企业数据、身份核验、数据要素合规与技术接口四个方向的行业术语释义，每条含定义、展开说明与注意事项，共 100 条。释义用于快速查证概念口径，不构成法律意见；涉及具体业务判定时，请以最新法规原文与主管部门口径为准。
没有匹配的术语，换个关键词试试。
身份证要素核验、人像与活体、证件芯片读取等身份真实性判定的概念。
身份证二要素核验是指把姓名与身份证号码两项信息提交到权威身份数据源，比对二者是否属于同一人、号码是否真实存在的核验方式。
它是身份核验里最基础的一层，只回答「这两个字段对不对得上」，不涉及照片与本人。常见做法是系统在用户填写后即时调用接口，返回一致、不一致或库中无此号三种结果，用于注册、开户、下单前的信息初筛。
二要素通过只说明号码与姓名匹配，不能证明操作者就是证件持有人，涉及资金与权限的场景需要叠加实人核验。
羽山数据对应能力：身份证二要素核验接口，按提交字段返回一致或不一致结果，可嵌入注册与准入环节。
身份证三要素核验是指在姓名与身份证号码之外再加一项要素，通常是证件有效期起止日期或登记住址，与权威身份数据源比对一致性的核验方式。
多加的这一项来自证件表面信息，用户必须持有实体证件才能填对，因此它比二要素更能排除「只知道号码」的冒用。实践中也有把证件人像纳入比对的口径，具体以服务方定义为准。
接入前应先确认三要素具体指哪三项，双方理解不一致会直接导致通过率异常，且三要素仍不验证操作者本人。
身份证 OCR 识别是指用图像识别技术自动读取身份证正反面图像上的文字字段，把姓名、号码、住址、签发机关等信息转成结构化数据的处理过程。
它解决的是人工录入慢、易错的问题，通常与证件防伪检测一起使用：先判断图像是否翻拍、拼接或修图，再做字段识别。识别结果需要与权威数据源比对才有核验意义。
单靠 OCR 只能得到「用户填了什么」，得不到「信息是否真实」；光照、反光与边角遮挡会显著拉低识别率，应保留人工复核入口。
人脸核验是指把现场采集的人脸图像与证件芯片或权威库中的证件照做比对，判断持证人与证件登记人是否为同一人的核验方式，业内也常称人证合一。
完整链路包含三步：读取证件信息确定「应该比对谁」，采集人脸并做活体判断确认「镜头前是活人」，最后做人像比对输出相似度分。相似度通常按阈值判定通过与否，阈值由业务方按风险偏好设定。
相似度分数不是同一性的证明，双胞胎、整容与年龄跨度都会影响结果，高价值业务需配合人工复核与其他要素。
羽山数据对应能力：公民人像核验与人证合一接口，配合活体检测完成远程实名实人核验。
人像比对是指计算两张人脸图像的特征相似度并输出分值的算法过程，输入可以是证件照与现场照，也可以是两张历史照片。
比对本身不判断真伪，只回答「像不像」。它在核验链路里承担最后一步，前面需要有人证信息确认与活体检测，否则比对的对象本身就不可信。结果一般同时返回相似度与建议阈值区间，业务方按场景决定放行标准。
比对分值的分布与算法版本强相关，更换算法供应商后必须重新校准阈值，不能沿用旧分数显得更严或更松。
活体检测是指通过分析人脸图像的纹理、光照、微动等特征，判断镜头前是真实活体而非照片、视频、面具或深度伪造的防攻击技术。
常见形态分两类：需要用户配合的点头、眨眼、读数动作，以及无需配合的静默检测。前者拦截率高但体验有摩擦，后者体验顺滑但对攻击样本的泛化能力要求更高。检测通过后才会进入人像比对环节。
活体检测与身份核验是两件事，通过活体只说明镜头前是活人，不说明这个人是证件持有人。
羽山数据对应能力：活体检测接口，支持动作配合与静默两种模式，可与人像比对串联使用。
静默活体检测是指不要求用户做指定动作，仅凭单帧或多帧图像在后台完成活体判断的检测方式。
它把交互成本降到最低，用户只需正视镜头一两秒即可完成，适合老年用户与移动端高频场景。代价是可用信息少，对屏幕翻拍、面具等攻击的识别更依赖模型质量与训练样本覆盖度。
单一静默检测不适合作为高金额业务的唯一防线，应结合多帧采集、反翻拍与设备环境检测一起使用。
反翻拍检测是指识别证件图像是否来自对屏幕、纸张或另一张照片的二次拍摄，从而拦截翻拍件与合成件的图像取证技术。
翻拍会在图像上留下摩尔纹、屏幕像素栅格、反光不均、边缘畸变等痕迹，算法据此判断图像来源。它与活体检测互补：一个看证件图像是不是原件，一个看人脸是不是真人。在远程开户与电子签约这类无人现场的场景里，两者通常一起用。
高质量翻拍件可能绕过检测，反翻拍只能提高攻击成本，不能保证百分之百拦截。
羽山数据对应能力：智联认证盾在 H5 采集环节内置反翻拍防伪，降低证件翻拍与合成件提交的风险。
实人认证是指在实名信息已经确认的基础上，再验证当前操作者确为证件持有人本人的认证方式。
它一般由「证件信息核验 + 活体检测 + 人像比对」三步组成，缺一步就会留下冒用空间。与实名认证的区别在于：实名认证解决信息真假，实人认证解决操作者身份。金融开户、大额支付与政务办事通常要求做到实人级别。
只做实名不做实人，等于把账户交给了知道号码的人，这是身份冒用最常见的入口。
羽山数据对应能力：H5 认证网关提供链接或二维码形式的实人认证入口，采集证件与人脸后回传核验结果。
实名认证是指要求用户提交真实身份信息并与权威数据源比对，确认其登记身份真实存在的认证过程。
它回答的是「这个身份是否真实存在、信息是否一致」，常见实现是二要素或三要素核验。实名认证是后续授权、签约与交易的前提，也是监管对网络平台的基本要求。完成实名不等于确认操作者本人，需要与实人认证区分。
把实名认证宣传成「已核验本人」是常见的表述错误，两者在合规审计中属于不同环节。
CTID 是指国家可信身份认证平台签发的网络身份凭证体系，为自然人提供在不直接出示身份证号的情况下完成身份核验的能力。
其思路是把身份证信息映射为一串网络身份标识，业务方拿到标识即可确认身份，无需存储明文号码，从而降低个人信息泄露风险。应用上通常表现为网证二维码、可读卡或接口调用，核验仍回到国家级身份认证体系完成。
CTID 解决的是身份核验与信息最小化，不等于实人核验，涉及本人确认时仍需叠加人像环节。
电子营业执照核验是指企业法定代表人通过手机上的电子营业执照应用扫码授权，由机构侧实时获取照面信息与持照人身份的核验方式。
流程通常是法人打开电子营业执照扫机构二维码、确认授权，机构随即拿到统一社会信用代码、企业名称、类型、营业场所、法定代表人、注册资本、成立日期、经营范围、登记机关等字段，以及办事人身份与授权事项。它同时解决「企业是真的」与「办事人有权代表企业」两个问题。
授权有有效期与事项范围，业务系统应留存授权凭证，不能把一次授权当作长期许可。
羽山数据对应能力：电子营业执照核验方案，法人扫码授权后返回照面工商信息、持照人身份与执照影印件。
护照 NFC 核验是指用手机或读卡设备的近场通信功能读取电子护照芯片内的加密数据，验证证件真伪与持照人信息的核验方式。
芯片里存有持照人姓名、证件号与照片等机读信息，并带有签名校验机制，读取时需要用证件机读区信息派生密钥才能解锁，因此伪造难度远高于纸质仿印。核验通常分两层：读芯片验证件本身，再与官方数据源比对确认证件状态。
芯片可读只证明证件未被篡改，不能证明持照人就在现场，远程场景仍需叠加人像比对。
羽山数据对应能力：全球护照 NFC 核验 SDK，嵌入客户 APP 完成芯片读取与人像比对，支持 Android 与 iOS。
证件芯片读取是指按国际民航组织制定的电子旅行证件标准，通过近场通信从证件内嵌芯片中取出机读数据的操作。
读取前需要先识别证件机读区，用其中的信息派生访问密钥，才能解锁芯片并读到受保护的数据组。这一机制保证了必须持有实体证件才能读取，是远程核验中实证环节的技术基础。除护照外，部分国家和地区的身份证与居留证也采用同一标准。
不同机型的 NFC 天线位置与协议兼容性差异很大，上线前需覆盖主流机型实测，并给出失败时的降级路径。
港澳居民来往内地通行证核验是指针对港澳居民回乡证这一证件类型所做的信息识别与真实性验证服务。
回乡证分旧版本式与新卡式，卡式证件带有芯片可做芯片读取，旧版只能做图像识别与数据源比对。核验内容一般包括证件号、姓名、有效期与证件状态，配合人像环节后可用于口岸通关、酒店入住与线上开户等场景。
证件版本差异会造成字段缺失，系统需要按版本区分解析规则，不能套用同一模板。
外国人永久居留身份证核验是指对外国人持有的永居证进行图像识别、芯片读取与数据源比对的验证服务。
新版永居证采用芯片卡形态，证件号码规则与护照不同，姓名可能同时存在外文写法与中文译名，字段解析比身份证复杂。核验时通常需要同时处理证件有效期、证件状态与持证人身份三项，用于开户、入职、入学与住宿登记等场景。
外文姓名的空格、大小写与译名差异会影响比对，接入前应确认比对规则是否已做归一化处理。
驾驶证信息核验是指把姓名、身份证号与档案编号等信息提交权威数据源，验证驾驶证真实性与准驾车型信息的服务。
它常用于网约车司机准入、物流司机审核、保险承保与租车场景，除真假判断外还会返回准驾车型、有效期、累计记分等状态字段。相比只看证件照片，数据源核验能发现已注销、暂扣、吊销等图像上看不出来的状态。
驾驶证状态会随时间变化，准入时核验通过不代表持续有效，需要按周期复检。
羽山数据对应能力：驾驶证信息查询接口，返回证件状态与准驾信息，可用于司机准入审核。
行驶证 OCR 识别是指从行驶证图像中提取车牌号、车辆识别代号、发动机号、使用性质、注册日期等字段的识别服务。
行驶证字段多、版式固定但印刷质量参差，识别时通常配合版式判断与字段校验规则，例如车牌号格式与车辆识别代号的长度校验。识别结果多用于车辆抵押、保险理赔、二手车交易与物流管车等需要为车辆建档的场景。
识别准确率依赖图像质量，拍摄时应避免反光与遮挡，并对关键字段做二次校验再入库。
银行卡鉴权是指提交姓名、身份证号、银行卡号与预留手机号等要素，由银行或清算机构验证信息一致性的核验服务。
按提交要素数量分为二要素、三要素、四要素等口径，要素越多一致性越强。它验证的是「这张卡是否属于这个人」，常用于绑卡、提现与代付前的账户确认。鉴权通过说明信息匹配，不说明卡内余额或账户状态。
各银行对要素组合的支持范围不同，接入前需逐家确认可用口径，避免统一接口在部分银行返回失败。
羽山数据对应能力：银行卡鉴权能力已打包进金融保险数据方案，覆盖绑卡与代付前的账户确认环节。
银行卡打款认证是指向待验证账户打入一笔小额随机金额，由用户回填金额以证明其实际控制该账户的认证方式。
相比信息比对，它验证的是账户可达与操作权，可靠性更高，但需要用户配合且到账有延迟。常见于企业账户认证、大额提现绑定与对公业务准入，也用于确认企业主体真实性，因为能收到款意味着账户真实存在且由对方掌握。
打款金额与笔数应设上限并完整留痕，避免该通道被用于小额资金转移。
运营商三要素核验是指提交姓名、身份证号与手机号，由运营商数据比对三者是否属于同一开户人的核验服务。
它验证的是手机号的实名归属，常用于注册风控、信贷申请与账号找回。衍生口径还有运营商二要素与在网状态、在网时长查询，后者可用于判断号码是否为近期新开，从而识别批量注册与养号行为。
携号转网与副卡会让单一运营商查询查无结果，接口设计应支持多运营商自动路由。
羽山数据对应能力：手机三要素信息核验接口，返回号码与身份信息的一致性判定结果。
短信验证码核验是指向用户提交的手机号下发一次性验证码，由用户回填以证明其可接收该号码消息的验证方式。
它证明的是号码可达，不证明号码归属，因此在实名要求高的场景里必须与运营商要素核验叠加使用。工程上需要处理验证码有效期、发送频次限制、错误次数锁定与防刷策略，否则会被短信轰炸与撞库攻击利用。
只做验证码不做号码归属核验，等于默认「能收短信的人就是本人」，这是账号被盗的常见缺口。
学历学籍核验是指把姓名、身份证号与毕业院校、学历层次、毕业时间等信息提交权威学历数据源，验证学历真实性的服务。
国内学历以教育部学生信息平台的学历数据为准，核验通常返回院校、专业、学习形式、入学与毕业时间等字段，用于招聘背调、职称评审与积分落户。海外学历需要走教育部留学服务中心的认证渠道，不能用国内接口替代。
民办院校、军校与部分早期学历在库中可能缺失，查无结果不等于学历造假，应转人工核验。
羽山数据对应能力：人力资源数据方案包含学历核验，可与身份核验、负面记录检索组合成背调项。
双录是指在销售或办理高风险业务过程中同步录音录像，把告知、风险提示与客户确认过程完整留存的操作要求。
它主要用于金融产品销售、保险投保与远程开户等场景，目的是让事后争议有可回溯的证据。技术上要求音画同步、身份可识别、时间戳可信，录像文件需按规定期限保存并保证不可篡改。双录强调的是过程留痕，与身份核验是两个独立环节。
只录不校验等于没有证据效力，录像中应能看清客户本人与关键告知内容，否则争议时难以采信。
多因子认证是指同时要求两类以上不同性质的凭证完成身份确认的认证机制，常见组合是密码加短信验证码，或密码加人脸。
因子的类别通常分为知道的（密码）、持有的（手机、令牌）与固有的（指纹、人脸）。要求不同类别组合才有意义，两个密码不算多因子。它在账号安全中用于降低单点泄露风险，在业务风控中用于提升高风险操作的验证强度。
短信验证码同时承担持有因子与通知功能，一旦号码被补卡接管，两个作用会同时失效。
授权采集是指在采集和使用个人信息前，先取得信息主体明确、可追溯的同意，并记录授权范围与用途的操作方式。
在数据服务场景里，授权通常表现为电子授权书、页面勾选加人脸确认，或企业侧的四项校验（企业工商实名、法人实名、手机运营商实名、短信验证码），并留存电子存证。授权的价值不只是合规，也是数据来源合法性的证据链。
一次授权不能覆盖后续新增的用途，用途变更需要重新告知并取得同意，否则原有授权不构成新用途的依据。
人脸特征值是指人脸图像经算法提取后得到的一组数值向量，用于比对而不直接保留原始照片。
特征值不可逆推回人脸图像，因此在设计上被视为降低泄露风险的手段，但仍属于个人信息，其采集与传输同样需要授权。工程上要关注特征值的版本管理：算法升级后新旧特征值不可直接比对，历史数据需要重新提取或做版本隔离。
特征值不等于匿名化数据，声称「只存特征值所以不涉及个人信息」是常见的理解错误。
工商登记、股权与关联关系、司法与经营负面、企业评分等企业维度数据的概念。
工商信息是指企业在市场监督管理部门登记注册形成的法定信息集合，包括名称、统一社会信用代码、类型、住所、法定代表人、注册资本、成立日期、经营范围与登记状态等。
它是所有企业数据服务的底座，其它维度（司法、税务、知识产权）都要靠统一社会信用代码挂接上来。使用时要区分登记信息与变更信息：当前状态看登记，历史沿革看变更记录，两者混用会导致尽调结论出错。
工商信息只能证明登记事实，不能证明企业实际经营状况，注册资本也不等于实缴资本。
企业四要素核验是指提交企业名称、统一社会信用代码、法定代表人姓名与法定代表人身份证号四项信息，由权威数据源比对一致性的核验服务。
四项全对才返回一致，是判断「这家企业真实存在且法人信息正确」最常用的轻量方式。它常作为企业开户、供应商准入与平台入驻的第一道筛子，通过后再叠加法人人像、电子营业执照或对公打款等更强的方式。
四要素只验证信息匹配，不验证提交者有权代表企业，涉及授权操作时仍需企业侧确认。
羽山数据对应能力：企信查的企业准入核验，提交四项信息经工商数据比对后直接返回一致或不一致。
企业族谱是指以目标企业为中心，向上展开股东、向下展开对外投资形成的多层股权关系图，用于呈现企业的关联企业网络。
与单层股东列表不同，族谱会沿投资关系逐层展开，并在节点上标注持股比例与是否存在失信记录，帮助使用方快速看出同一实际控制人控制了多少家企业、哪些关联方有风险。它在供应链准入、集团授信与关联交易识别中用得最多。
族谱的完整性取决于工商登记的及时性与披露深度，代持与未披露的一致行动人不会体现在图上。
羽山数据对应能力：企信查提供股东族谱与对外投资族谱，节点标注名称与失信情况。
股权穿透是指沿着股东层级逐层向上追溯，计算最终自然人或机构对目标企业的实际持股比例与路径的分析方法。
穿透要解决的是「谁真正在控制」而不是「谁登记在股东名册上」。计算时需处理多层嵌套、交叉持股与合伙企业结构，把各层比例相乘并汇总同一主体的间接持股，最终以图谱形式给出穿透路径与层数。监管场景常用它判断外资占比与关联方认定。
穿透到第几层没有统一标准，报告中应写明穿透深度与截断规则，否则结论无法复现。
羽山数据对应能力：企信查定制服务支持股权穿透到底，以图谱展示股东个数、持股比例、穿透路径与层数。
实际控制人是指虽未直接登记为股东，但通过投资关系、协议安排或其他方式能够实际支配企业行为的自然人、法人或其他组织。
认定实际控制人需要综合股权比例、表决权安排、董事会构成与历史变更，不能只看最大股东。数据服务通常给出候选人及其认定依据，由使用方结合协议文本判断。它与受益所有人不是同一概念：前者强调控制力，后者强调最终受益。
一致行动协议、代持与家族信托会让登记信息与实际控制关系脱节，机器结论只能作为线索。
受益所有人是指最终拥有或实际控制客户、以及享有客户交易收益的自然人，通常需要穿透至自然人层级予以识别。
反洗钱与客户尽职调查要求机构识别受益所有人，常见判定路径是看直接或间接持股比例、表决权，以及通过人事、财务等方式实施控制的情形。落地时一般输出受益人姓名、任职、受益比例、认定依据与投资路径，供机构留档。
受益所有人识别是机构自身的义务，数据产品只能提供线索，最终认定责任仍在机构。
羽山数据对应能力：企信查提供实际受益人列表，含受益人、任职、受益说明、条文依据与投资路径。
企业年报是指企业按年度向登记机关报送并向社会公示的年度经营信息，内容包括股东出资、资产状况、对外投资、社保人数等。
年报是少数能反映企业实际经营规模的公开数据源，社保人数、资产总额与营业收入等字段常被用来交叉验证企业真实体量。使用时要注意企业可选择不公示部分财务字段，缺失不等于为零。
年报数据由企业自行填报且未经审计，用作授信依据时应与发票、纳税数据交叉核对。
股东信息是指工商登记中记载的企业出资人名单及其认缴出资额、实缴出资额、出资比例与出资时间等字段。
它是股权结构与关联关系分析的基础数据，配合变更记录可以看出股权是否频繁转让、是否存在突击入股。分析实缴情况时要注意认缴与实缴的区别：认缴是承诺，实缴才是已到位的资金，两者相差过大往往意味着出资尚未落实。
股东名单只反映登记时点的状态，股权转让未及时办理变更登记会造成信息滞后。
对外投资是指企业作为出资人向其他企业投资并持有股权的行为，在数据上表现为该企业名下的被投资企业清单与持股比例。
对外投资是向下展开企业族谱的入口，也是判断集团规模与产业布局的依据。分析时通常关注投资层级、控股与参股的区别，以及被投企业是否出现经营异常或失信记录，因为子公司的风险会沿股权关系向母公司传导。
参股不等于控制，把参股企业直接计入集团合并范围会明显高估企业规模。
涉诉信息是指企业在司法程序中作为当事人出现的案件记录，涵盖立案、开庭、裁判、执行等各阶段形成的公开信息。
它是一组数据的统称，包含裁判文书、开庭公告、法院公告、执行公告与案件流程等，单看其中一项容易误判。实践中按原告被告身份、案由、涉案金额与时间分布做聚合，才能看出企业是偶发纠纷还是高频被诉。
案件数量多不必然代表风险高，需区分主动维权与被动应诉，并注意已结案与在审状态的差别。
裁判文书是指人民法院就案件实体问题作出的判决书、裁定书、调解书等法律文书的公开文本。
文书里包含当事人、案由、争议焦点、认定事实与判决结果，是判断企业历史纠纷性质最直接的材料。数据服务通常做结构化抽取，输出案号、案由、当事人角色、涉案金额与裁判日期，便于批量筛查与统计。
部分文书因涉及隐私、商业秘密或以调解方式结案而不公开，文书数量不能等同于纠纷总量。
被执行人是指在生效法律文书确定的义务未履行后，被人民法院立案强制执行的当事人。
被执行人身份说明企业已经进入执行程序，但未必构成失信：有履行能力而拒不履行才会被进一步纳入失信名单。数据上通常输出执行案号、执行法院、执行标的金额、立案日期与案件状态，可用于授信否决规则与贷后预警。
已履行完毕的案件会显示结案，历史被执行记录应结合当前状态判断，不能只看条数多少。
失信被执行人是指被执行人有履行能力而拒不履行生效法律文书义务，被人民法院依法纳入失信名单并予以信用惩戒的当事人。
后果包括限制高消费、限制乘坐飞机与高铁、限制任职与融资等，因此它是企业准入中最硬的一条否决线。数据服务通常提供失信记录明细、执行依据、发布法院与移出情形，支持批量比对与名单监控。
失信记录可以因履行义务或纠正失信行为被移出，判断时应以最新状态为准，并留意同名企业的误匹配。
限制高消费是指人民法院对未按执行通知书履行义务的被执行人采取的限制其非生活或经营必需消费行为的措施。
被限制的主体可能是企业，也可能是其法定代表人、主要负责人，这一点常被忽略：企业被限高往往意味着法定代表人个人同样受限。数据上一般输出限高令文号、发布法院、关联主体与发布日期，用于任职审查与合作伙伴筛查。
限高与失信是两个独立名单，被限高不等于被列入失信，核查时两者需要分别查询。
经营异常名录是指市场监督管理部门对未按期公示年报、无法通过登记住所联系等情形予以标注并公示的企业名单。
列入原因主要有三类：未按规定报送年度报告、未在责令期限内公示有关信息、通过登记的住所或经营场所无法取得联系。名录状态会随企业整改而变化，因此数据服务通常同时返回列入原因、列入日期与移出日期。
因地址失联被列入，往往意味着实际经营地与注册地不一致，这是识别空壳与失联企业的重要线索。
行政处罚是指行政机关依法对违反行政管理秩序的企业作出的罚款、警告、没收违法所得、责令停产停业等处罚决定。
企业行政处罚分散在市场监管、税务、住建、交通运输、卫生健康等多个条线，数据服务需要按处罚机关与违法类型做归一。字段一般包括处罚编号、违法事实、处罚依据、处罚结果、决定日期与决定书文号。
不同条线的公示期限不同，历史处罚可能已过公示期但记录仍在，判断时应看处罚时间与严重程度。
羽山数据对应能力：企业行政处罚详情接口，基于官方授权数据返回企业负面处罚记录列表。
严重违法失信名单是指市场监管等部门对情节严重、社会危害较大的违法失信主体依法列入并实施联合惩戒的名单。
与经营异常名录相比，它的门槛更高、后果更重，列入后会在政府采购、招投标与任职资格等方面受到限制。数据上通常输出列入事由、列入机关、列入日期与移出状态，是准入环节的强否决项。
该名单与失信被执行人分属不同体系，一个来自市场监管部门，一个来自法院，核查时不能互相替代。
股权出质是指股东将其持有的股权作为担保物设定质押，并在登记机关办理出质登记的行为。
出质登记会公示出质人、质权人、出质股权数额与登记日期，反映股东是否已把股权用于融资担保。高比例质押往往意味着股东资金紧张，若经营下滑可能触发平仓与股权变更，是判断控制权稳定性的重要指标。
质押登记不等于已经违约，需结合质押比例、质权人类型与注销情况综合判断。
动产抵押是指企业以生产设备、原材料、产品等动产作为担保物设定抵押并办理登记的行为。
登记信息包含抵押人、抵押权人、被担保债权数额、抵押物概况与登记日期，可用于判断企业是否已把核心资产用于融资。分析时通常与融资记录、司法查封一起看，评估企业剩余融资空间与资产受限程度。
动产抵押登记只反映担保关系，不反映债务是否已经清偿，需结合注销登记判断当前状态。
司法拍卖是指人民法院对被执行财产依法通过拍卖平台公开处置的程序，涉及企业的标的常见为股权、房产、设备与土地使用权。
拍卖信息能反映企业资产已被强制处置，通常出现在债务违约之后，属于风险暴露的滞后指标。数据上可获取标的物、评估价、起拍价、拍卖时间与成交结果，用于资产追踪与债权处置参考。
当标的物是目标企业股权时，竞买结果可能导致控制权变更，投后管理需重点监控此类标的。
纳税信用等级是指税务机关依据企业纳税申报、税款缴纳、发票使用等履约情况，按年度评定的信用级别。
等级越高说明纳税履约越好，高等级企业在发票领用与出口退税等环节享受便利，低等级企业则会被重点监控并受到限制。它在信贷场景里是重要的替代性经营指标，因为纳税行为难以长期伪造。
新设立企业常被评为 M 级，M 级只表示尚未形成完整评价期，不代表信用差，按低等级直接拒贷会误伤。
空壳公司识别是指通过多维度特征判断一家企业是否缺乏实际经营、主要用途为持有资产或资金走账的分析方法。
常见特征包括注册地址集中且无法联系、参保人数为零或极少、无实际经营场所、股东与法定代表人高度重合于多家企业、成立时间短而交易规模异常。识别通常把工商、税务、社保、司法与关联关系数据做成规则或评分，输出风险等级。
空壳状态本身不必然违法，判断重点在于是否被用于虚假注册、虚开发票或转移资金。
羽山数据对应能力：企信查定制服务包含空壳检测与关联信息，可识别空壳团伙与借壳经营主体。
僵尸企业是指已丧失自我生存能力、长期依靠外部输血或政策支持维持存续，但难以恢复正常经营的企业。
识别特征通常包括连续亏损、资产负债率长期偏高、经营活动现金流为负、依赖补贴或续贷维持、员工与业务规模持续萎缩。它与空壳公司的区别在于：僵尸企业曾经真实经营，只是失去了盈利能力。
单年亏损不能判定为僵尸企业，需要看连续多期的经营与融资特征，否则会把正常波动误判为僵化。
关联关系识别是指通过股权、人员、地址、联系方式、交易等线索，判断两个或多个企业之间是否存在控制、共同控制或重大影响关系的分析方法。
显性关联来自股权与高管任职，隐性关联则要从同一注册地址、同一联系电话、同一经办人、相似经营范围等弱信号中挖掘。它在集团授信、反欺诈团伙识别与供应链风险传导分析中价值最大，通常以关系图谱加风险簇的形式呈现。
共用地址可能只是同一园区托管，不能单凭一项弱信号认定关联，需要多项线索交叉印证。
企业信用评分是指用多维企业数据经模型计算得到的量化分值或等级，用于横向比较企业的信用状况。
评分通常由实力评价与风险评估两部分合成：前者看规模、纳税、资质与知识产权，后者看司法、处罚、经营异常与关联风险。使用时要关注评分口径、样本来源与更新时间，不同机构的分数不可直接互换。
评分是相对排序工具，不能当作违约概率的精确值，也不应作为授信决策的唯一依据。
羽山数据对应能力：企信查提供企业综合评分与身份特征评分，同时给出等级与排名。
产业链图谱是指把某一产业上下游环节与企业主体关联起来形成的结构化网络，用于呈现链条构成、环节分布与企业归属。
图谱通常按产品与服务的生产销售关系拆分环节，再把企业挂接到对应节点上，从而支持「这个环节有哪些企业」「这家企业在链上处于什么位置」这类查询。它在招商引资、供应链寻源与产业研究中用得多。
企业归类依赖主营产品判断，多元化经营企业可能同时属于多个环节，单点归类会失真。
知识产权信息是指企业拥有的商标、专利、著作权、软件著作权等无形资产的登记与法律状态数据。
专利数据包含申请号、申请人、法律状态、权利要求与引证关系，商标包含类别、注册号与专用权期限。这类数据既能反映技术积累，也能反映风险：核心专利被宣告无效、商标被异议都会影响企业估值与经营连续性。
申请量不等于授权量，用专利申请数衡量创新能力会明显高估实际技术水平。
数据产权、入表与交易、个人信息保护与隐私计算等合规概念。
数据要素是指以电子形式存在、经采集加工后能参与生产经营并创造价值的资源，与土地、劳动力、资本、技术并列成为生产要素。
它的特殊性在于可复制、可共享、边际成本接近于零，使用后不会自然损耗，反而在流通中产生更多价值。这决定了数据不能照搬有形资产的管理方式，权属、定价与收益分配都需要专门制度安排。
数据本身不必然产生价值，未经治理的原始数据只是存储负担，清洗、标注与合规才是要素化的前提。
数据资产是指企业合法拥有或控制、能够带来经济利益、可被计量与管理的电子数据资源。
成为资产需要同时满足几个条件：权属清晰、成本或价值可计量、能带来预期经济利益、可被识别与管理。它与数据资源的区别在于是否进入会计核算与管理体系，前者是资源视角，后者是资产视角。
不能因为手里有大量数据就认定为数据资产，权属不清或无法计量的数据不能入账。
数据资产入表是指企业按会计准则将符合条件的数据资源确认为资产，并在资产负债表中列示的会计处理。
入表要走过确认、评估、计量、披露几个环节，其中确认是前提，也就是权属必须清晰、成本能够可靠归集。实务中企业多按无形资产或存货口径处理，围绕采集、清洗、标注与维护等支出做成本归集。
入表不等于增值，把不产生收益的数据强行资本化会虚增资产，也会给后续摊销与审计留下问题。
数据确权是指确定数据的权利主体与权利内容，明确谁拥有、能如何使用与处分某份数据的过程。
它要回答两个问题：这份数据是谁的，以及拥有哪些具体权利。由于数据可被多方同时持有与使用，确权通常不做单一所有权安排，而是把持有权、加工使用权与经营权分置，允许不同主体在不同环节各自享有权利。
确权不是发一张证书就完成，权属依据要能追溯到数据来源与授权链条，否则证书本身也无法支撑交易。
羽山数据对应能力：数据要素公共服务平台以授权加链上确权的方式发放三证，确权信息可上链核验。
数据资源持有权是指在数据产权分置框架下，对合法获取的数据资源进行持有、存储、使用、更新与保护的权利。
它强调的是对数据资源的实际控制与管理能力，通常由数据采集方或组织机构享有。持有权与所有权不同：持有某份数据不代表可以任意对外提供，对外流通仍需具备相应授权或经营权。
持有权不能对抗个人信息权益，涉及个人数据时仍须遵守告知同意与最小必要要求。
数据加工使用权是指在数据产权分置框架下，对原始数据进行加工处理并利用加工结果的权利。
这项权利的边界通常由授权协议界定，包括可加工的字段范围、可使用目的、是否允许形成衍生数据以及衍生数据的归属。它让数据可以在不转移持有的前提下被多方利用，是数据流通中较常见的授权形态。
加工使用权不等于可以对外转售，超出约定目的使用会构成违约，也可能侵犯原始权利人的权益。
数据产品经营权是指对数据经加工分析形成的数据产品依法占有、使用、收益与处分的权利。
它对应数据生命周期的末端，也就是把数据做成可交付的产品或服务对外经营。持有这项权利意味着可以定价、上架、计费与授权他人使用，同时也要承担产品质量与合规责任。
经营权的前提是数据来源合法，上游授权有瑕疵时，产品本身也难以合法流通。
数据交易所是指依法设立、为数据产品与数据服务提供挂牌、交易、结算与合规审核服务的场内交易场所。
交易所的核心作用不是撮合，而是提供权属核验、合规审查、定价参考与交易存证，让买卖双方在可追溯的规则下完成交付。上架产品通常需要提交数据来源说明、授权依据与安全评估材料。
场内交易不等于自动合规，交易主体仍需对数据来源与使用范围自行负责。
数据经纪人是指在数据供需双方之间提供撮合、代理、加工与合规服务的中介主体。
其职责包括理解需求方的业务场景、筛选合适的数据产品、协助完成授权与合规审查、处理交付与结算。相比单纯转售，经纪人更多承担需求翻译与合规把关的角色，收益来自服务费或分成。
经纪人不能成为规避授权的通道，转手提供数据同样需要完整的授权链条。
数据出境安全评估是指数据处理者向境外提供数据达到规定情形时，依法向主管部门申报并接受安全评估的合规程序。
触发情形一般与数据性质、数量规模、接收方所在国家或地区，以及是否属于关键信息基础设施运营者有关。评估关注出境目的正当性、数据范围的必要性、接收方的保护能力与合同约束，通过后方可按申报的场景传输。
评估按场景申报，业务范围或数据类型发生变化后需要重新评估，不能一次通过就长期通用。
个人信息保护法是指规范个人信息处理活动、保护自然人个人信息权益的基础性法律。
它确立了处理个人信息应遵循合法、正当、必要与诚信原则，要求取得同意或其他合法依据，并赋予个人知情、决定、查阅、复制、更正与删除等权利。对企业而言，落地重点在于告知同意的取得、最小必要范围的把握、敏感信息的单独同意，以及委托处理与对外提供时的合同约束。
取得同意不等于可以随意使用，处理目的变更后需要重新告知并取得同意，否则原授权无法覆盖新用途。
数据安全法是指规范数据处理活动、保障数据安全、促进数据开发利用的基础性法律。
它要求建立数据分类分级保护制度，对重要数据实行更严格的管理，并规定数据处理者应建立全流程安全管理制度、开展风险评估、在发生安全事件时及时处置与报告。对跨境提供数据也设定了基本框架。
数据安全不等于网络安全，前者关注数据本身在采集、存储、使用、流转各环节的安全，后者关注系统与网络的防护。
个人信息处理者是指自主决定个人信息处理目的与处理方式的组织或个人。
这一定义的关键在「自主决定」：决定为什么收集、收集哪些、怎么使用的一方就是处理者，需要承担主要合规责任。受托处理数据的一方属于受托人，只能在委托范围内处理，并按约定返还或删除。
采购外部数据服务时，如果对方自主决定处理方式，双方可能构成共同处理关系，责任不能只靠一纸合同转移。
告知同意是指在处理个人信息前，向信息主体充分说明处理目的、方式、范围与保存期限，并取得其自愿、明确同意的合规要求。
告知要具体到用途，不能笼统写「用于提升服务体验」；同意应当是主动作出的，默认勾选与捆绑授权都不构成有效同意。处理敏感个人信息、向他人提供与公开披露等情形，通常还需要单独同意。
同意可以撤回，撤回后应停止处理；已完成的处理不因此自动无效，但需按规定删除或作匿名化处理。
最小必要原则是指处理个人信息应当限于实现处理目的所必需的最少类型与最少数量，不得过度收集。
判断是否必要，要看字段与目的是否直接相关、收集频率是否合理、保存期限是否超出需要。落地时常见的做法是分场景设计字段清单，把可选信息与必需信息分开，并对超期数据做定期清理。
「以后可能用到」不是必要性理由，预留式收集是最常见的违规形态，也是监管检查的重点。
敏感个人信息是指一旦泄露或被非法使用，容易导致自然人的人格尊严受到侵害或人身、财产安全受到危害的个人信息。
常见类别包括生物识别、宗教信仰、特定身份、医疗健康、金融账户、行踪轨迹，以及不满十四周岁未成年人的个人信息。处理这类信息需要具备特定目的与充分必要性，采取更严格的保护措施，并取得单独同意。
人脸与指纹属于生物识别信息，属于敏感个人信息，不能按普通信息做简化处理。
去标识化是指通过对个人信息的技术处理，使其在不借助额外信息的情况下无法识别特定自然人的过程。
常见手段包括替换标识符、泛化字段、分离存储映射表。去标识化后的数据仍属于个人信息，因为借助额外信息仍可复原，因此处理时依然受个人信息保护规则约束。
去标识化不等于匿名化，把去标识化数据当作可自由流通的数据，是常见的合规误区。
匿名化是指个人信息经过处理无法识别特定自然人且不能复原的过程，匿名化后的信息不再属于个人信息。
判断是否真正匿名，要看是否切断了所有识别路径，包括与其他数据结合后的重识别可能。实务中很难完全排除重识别风险，因此主张匿名化时需要提供充分的技术论证与评估记录。
只删除姓名与身份证号远远不够，地址、时间与设备号组合起来，往往仍能定位到具体个人。
数据来源合法性是指数据在采集、汇聚与流转各环节均有合法依据，能够提供授权链条与合规证明的状态。
审查通常看三层：采集环节是否取得信息主体同意或有其他合法依据，汇聚环节是否超出原授权范围，流转环节是否具备对外提供的权利。能提供合同、授权书、告知页面截图与存证记录，才构成完整的证据链。
「公开数据即可自由使用」是错误认识，从公开渠道获取的个人信息同样受处理规则约束。
征信业务备案是指从事个人或企业信用信息的采集、整理、保存、加工并向信息使用者提供的活动，依法需要取得相应资质或完成备案的合规要求。
判断是否属于征信业务，关键看是否对信用信息做了加工处理并对外提供信用评价类产品。仅提供原始信息查询，与提供信用评分、信用报告，在监管口径上可能适用不同要求。
数据服务商常误以为「只提供接口不提供报告」就不涉及征信，实际判定看业务实质而非交付形式。
隐私计算是指在保护数据本身不对外泄露的前提下，实现数据计算与分析的技术体系总称。
它要解决的是「数据可用不可见」：参与方各自持有数据，通过加密或可信环境完成联合计算，只输出结果而不交换原始数据。常见技术路线包括多方安全计算、联邦学习与可信执行环境，实际项目往往组合使用。
隐私计算保护的是计算过程中的数据，不解决数据来源合法性问题，合规前提仍需单独满足。
羽山数据对应能力：数据要素交易平台方案包含数据隐私计算模块，以全加密与全密文传输完成核验。
多方安全计算是指多个参与方在不泄露各自输入的前提下，通过密码学协议共同完成计算并得到结果的技术。
它基于秘密分享、混淆电路、同态加密等协议，把计算拆解到各方本地执行，任何一方都无法看到他人原始数据。适合求交集、求和与联合统计等场景，代价是通信开销大，复杂计算的性能损耗明显。
安全计算的结论本身仍可能泄露信息，例如交集大小就可能敏感，需要额外设计隐私预算与输出约束。
联邦学习是指多方在不共享原始数据的情况下，通过交换模型参数或梯度共同训练机器学习模型的技术框架。
训练时各方在本地用自有数据计算梯度，只上传加密或加噪后的更新，由协调方聚合后再下发新模型。它让数据不出域的同时获得联合建模效果，常用于风控模型、营销模型与医疗影像分析。
梯度与参数同样可能反推训练数据，需要配合差分隐私与安全聚合，不能默认联邦学习天然安全。
可信执行环境是指处理器内部一个隔离的运行区域，能够保证其中加载的代码与数据不被外部访问或篡改的技术。
它通过硬件级隔离与远程认证，让参与方可以验证对方运行的是约定程序，从而放心把数据交给该环境计算。相比密码学方案，它的通用性更好、性能损耗更小，但对硬件厂商的信任依赖更强。
可信执行环境的安全边界包含硬件与固件，侧信道攻击与厂商漏洞都会动摇其安全假设。
数据分类分级是指按数据的业务属性与敏感程度分别归类并划定保护级别的管理方法。
分类解决「这是什么数据」，分级解决「需要多强的保护」。一般先按行业与业务条线分类，再按泄露后的影响程度分级，不同级别对应不同的访问权限、加密要求与审批流程。它是数据安全治理的起点，也是重要数据识别的基础。
分类分级不是一次性工作，业务新增数据源或用途变化后需要重新评定，否则级别会失真。
公共数据授权运营是指政府将持有的公共数据在脱敏与安全可控前提下，授权给符合条件的运营主体开发并向社会提供数据产品的机制。
其核心是原始数据不出域、数据可用不可见，运营主体获得的是加工使用权而非数据所有权，产出物需经审核后对外提供。这一机制试图在公共数据开放与安全之间找到可操作的中间路径。
授权运营不等于开放原始数据，运营主体超出授权范围使用会构成违规，责任可追溯。
接口对接、鉴权加密、高可用与计费等工程侧概念。
API 是指应用程序编程接口，是软件系统之间按约定格式互相调用功能的通道。
调用方按接口文档提交参数，服务方处理后返回结构化结果，双方不需要了解对方的内部实现。在数据服务领域，API 是把查询与核验能力交付给客户的主要形式，客户系统按需调用即可获得结果，替代了人工登录后台逐条查询。
接口能力与文档必须版本对应，文档滞后于接口是联调阶段最常见的故障来源。
羽山数据对应能力：数据接口以 API 形式交付，覆盖身份核验、企业信息与负面风险查询等类别。
RESTful API 是指遵循 REST 架构风格设计的接口形式，用 URL 表示资源、用 HTTP 方法表示操作、用状态码表示结果。
典型约定是 GET 用于查询、POST 用于提交、PUT 用于更新、DELETE 用于删除，返回体多为 JSON。它的优点是语义清晰、易被各类语言与网关支持；对批量查询或复杂事务，部分服务方会改用 RPC 风格的接口。
REST 是风格而非强制标准，接入时应以对方文档为准，不要假设所有接口都严格遵循同一套约定。
JSON 是指一种轻量级的文本数据交换格式，用键值对与数组组织数据，可被几乎所有编程语言解析。
它由对象、数组、字符串、数字、布尔与空值几种结构组成，可读性好、体积小，是接口请求与响应的主流格式。在数据服务里，请求参数与返回结果通常都是 JSON，敏感场景还会对整段 JSON 加密后再传输。
JSON 本身不携带类型约束，字段类型漂移（数字变字符串）是解析报错的常见原因，接入时应做容错处理。
接口鉴权是指服务方在响应请求前，验证调用方身份与调用权限的机制。
常见方式包括密钥对签名、令牌、IP 白名单与双向证书，实际系统往往叠加使用。鉴权的目的是防止接口被未授权方调用，因为数据接口按次计费，一旦密钥泄露会直接造成资金损失与数据外流。
密钥不应写在前端代码或公开仓库中，泄露后应立即轮换并核查调用日志，确认没有异常调用量。
签名验签是指调用方用密钥对请求参数计算摘要生成签名，服务方用对应密钥重新计算并比对，以确认请求完整性与来源的技术。
签名通常覆盖业务参数与时间戳，任何字段被篡改都会导致验签失败。它解决的是「请求在传输过程中是否被改动、是否由持有密钥的一方发出」，比单纯的令牌更严格，是金融与政务类接口的常见要求。
签名串的拼接顺序与编码方式必须严格按文档执行，多一个空格或字段顺序不同都会导致验签不通过。
AppKey 与 AppSecret 是指服务方分配给调用方的一对身份凭证，前者用于标识调用方身份，后者用于参与签名计算。
AppKey 可以出现在请求中，AppSecret 必须只在服务端保存并用于生成签名。不同环境通常分配不同的密钥对，测试环境与生产环境分开，避免测试流量污染生产账单与调用统计。
AppSecret 一旦写入客户端或打印进日志，等同于公开，必须通过服务端代理调用接口。
IP 白名单是指服务方只允许预先登记的来源 IP 访问接口的访问控制措施。
接入时客户需要提供服务环境的公网出口 IP，服务方登记后才放行请求。它能有效降低密钥泄露后的滥用风险，因为攻击者即使拿到密钥，也无法从非登记地址调用接口，等于在密钥之外又加了一道网络层的门禁。
云主机弹性扩容或出口 IP 变更会导致调用失败，需要提前报备并保留多个出口地址。
羽山数据对应能力：接口接入流程中包含生产环境公网 IP 报备与白名单开通环节。
回调通知是指服务方在处理完成后，主动向调用方预先登记的地址推送结果的消息机制。
它用于解决异步任务的等待问题：提交请求后立即返回受理状态，真正的结果在稍后由服务方推送。接收方需要做签名校验、幂等处理与失败重试，因为网络抖动可能导致同一条通知被重复投递。
不能只依赖回调，应提供主动查询接口作为兜底，否则通知丢失时业务会长时间卡在中间状态。
QPS 是指每秒查询数，用来衡量接口在单位时间内能够处理的请求量。
它是容量规划与限流的基础指标，服务方通常按套餐设定 QPS 上限，超出后返回限流错误。评估时不能只看峰值 QPS，还要看平均耗时与并发连接数，因为长耗时接口会占用更多连接资源。
套餐标称的 QPS 是上限而非稳定承诺，突发流量仍需客户端做重试与排队设计。
SLA 是指服务等级协议，是服务方对可用性、响应时间与故障恢复等指标作出的书面承诺。
常见指标包括月度可用性百分比、平均响应时间、故障响应与恢复时限，以及未达标时的补偿方式。签约前应明确统计口径：可用性按什么粒度计算、计划内维护是否计入、故障从何时开始计时。
SLA 是承诺下限而非实际表现，选择服务方时应同时参考历史故障记录与告警响应机制。
沙箱环境是指与生产环境隔离、用于联调测试的独立运行环境，提供与生产一致的接口与模拟数据。
它的作用是让客户在不产生真实计费、不影响生产数据的前提下完成对接验证。沙箱通常返回固定的测试数据，不保证与真实业务一致，因此通过沙箱测试不等于生产可用。
沙箱与生产使用不同的密钥与地址，上线前必须重新做一次生产环境连通性验证。
羽山数据对应能力：控制台区分测试与正式两套 API 账号，并提供调试工具用于联调。
幂等是指同一个请求被重复提交时，系统产生的结果与提交一次相同，不会重复扣费或重复写入。
在按次计费的数据服务里，幂等的价值很直接：网络超时后客户端重试，不应被计两次费用。实现方式通常是客户端携带唯一请求号，服务端对请求号做去重，并在重复请求时返回首次结果。
幂等键必须由业务方生成且全局唯一，若在重试时重新生成时间戳或随机数，幂等就失去意义。
熔断是指在依赖服务错误率或超时达到阈值时，系统主动切断对该服务的调用，避免故障扩散的保护机制。
触发后请求不再发往故障节点，而是直接返回失败或走降级逻辑，经过一段观察期后再试探性放量。在聚合多家数据源的接口里，熔断能把不稳定的一方及时摘除，保证整体可用性。
熔断阈值设置过低会造成误摘，过高则失去保护作用，需要结合真实错误分布调参。
羽山数据对应能力：同一产品可配置多个数据源，数据源报错达到预设阈值时自动熔断摘除。
容错与分流是指在主数据源异常时切换备用通道、并按权重把流量分配到多个数据源的高可用策略。
容错解决「一个源坏了还能查」，分流解决「多个源之间如何分担并发」。两者常一起配置：同一产品挂多个数据源，按权重分配流量，某个源报错达到阈值后自动摘除，由其余源承接请求。
不同数据源的返回字段与更新频率可能不一致，切换后要做字段对齐，否则下游解析会出错。
羽山数据对应能力：数据要素交易平台以熔断、容错、分流三种机制保障多数据源下的并发与可用。
加密传输是指在数据从客户端到服务端的传输过程中使用加密协议，防止内容被窃听或篡改的技术措施。
常见做法是传输层使用 HTTPS，业务层再对请求体做对称加密后编码传输，形成双层保护。密钥的协商、轮换与存储同样重要，密钥硬编码在客户端会让加密形同虚设。
HTTPS 只保护链路，不保护落库数据，存储侧仍需单独做加密与权限控制。
羽山数据对应能力：接口按约定对 JSON 加密后传输，平台侧另以全加密链路与 HTTPS 双向验证保障通信。
国密算法是指中国自主制定的一套密码算法标准，涵盖对称加密、非对称加密、摘要与签名等类型。
在政务、金融与国企项目中，接口加密与证书体系常要求使用国密算法以满足自主可控要求。接入这类项目时，需要确认客户端与服务端的算法实现、证书类型与密钥长度是否匹配。
国密与国际通用算法在实现细节上不兼容，不能只替换算法名称而沿用原有的密钥与填充方式。
SDK 是指软件开发工具包，把服务方的接口调用、加密与错误处理等逻辑封装成可供开发者直接引用的代码库。
相比自行对接接口，SDK 能显著降低接入成本，尤其在需要调用摄像头、读取芯片或做活体检测的移动端场景，硬件与系统差异由 SDK 屏蔽。代价是灵活性下降，升级节奏受服务方控制。
引入 SDK 会增加安装包体积与权限申请，上线前需评估隐私披露与应用商店审核要求。
羽山数据对应能力：护照 NFC 核验以 SDK 形式提供，覆盖 Android 与 iOS，并内置芯片读取模块。
H5 认证网关是指以网页链接或二维码形式提供的身份核验入口，用户在浏览器内完成证件拍摄、活体检测与信息提交。
它的优势是免开发集成，业务方只需把链接嵌入流程或生成二维码，用户用手机打开即可完成核验，结果回传业务系统。适合线下网点、活动现场与不方便改造 APP 的场景。
浏览器兼容性与摄像头权限会影响通过率，正式投放前需覆盖主流机型与微信内置浏览器实测。
羽山数据对应能力：H5 认证网关生成链接或二维码，嵌入业务场景完成远程实名与实人认证。
阶梯计费是指按调用量划分区间、不同区间适用不同单价的计费方式。
调用量越大单价越低，用于让用量增长与成本下降同步，也让小额试用与大额采购落在同一套价格体系里。结算时通常按月统计累计调用次数，再按所处区间计价，具体是按整体适用一档单价还是分段累进，需要在合同中写明。
整体计价与分段累进在临界点附近结果差异明显，签约前应确认计费口径，避免账单争议。
羽山数据对应能力：数据交易计费模块支持统一计费与阶梯计费两种模式，账单按日更新。
接口编排是指把多个独立接口按业务顺序组合成一个新接口或数据产品的技术方式。
通过可视化配置定义调用顺序、参数映射与结果聚合，业务人员不必写代码就能把「查工商、查司法、查税务」合成一份企业画像。它降低了对技术团队的依赖，也让产品迭代更快。
编排链路的任一环节超时都会拖慢整体响应，需要为每个节点设置独立超时与降级策略。
羽山数据对应能力：平台提供编排引擎，以可视化编辑组合数据流转，快速生成新的数据产品。