualizaciones continuas de fuentes de blockchain confiables auditorías regulares de los algoritmos utilizados y validación contra patrones de fraude conocidos para garantizar la integridad de las evaluaciones de riesgo
Nivel de Servicio:
100%
Tiempo de Respuesta:
13.968ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
13.968ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
13.968ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
10.960ms
Nivel de Servicio:
90%
Tiempo de Respuesta:
721ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.116ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
164ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
127ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.345ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
152ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.245ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.812ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.971ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.586ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.855ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.076ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
10.469ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
3.168ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.942ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.429ms