随着互联网金融及互联网大数据在国内迅速地发展,以及互联网+时代的到来,兴起了一大批的互联网金融网贷企业,与此同时用户可能发生的欺诈风险成为互联网金融的一个重要关注方面,如何有效地预见和识别潜在的用户欺诈行为,成为目前互联网金融的重要目标之一。本文试图根据某公司提供的关于社交方面和消费方面的数据,探索一个能够比较准确预测用户欺诈行为的风控模型,达到减少因欺诈带来的损失的目的。本文首先对数据进行观察和清洗,然后把清洗后的数据进行横向合并;其次,为了了解消费行为与欺诈的关系以及社交网络与欺诈的关系,做了一些探索性的描述性统计分析,并且分析了消费类型与用户欺诈关系,消费金额与用户欺诈关系以及欺诈用户紧密程度的影响,然后通过探索的结果选择合适的变量;再结合目前数据挖掘的机器学习算法和现代化金融理论对上述变量训练模型;再对模型进行对比并且对模型结果进行评价,根据评价结果再优化我们的模型;最终通过ROC曲线得出较准确的风控模型。