随着经济的发展和社会的进步,银行卡作为重要的支付手段和资金载体在金融行业发展中发挥了越来越重要的作用[1][2],同时对银行卡涉及的相关业务也是银行等金融行业中审核和监控的重点部分。作为银行卡业务的主要参与方,持卡人、发卡行和刷卡商户均处于中国银联的监控和审核体系之中。对于银行与银联之间,发卡行在确定发行银行卡之前需要将银行卡设计发送给银联部门审核。而对于商户,所有的银行交易记录也会保存在银联的数据中心,作为实时监控以及判断商户是否有违规行为的依据。本文根据银联对银行卡的发卡行为与商户刷卡交易的审核和监控这两个业务背景,结合当前普遍使用人工审核进行估计判断效率较低的现实提出了两个自动化的机器学习审核框架。对于银行卡审核场景,我们提出了一个面向银行卡审核的自动化机器学习框架,其中的主要部分包括银行卡审核数据的获取模块、基于深度学习的元素测定模块、基于机器视觉算法的尺寸审核模块以及整体的审核归纳模块四个部分。特别的,我们将卡面信息审核问题转化深度学习检测的目标定位问题和传统机器视觉的形状判定问题。分别应用深度学习方法和机器视觉判定方法进行检测,提升了检测的准确率和最终的审核输出细节,达到了在一定条件下代替人工审核的效果。同时为了应对模型训练的效率问题,我们将自动化框架的训练转化为一个超参数黑盒优化问题,使用自动化机器学习的方法使得模型快速找到当前训练的最优点。对于交易监控审核场景我们提出了一将交易违规商户检测转化成一个基于图卷积模型的机器学习问题的框架。其中,我们创新地将商户关系通过图结构数据形式进行表征,利用图卷积网络对于商户节点特征的隐含关系进行提取,最后对商户是否违规进行判定,达到了高于已有模型的效果。