近年来，电子商务发展迅猛，网上购物成为了最主要的购物形式。2015年阿里在双十一销量突破912亿，京东也达到100亿。在繁荣的背后阿里和京东等电子商务平台上的刷单、黄牛抢购等大量的交易风险问题集中爆发，交易风险管理手段的落后成为了阻碍平台健康发展的瓶颈，给电商平台带来了极大的损失，也影响了普通客户的权益，电商平台的公平、公正、真实性受到了公众的质疑。而电商在交易风险管理上经验还比较薄弱，风险管理起步比较晚，电商还主要依靠业务人员的经验来进行交易的风险评估。随着业务量的增长和业务的复杂性提高，特别是黄牛公司和水军公司等黑色产业链的专业化发展，传统的交易风险管理模式已经不能满足风险管理的发展需要。因此，构建一套科学智能的交易风险评估体系，对电商平台的健康发展具有重大的意义。　　本文从电商交易风险评估的现状及存在的问题出发，通过对国内外电商平台交易风险评估模式的方法进行了研究分析，以风险管理的方法论为指导，结合风险交易业务特征分析，先建设了一套交易风险备选指标体系，然后提出了基于大数据的数据挖掘技术和社交关系网络分析技术来建立交易风险评估体系。主要工作包括:建立电商交易风险备选指标体系;建立基于Gradient Boosting Decision Tree的单客户风险评估模型;应用Logistic回归和信用评分卡技术进行单客户风险评估优化;建立基于社交关系网络的水军社区识别模型;单客户风险评估模型与水军社区模型的再进行结合应用以发现更多的风险客户;以J公司为例进行模型的实证分析，证明模型具有较好的预测结果;最后对电商的交易风险管理和交易风险法律问题进行了讨论。　　本文的成果，在传统的风险管理理论框架基础之上，在风险评估技术上进行了创新的思考和尝试，对交易风险的备选指标体系进行了行业性的全面梳理，并大胆地运用大数据和数据挖掘，以及社交关系网络领域的最新技术去进行风险评估的尝试，将传统成熟的信用评分卡技术与最新的大数据技术相结合，几种技术融为一体，从点入手进行单客户的风险评估，再从水军社区网络的“面”进行全局分析，点面结合系统分析，最终建立起一套系统、科学的风险评估体系。国内在社区发现上的研究主要集中在网络的聚类分析上，本文尝试用模块度算法进行水军社区的发现，取得了不错的效果。这种风险评估体系的尝试，为电商交易风险管理的技术探索，迈出了大胆地一步。大数据技术的引入可以更快更全的获取到客户的信息，数据挖掘方法在识别的能力上也更智能更准确，从而对用户的异常行为做出更稳定的识别。这些新技术的探索为交易风险管理理论的研究带来了新的思路和手段，也拓展了风险管理在电子商务领域的业务实践。