随着社会发展与金融环境的变化,越来越多的不法分子利用银行的监管漏洞,谋取不当所得,严重的破坏了社会的公正与和谐。因此保护好人民社会财富,加强落实反洗钱工作迫在眉睫。如今科技飞速发展,获取数据信息越来越便捷,根据数据构建信用模型,将某些数据记录不良的人拉入到黑名单中,从而限制不法分子通过非法手段侵害人民社会财产安全。而使用传统方式构建的信用系统,不仅效率低覆盖面小,还容易误判黑名单用户,如何构建一个高效准确的黑名单筛查系统就至关重要了。本文将机器学习算法同工作实际相结合,在调研了其他黑名单筛查系统和对比机器学习算法的基础上,将协同过滤算法同黑名单筛查相结合,设计实现了基于协同过滤的黑名单筛查系统。本文重点涵盖了以下几方面内容:首先,对系统需求进行了详尽分析。其中包括可以支持白名单策略的生成和交付,对黑名单筛选系统的用户进行管理,阻止不在白名单中的应用程序的安装和操作等内容的需求分析。其次,对整个黑名单筛查系统进行了详细设计。从系统功能到系统架构再到数据库设计,由整体到部分,逐步细化。设计黑名单基本信息的添加、删除等数据操作,包括黑名单相关信息的维护和定期信息备份。同时分析了基于用户聚类的改进相似度的协同过滤算法。最后,设计实现了黑名单筛查系统,并进行了大量的测试。系统能够实现黑名单屏蔽功能,为终端保护提供了简单有效的措施,成功地防止了大多数恶意软件的安装和使用。同时,还可以向管理员反映用户的情况,使整个保护系统更加完整有效。