网络信贷资金安全是互联网金融的重要研究内容之一。本文研究了机器学习与大数据技术相融合的信贷风险预警方法,构建智能的信贷风险评估体系,实现对信贷风险的预先感知,为信贷金融企业和金融机构提供及时的风险预警,降低企业金融风险和保障资金安全具有重要意义。其主要的工作如下:(1)在研究了贷前风险的事先防控方法的基础上,采用多种方式对信贷数据进行处理,其中包括分箱、编码和变量等处理方法。融入了随机森林方法以及LASSO法进行变量挑选,充分地发挥了其在变量挑选上的优势。同时,采用了加权的逻辑回归方法构建贷前风险预警模型,预先感知信贷风险并给出预警。(2)研究了GBDT算法变量挑选及参数优化方法,设计出GBDT与逻辑回归相融合的信贷防控方法。在上述贷中信贷防控方法之上在逻辑回归算法种融入L1约束并使得模型表现出更优的应用效果。(3)在研究随机森林算法及参数优化方法的基础上,设计了基于随机森林算法的贷后风险预警模型;并优化了模型参数,使风险预警模型具有较高准确度。(4)设计并实现了分布式金融信贷预警原型系统。在研究贷前、贷中、贷后信贷风险预警模型的基础上,采用分布式大数据技术,设计了金融信贷风险预警系统。该系统主要包括金融数据集模块、数据存储模块、数据分析模块,模型存储模块以及数据可视化模块;在实现系统功能模块的基础上,对系统进行了测试。