随着互联网和电子商务的发展,第三方支付的规模不断扩大,逐渐成为主流的支付方式。与银行卡线下支付的传统方式不同,第三方支付提供线上的支付服务,具有实时性和便捷性,可以实现资金的快速流转。从身份认证角度,用户的身份证件号码、手机号码、人脸、声纹等均可用于账户识别和支付确认,支付方式逐步向虚拟卡和无卡化转变。与此同时,支付的便利性也为不法分子实施盗刷提供了通道,增加了欺诈行为的防范难度。本文对第三方支付、盗刷、风险管理进行了阐述,提出盗刷风险是第三方支付业务中需要被高度关注的风险。在详细研究国内外现状后,指出虽然国内外第三方支付业务发展态势不同,但是在技术角度可以借鉴国外的机器学习算法应用经验。国内的支付行业已经意识到了黑名单和专家规则在盗刷风险防控方面的不足,尝试使用机器学习建模来拦截盗刷交易,并取得了良好的效果。本文采用案例分析法,研究W公司盗刷风险管理的传统模式和新模式。基于黑名单和专家规则的传统模式,具有主观性和滞后性等问题。W公司基于机器学习,研究了盗刷风险管理的新模式。在新模式中,W公司的风险中台获取业务的实时和离线数据,进行数据分析与处理、特征工程、模型建设和参数调优。从实施效果看,本文中介绍的新方法与传统的基于黑名单和专家规则的盗刷风险管理相比,在精确率和召回率上均有明显的提升。而且,机器学习模型支持特征自动衍生和模型自动更新,极大地提高了公司识别欺诈风险的时效性,降低了盗刷交易带来的资金损失和声誉损失风险。最后,在良好的组织保障和技术支持下,盗刷风险管理的新模式克服了六大风险,被大范围应用在W公司的支付业务中。基于W公司的成功案例,本文提出,基于机器学习方法进行盗刷风险管理,可以有效地降低第三方支付中的盗刷风险,助力我国第三方支付行业的健康发展。