传统的金融行业都在向着互联网模式下的新形态发展,催生出一批新的互联网金融企业,同时带来了新型的互联网金融产品。基于互联网的供应链金融产品在我国尚处在快速发展阶段,互联网金融企业纷纷推出自己的供应链金融产品。互联网供应链金融产品风险的度量和防范也需要与时俱进,需要根据新产品的特点对于传统的供应链金融风险评估方法进行变化。本文主要研究是互联网供应链金融信用风险评估,建立包括融资企业信用状况、核心企业资信状况、供应链关系状况和互联网平台的情况的信用风险评估指标体系,运用Logistic回归、BP神经网络和机器学习的方法建立信用风险评估模型。基于京东金融和汽车行业案例的数据和资料,建立传统供应链金融信用风险评价不能实现的针对互联网供应链金融的信用风险评价指标体系。本文的实证部分通过将新建立的基于互联网的供应链金融信用风险评价指标体系与传统供应链金融信用风险评价指标体系进行实证检验对比,并且分别使用Logistic模型、BP模型和SVM模型得出的分析结果,通过MATLAB程序得到的结果可以看出,基于互联网供应链金融的信用风险评价指标体系与SVM模型结合起来的分析效果最好。在两种指标体系的对比中,基于互联网的供应链金融信用风险评价指标体系的样本总体分类正确率为95.33%,比传统供应链金融信用风险评价指标体系的正确率88%有一定的优势。而在三个模型的对比中,Logistic模型的总体分类正确率是82.50%,BP模型的总体分类正确率是82.33%可以看出Logistic模型和BP模型的分类效果都不如SVM模型的样本总体分类正确率95.33%。除此之外,在信用风险评价中比较重要的第一类错误率方面,基于SVM的互联网供应链金融信用风险评价模型不仅低于基于SVM的传统模型,也低于基于BP神经网络的互联网供应链金融信用风险评价模型。所以可以说明,基于SVM的互联网供应链金融信用风险评价模型更具有效性和优越性,可以更好更准确的评价供应链上的信用风险。