随着当今社会进入互联网时代,互联网已经与我们的生活息息相关。在人们的生活习性、生活工作节奏、工业发展上都可以看出,互联网的应用至关重要。基于互联网的网络信贷以其申请便利、审批迅速、低门槛等特性,在信贷行业内迅速找到了自己生存的空间。但同时,其行业风险也引起了关注。据数据显示,P2P网络平台信贷中,每100起拒贷的案件中,就有16起出现不同方式的欺诈行为,即利用P2P平台的网络申请特性骗取钱财。所以,对互联网金融平台中出现的骗贷等欺诈行为的识别,对进件客户是否有欺诈属性的预测至关重要。本文即以此为出发点,探索并解决互联网金融行业中出现的欺诈问题。随着社会发展,当代信贷审批业务利用用户的财产信息、银行流水等信息进行审核。虽然审批流程已极大进步,但仍然审批速度慢,门槛高,不能达到人们的预期。随着互联网以及科技手段的进步,近几年已逐步出现利用数据挖掘、统计建模等预测手段对客户进行风险预测,从而对客户的风险进行评级。这在优化了审批流程的同时,也大大节省了审批的人力消耗,大大提高了信贷行业的效率。当“大数据”时代来临后,对互联网金融的信用风险控制,以及对欺诈行为的预测、防御都提出了更高的要求。本文旨在利用互联网和大数据环境下的数据优势,利用随机森林算法,对用户进行欺诈风险的预测。本文应用信用评分这种方式对用户可能的欺诈概率进行量化,进而根据用户的信用评级来分类。