由于计算机网络技术的飞速发展,近些年来“互联网+”的概念越来越普及,改变了诸多行业的运营模式,其中互联网与金融的结合尤其引人注目。我们欣喜地看到,由于运用互联网技术可以使数据共享、信息互通,“互联网+金融”的模式打破了传统金融领域信息不对称的壁垒,在健全我国多层次金融市场方面有着巨大贡献,这对我国的经济发展具有重大意义。然而,新生事物的发展往往具有两面性。互联网金融方兴未艾,但是基于此的用户欺诈事件却不断涌现。随着欺诈手段越来越专业化和隐蔽化,互联网金融平台用户欺诈风险不断升级。因此,如何提前识别出欺诈型用户,进行精准打击,防患于未然已经成为当前形势下亟待解决的问题。本文从研究互联网金融平台用户欺诈现状入手,剖析了欺诈型用户产生的原因、发展特点以及分类。为了探讨识别用户欺诈行为的技术手段,研究国内外关于技术检测互联网金融平台用户欺诈的文献,梳理总结出基于时间序列、关系图谱、生物探针、数据挖掘的四类用户欺诈识别方法。此外,本文还以欧洲某网络支付平台的用户交易数据为样本,进行基于数据挖掘的用户欺诈检测的实证研究。在此过程中,面对正负样本不均衡这一问题,提出用随机欠采样(Under-Sampling)的方法构建子样本,然后对子样本进行特征缩放、异常值检测、特征筛选等处理,随后用处理过的子样本训练逻辑回归、K近邻算法、决策树及支持向量机这四种分类模型,并对四种模型的预测结果进行评估,结果显示逻辑回归模型的召回率、F1 score和AUC值都是最高的,说明基于数据挖掘的检测方法是切实可行的。另外本文结合之前对用户欺诈产生原因的探讨,为防控互联网金融平台欺诈型用户提出了三个方向的建议,分别是提高互联网金融监管水平,运用金融科技反欺诈的技术及构建互联网金融行业秩序。