随着金融科技在全世界各行业迅速纵深发展,区块链、数字货币、大数据等新技术正在改造传统金融的呈现形式,金融行业正在经历深度调整阶段。国内传统征信体系虽然在一定程度上已经建立起较为完整的信用评估标准,但我国当前的征信体系主要依靠央行建设的公共征信体系和百行征信。其中,人行征信数据主要来自于传统商业银行,百行征信的数据主要来自于网贷、消费金融公司和非银金融数据等。而成立于2018年的百行征信现在尚处于起步发展阶段,征信记录尚未能够覆盖完整的人口和历史数据,未纳入央行征信数据库的数据源之间存在比较严重的信息孤岛现象。而且,即便对于那些具有传统征信记录的信用用户,由于受到传统征信体系材料复杂、流程繁琐、审批缓慢等因素的影响,这部分用户持续增长的信贷需求也无法得到充分满足。而区块链技术的不可篡改、可溯源性与互联网征信存在天然的契合性。因此,推动区块链技术在征信领域的应用有利于打破行业壁垒,实现“共享征信”,拓展小微企业的融资规模,提升金融机构的信用评估能力。首先,本文对金融科技和互联网征信痛点问题进行了对比分析。分析发现区块链技术一方面拥有信息收集、信用核验、审批发放、风控溯源的全流程体系。另一方面,区块链储存的数据具备可追溯、防篡改等优点,完全满足互联网征信数据处理的要求,征信数据获得成本显著下降。征信领域应用区块链技术应该是十分自然的,也是必要的选择。其次,在个人征信数据共享视角下,本文通过区块链分级模型对互联网征信丰富的数据来源存储、验证和拓展,激励数据共享者突破“信息孤岛”效应。再通过分级区块链的数据校验、数据纠偏机制改善征信数据质量。实证依托于人人贷信用数据分析互联网征信机构在个人征信数据上链共享的问题,通过实证分析14个互联网信贷数据指标,研究结论发现在完整互联网信用信息样本条件下检验违约预测的精确度为77%,具有很高的精确度,在样本数据剔除个人状况、性别以及储蓄存款账户状况和财产状况后的违约预测精准度出现了下降。通过两次检验结果的对比,发现禁用部分隐私信息是否会降低个人信用模型的准确度,从而影响互联网信贷申请人的信用风险评估,进而影响互联网共享征信资源配置效率。再次,本文研究了区块链和机器学习中的聚类融合算法对消费信贷数据的影响。在该框架下对互联网消费金融机构的信贷数据进行了实证分析,来反应互联网征信数据分析、核验、测度的三个核心环节。通过筛选近3200个互联网金融客户样本进行实证分析,结果表明,依据不同信贷用户具有不同的特点与偏好,对客户进行聚类分析能够在保证模型筛选的准确率,特征融合部分可以解决信息不对称问题,通过细分软信息和硬信息类型的方式能提高征信数据与聚类融合模型的安全性。然后,本文针对征信覆盖率低、信息孤岛现象、失信惩戒机制缺失等问题构建一个互联网征信体系的解决方案。通过运用智能合约技术,依托云计算平台设计上链数据组成方案,采取多源数据区块记录方法以及区块结构组成研究了基于区块链的征信数据记录方法和惩戒机制,构建了应用的实现模式。最后,结合本文的理论和实证结论,依次从持牌机构监管、征信数据共享以及区块链支持政策多角度提出针对性的建议措施,以此促进区块链技术在我国互联网征信应用的具体方案的构建。