在大数据技术逐步发展与成熟的今天,越来越多的行业也在不断地尝试着融合大数据技术,以便更好地支撑自身的发展,或者是提供更好的服务。在金融行业,信用卡的发展也在积极地拥抱大数据技术。随着信用卡大规模的使用,大量的交易也在无时无刻地发生着。而这些交易中又隐藏着一些有诈骗、盗用、非法套现等欺诈风险的交易,这些交易风险不仅威胁着信用卡金融企业的资金健康与安全,也严重地影响着信用卡用户的资金安全。因此,如何从这信用卡交易数据流中实时地找出风险交易,并加以控制是很多信用卡金融企业关注的问题。为了保障各方的资金安全,减少损失和促进行业的健康发展,本文基于当下大数据热门的实时流数据计算处理框架--Flink,设计并实现了信用卡交易风险监测系统。该系统包含了风险交易管理模块、交易监测规则管理模块、交易监测模型管理模块、实时报表模块和系统管理模块。系统也设计了信用卡交易风险的检测流程,该流程结合了规则模型检测、机器学习算法模型检测和人工审核三个环节,以提高对风险交易的检测。在机器学习算法模型检测环节中,通过实验对比了Ada Boost、XGBoost、LightGBM模型对风险的检测识别效果,最终采用了效果较好LightGBM作为检测交易风险算法模型。对于检测流程中的规则模型检测和机器学习算法模型检测,分别与Flink进行结合实现,使系统能够对实时信用卡交易数据流进行风险检测。最后,通过对系统的部署与测试表明,系统的各功能模块实现正确且符合预期。能帮助信用卡金融企业在实时信用卡交易数据流中,找出高风险的交易并加以控制,保障各方的资金安全。