近年来,随着经济的发展与世界各国金融市场的逐步开放,各国政府积极推动各种有关金融自由化与国际化的措施,导致国内外信用卡市场不断成长,以信用卡为媒介的交易行为不断激增,已有超过现金及票据交易的趋势,信用卡业务成为银行一个重要的业务收入来源。但是随着发卡量大幅度增长,经济规模扩大和市场的快速扩张,目前全球信用卡的欺诈交易正以惊人的速度增长,欺诈手法不断翻新,歹徒作案技巧日益精明,金融企业已逐渐无法有效察觉欺诈交易,带来的损失日益增加,特别是在中国社会信用体系还没有效建立和发挥作用的情况下。如何能有效、快速、准确地识别出信用卡欺诈交易已成为目前金融界普遍关心的问题。本文首先简单介绍了信用卡及其业务、风险管理的相关知识,并深入分析了信用卡欺诈风险的成因和识别防范策略,指出应该分两条线索分别加以探讨:一是仅基于交易资料的以交易为线索进行分析,二是基于客户基本资料与交易资料结合的以客户为线索进行分析。接着研究了数据挖掘的分类方法,着重介绍了支持向量机和决策树算法及这两种算法各自的优点,同时对学者们在信用卡欺诈识别研究上所作的贡献进行了文献综述。然后针对目前在分类研究中普遍存在的两个问题——样本分布的不对称性和单一分类器效能低下,提出利用k-means聚类解决样本的不对称分布,架构基于支持向量机和决策树的组合分类器,并用Adacost方法进行分类结果的融合。最后使用某商业银行的信用卡数据,在前面架构的欺诈识别模型基础上进行实证研究,并将此分析结果与在类别不对称的样本分布和使用单分类器模型情况下的分类结果比较,实证证明本文中所架构的模型适合于信用卡欺诈侦测研究。