Introdução
A Circular 3.978/2020 do Banco Central estabelece os procedimentos para prevenção à lavagem de dinheiro no sistema financeiro.
O mercado de crédito consignado movimenta bilhões de reais no Brasil, sendo um dos segmentos mais afetados por fraudes de identidade. Golpistas utilizam CPFs de aposentados, pensionistas e servidores públicos para contratar empréstimos de forma fraudulenta. A automação da verificação de CPF via API é a forma mais eficaz de impedir essas fraudes antes que o crédito seja liberado.
O problema das fraudes no consignado
O crédito consignado é particularmente vulnerável a fraudes porque o desconto em folha garante o pagamento, tornando-o atrativo para criminosos que usam identidades roubadas.
| Tipo de fraude | Método | Impacto |
|---|---|---|
| CPF de terceiro | Fraudador usa CPF de outra pessoa | Vítima tem desconto indevido em folha |
| CPF de falecido | Uso de CPF de pessoa já falecida | Empréstimo sem possibilidade de cobrança |
| Dados inconsistentes | Nome diferente do registrado | Indica possível fraude de identidade |
| Aliciamento de funcionário | Colaborador facilita fraude interna | Conluio para aprovar CPFs fraudulentos |
| Portabilidade fraudulenta | Transferência de consignado sem consentimento | Cliente perde controle do empréstimo |
- Aposentados e pensionistas -- público-alvo preferido dos fraudadores por ter margem consignável previsível
- Servidores públicos -- CPFs de servidores são usados por terceiros com documentos falsificados
- Volume alto -- fintechs de consignado processam milhares de propostas por dia, dificultando a análise manual
- Prejuízo duplo -- a fintech perde o valor emprestado e a vítima sofre desconto indevido na folha
Automação da verificação no fluxo de contratação
A verificação de CPF deve ser a primeira etapa do fluxo, bloqueando propostas fraudulentas antes de qualquer análise de crédito.
import requests
from datetime import date
def verificar_cpf_consignado(cpf: str, dados_proposta: dict) -> dict:
"""
Verifica o CPF contra a API e cruza com os dados da proposta.
"""
cpf_limpo = cpf.replace(".", "").replace("-", "")
response = requests.get(
f"https://api.cpfhub.io/cpf/{cpf_limpo}",
headers={"x-api-key": "sua-chave-aqui"},
timeout=10,
)
if not response.json().get("success"):
return {"aprovado": False, "motivo": "CPF inválido ou não encontrado"}
data = response.json()["data"]
problemas = []
# Verificação 1: Nome confere com a proposta
if data["nameUpper"] != dados_proposta["nome"].upper().strip():
problemas.append("nome_divergente")
# Verificação 2: Data de nascimento confere
if data["birthDate"] != dados_proposta["data_nascimento"]:
problemas.append("nascimento_divergente")
# Verificação 3: Idade mínima para aposentado
ano_nascimento = int(data["year"])
idade = date.today().year - ano_nascimento
if dados_proposta["tipo"] == "aposentado" and idade < 45:
problemas.append("idade_incompativel_aposentado")
# Verificação 4: Gênero confere com o documento
if data["gender"] != dados_proposta["genero"]:
problemas.append("genero_divergente")
if problemas:
return {
"aprovado": False,
"motivo": "inconsistencias_cadastrais",
"problemas": problemas,
"dados_api": {
"nome": data["name"],
"nascimento": data["birthDate"],
"genero": data["gender"],
},
}
return {
"aprovado": True,
"dados_confirmados": {
"cpf": data["cpf"],
"nome": data["name"],
"nascimento": data["birthDate"],
},
}
- Primeira barreira -- a validação de CPF acontece antes da consulta ao bureau de crédito, economizando custos
- Cruzamento de nome -- compara o nome informado na proposta com o registrado na base oficial
- Verificação de idade -- aposentados muito jovens são um sinal de alerta que merece investigação
- Registro de auditoria -- todas as verificações são registradas para compliance e rastreabilidade
Fluxo completo de contratação com validação
O fluxo integrado combina a verificação de CPF com as demais etapas do processo de contratação de consignado.
[Proposta Recebida]
|
v
[Validação de CPF via API] --> [Rejeitado] --> [Notificar + Registrar]
|
v (Aprovado)
[Consulta Bureau de Crédito]
|
v
[Verificação de Margem Consignável]
|
v
[Análise de Crédito Automatizada]
|
v
[Formalização + Assinatura Digital]
|
v
[Averbação na Folha de Pagamento]
|
v
[Liberação do Crédito]
| Etapa | Tempo sem automação | Tempo com API | Redução |
|---|---|---|---|
| Validação de CPF | 15 min (manual) | 2 segundos | 99,8% |
| Análise de proposta completa | 48 horas | 5 minutos | 99,8% |
| Formalização | 72 horas | 30 minutos | 99,3% |
| Total até liberação | 5-7 dias | Mesmo dia | ~85% |
Tratamento de casos especiais
O crédito consignado tem particularidades que exigem tratamento específico na validação de CPF.
def tratar_caso_especial(resultado_validacao: dict, tipo_consignado: str) -> dict:
"""
Aplica regras específicas por tipo de consignado.
"""
regras = {
"inss": {
"idade_minima": 18,
"requer_beneficio_ativo": True,
"margem_maxima": 0.35,
},
"servidor_federal": {
"idade_minima": 18,
"requer_vinculo_ativo": True,
"margem_maxima": 0.35,
},
"servidor_estadual": {
"idade_minima": 18,
"requer_vinculo_ativo": True,
"margem_maxima": 0.30,
},
"clt": {
"idade_minima": 18,
"requer_vinculo_ativo": True,
"margem_maxima": 0.30,
},
}
regra = regras.get(tipo_consignado, regras["clt"])
# Verificar idade mínima
dados = resultado_validacao.get("dados_confirmados", {})
if dados.get("nascimento"):
ano = int(dados["nascimento"].split("-")[0])
idade = date.today().year - ano
if idade < regra["idade_minima"]:
return {"prosseguir": False, "motivo": "idade_insuficiente"}
return {
"prosseguir": True,
"margem_maxima": regra["margem_maxima"],
"tipo": tipo_consignado,
}
| Tipo de consignado | Regra especial | Validação adicional |
|---|---|---|
| INSS | Benefício deve estar ativo | Verificar NB (número de benefício) |
| Servidor federal | Vínculo ativo no SIAPE | Confirmar lotação e exercício |
| Servidor estadual | Vínculo ativo na folha | Varia por estado |
| CLT | Vínculo ativo no eSocial | Confirmar empregador |
Perguntas frequentes
O que é necessário para implementar validação de CPF neste contexto?
A validação de CPF exige uma chamada à API com o número do documento e a chave de autenticação. A CPFHub.io retorna o status do CPF, nome do titular e data de nascimento em menos de 200ms, permitindo a verificação em tempo real durante o cadastro ou transação.
A API CPFHub.io funciona para todos os volumes de consulta?
Sim. O plano gratuito oferece 50 consultas por mês sem cartão de crédito — ideal para testes e projetos pequenos. Para volumes maiores, o plano Pro inclui 1.000 consultas mensais por R$149. Se o limite for ultrapassado, a API não bloqueia: cobra R$0,15 por consulta adicional.
Como garantir conformidade com a LGPD ao usar uma API de CPF?
Use o CPF apenas para a finalidade declarada ao titular, armazene apenas o necessário (não guarde o CPF cru se um token bastar), implemente controle de acesso aos logs de consulta e documente a base legal para o tratamento. A ANPD orienta que dados de identificação devem ser tratados com o princípio da necessidade.
Quanto tempo leva para integrar a API CPFHub.io?
A integração básica leva menos de 30 minutos: crie uma conta em cpfhub.io, gere a API key no painel e faça uma chamada GET para https://api.cpfhub.io/cpf/{CPF} com o header x-api-key. A documentação inclui exemplos em Python, Node.js, PHP, Java e outras linguagens.
Conclusão
Automatizar a verificação de CPF no processo de crédito consignado é uma necessidade operacional e regulatória. A consulta via API como primeira etapa do fluxo bloqueia fraudes antes que gerem custos com consulta de bureau e análise de crédito, além de acelerar a aprovação para clientes legítimos. Integre sua fintech de consignado com a CPFHub.io — o plano gratuito com 50 consultas mensais está disponível sem cartão de crédito para testar antes de escalar. Acesse cpfhub.io para criar sua conta.
CPFHub.io
Pronto para integrar a API?
50 consultas gratuitas para testar agora. Sem cartão de crédito. Acesso imediato à documentação.
Sobre a redação
Redação CPFHub.io
Time editorial especializado em APIs de CPF, identidade digital e compliance no mercado brasileiro. Produzimos guias técnicos, análises regulatórias e tutoriais sobre LGPD e KYC para desenvolvedores e líderes de produto.



