随着世界互联网技术的飞速发展,线上支付的应用得到广泛的普及,随着海量交易数据的沉淀,银行积累了大量的数据,包括各类交易类型数据、积分类型信息、客户账户信息等,在这些交易数据当中,其类型具有多样化特点,非结构化类型的数据给数据分析带来很大的麻烦。银行交易的发生必然伴随着不同等级的风险,因此犯罪份子通过银行的安全漏洞去做一些违法交易,如盗刷、伪刷、套积分等,诸如此类的现象频繁发生,给银行行业带来巨大的损失,给社会的风气带来负影响,因此当务之急是要建立基于信用卡交易数据来构建一套风控模型。本文针对上述需求,研究基于信用卡交易数据的风控模型,为银行信用卡行业提供安全的、可高的依据。本文分析并确定了风控模型的主要功能,其中包括:用户画像标签设计、用户画像数据计算、特征数据降维处理、模型算法选择、风控模型构建、风控模型的实际应用。其中,银行信用卡交易的数据中包含敏感信息,在预处理进行脱敏处理,根据用户的信息进行用户标签的构建,在风控模型预测用户是否为违法交易中,本文实验采用SVM和逻辑回归算法作为预测模型,在实际应用当中,结合人工规则和交易的风险标签,设置阈值,对用户特征进行评分和筛选,给违法交易的用户发送短信予以警告或者关闭其交易账户,以此来达到降低银行的风险的目的。对基于信用卡交易数据的风控模型提出来的实际应用方案,以大量的银行信用卡交易数据作为实验对象,本文先后分别进行了实验数据的处理、用户画像特征建模、模型算法的选择与实现以及风控系统的构建。在实际的项目应用当中,我们的风控模型在“套积分”模型和“伪境外”模型中对用户异常交易行为的抓取与防范达到了比较满意的效果,并且我们开发的“异常脸谱系统”在企业的实际业务中得到了广泛应用。