信用卡作为一种全新的支付手段和信用工具，已经成为众多商业银行竞相推出的产品，经营信用卡业务有高收益，同时也伴随着高风险。随着我国WTO的加入，电子商务的发展，信用体系和制度以及信用支付环境的建立，越来越多的消费者选择使用信用卡进行日常的消费支付。但对于信用卡消费，较为普遍的看法还是安全问题。与国际先进的信用卡业务的信用卡交易风险管理体系相比，我国商业银行的信用卡交易风险管理体系存在着很大差距。市场经济条件下，经济越发展，信用卡欺诈行为也越来越多，主要表现为：冒用他人信用卡交易和恶意透支、伪造信用卡诈骗、使用作废信用卡诈骗。信用卡诈骗严重扰乱了正常的金融秩序，给银行和持卡人造成很大的损失，影响银行信用卡业务的健康发展。传统的检测金融欺诈的方法主要依赖于计算机数据库系统的支持以及客户的受教育程度。这种方法有滞后性，不准确性，不及时性等缺点。 本文仔细分析了信用卡交易的特点，发现采用数据挖掘技术能够有效地发现其内部隐藏的、潜在的异常交易模式，在此基础上给出了一种基于数据挖掘技术的混合检测模型，其核心部分采用数据挖掘技术中的决策树分类和神经网络来检测高风险交易行为。具体来讲做了如下工作：把信用卡的业务数据转换为数据挖掘所需要的数据格式，并进行数据清洗、离散化、缺失数据处理等；建立决策树检测模型和神经网络检测模型；建立决策树和神经网络的混合检测模型：对比分析各个模型的检测结果。 本文最后还建立了一个基于决策树和神经网络的风险检测实验系统，并对检测结果进行了预测评价，最后提出了下一步的研究工作重点。