信用卡作为一种全新的支付手段和信用工具,已经成为众多商业银行竞相推出的业务,经营信用卡业务有高收益的同时也伴随着高风险。随着我国加入WTO,电子商务高速发展,信用体系和信用支付环境的建立,越来越多的消费者选择使用信用卡进行支付。因此,确保消费者信用卡安全支付尤为重要。对比国际先进的信用卡业务的信用卡交易欺诈风险管理体系,我国商业银行的信用卡交易欺诈风险管理体系存在着很大差距。市场经济条件下,随着经济发展,信用卡欺诈行为也越来越多,主要表现为:冒用他人信用卡交易和恶意透支、伪造信用卡诈骗、使用作废信用卡诈骗。信用卡诈骗严重扰乱了正常的金融秩序,给银行和持卡人造成很大的损失,影响银行信用卡业务的健康发展。传统的交易欺诈检测方法主要基于贝叶斯算法、决策树算法和神经网络算法。这三类算法的实际学习结果往往取决于我们对于数据的理解程度和算法模型设置问题。而这两项问题的解决,往往依赖于应用者的先验知识和经验,造成了对使用者“技巧”的过分依赖。本文仔细分析了信用卡交易的特点,发现采用数据挖掘技术能够有效地发现其内部隐藏的、潜在的异常交易模式。支持向量机是数据挖掘的一个新的研究领域,它能够很好的解决上述算法存在的问题。本文应用支持向量机算法构造了一个基于支持向量机的欺诈交易检测模型来检测高风险交易行为。具体来讲做了如下工作:把信用卡的业务数据转换为数据挖掘所需要的数据格式,并进行数据清洗、离散化、缺失数据处理等;建立支持向量机检测模型;对比分析各个模型的检测结果。本文最后还建立了一个基于支持向量机的风险检测实验系统,对检测结果进行了评价,并提出了下一步的研究工作重点。