随着电子商务的快速发展,线上交易在我们日常生活中已经十分普遍,这使得保障线上支付服务的稳定安全面临着巨大的挑战。在一系列的安全问题中,如何在大量的交易记录中检测出欺诈交易是很多银行和互联网公司关注的最关键的问题之一。欺诈检测过程中任何的错误和延时都可能给企业和个人带来巨大的经济损失。然而,之前相关领域的研究主要集中在如何提升欺诈检测的准确率上,很少关注欺诈检测系统在处理爆发式增长的交易数据时应具备的数据处理能力。本文的研究工作主要聚焦在利用大数据技术设计并实现一个在线的信用卡欺诈检测系统,系统的研究目标主要包含三个方面:1、系统应具备融合多个欺诈检测算法模型的能力,从而提升准确率;2、系统应该具备处理海量历史交易数据的能力;3、系统应该能够实时地完成欺诈检测任务。为了完成研究目标,我们提出了一个抽象的信用卡欺诈检测工作流,该工作流符合现有大部分信用卡欺诈检测系统的主要设计思想。我们进一步将抽象的工作流映射成一个四层的系统架构:分布式存储层、批处理训练层、键值对共享层和流处理检测层。系统的四层架构可以分别用于支撑海量的交易数据存储、高效的模型训练、快速的模型参数共享以及实时的在线欺诈检测。我们利用合适的大数据技术(包括Hadoop、Spark、Storm、HBase等)实现了整个信用卡欺诈检测系统。基于合成的交易数据集,我们设计了系统性能评测实验,详细评测了系统各层模块的性能,进一步说明系统实现了研究目标。