近年来,新型金融模式“互联网+金融”的发展备受瞩目,它打破了传统金融行业的发展壁垒,让普通大众都能享受到普惠金融的服务,这一模式缓解了资金供求之间不平衡的矛盾,提高了资源配置效率,提升了金融渗透率与使用率。但是互联网金融领域的高速发展背后也隐藏着诸多痛点问题,如信用风险、技术风险和监管风险,而信用风险的主要内容就是欺诈风险,目前欺诈行业越来越呈现出产业化、隐蔽化、专业化、场景化的特征。因此对于金融借贷行业来说,如何提升反欺诈能力,提高金融交易的安全性,成为当下亟待解决的问题。本文的研究目的是解决信贷过程中潜藏的欺诈问题,因此设计和实现了一个反欺诈风险预测系统,通过系统可以分析进件客户数据的欺诈风险,能够增强金融机构对欺诈用户的识别与预防能力,有效提高信贷审批流程的风险管控能力。本系统主要分为系统开发与模型开发两部分内容,系统采用JAVA语言开发,应用了Spring Boot、My Batis、Nginx等技术,主要实现了样本管理、策略配置、风险预测与业务监控功能模块。模型开发使用Python语言实现,采用了机器学习相关技术,本文针对实习公司提供的数据集进行模型开发,针对数据极度不平衡的现象进行了平衡处理,并基于平衡处理前后的数据分别建立了逻辑回归、XGBoost、XGBoost+LR模型,最终选择效果最好的XGBoost+LR模型。目前,该系统已成功上线运行,很好的满足了客户对信贷业务中欺诈风险检测的需求,加强了对借贷用户的欺诈风险识别能力,确保了借款人的安全资质。