随着中国经济的腾飞，特别是互联网使得世界变得扁平，数据信息可以瞬间无边无垠。与此同时，电商供应链金融、消费金融平台、第三方支付等互联网金融的兴起，都在倒逼征信业的进步，使得中国信用体系正在经历一次演进。随着ZestFinance为代表的大数据征信公司出现，使得整个行业对个人及企业的互联网在线动态数据重视程度越来越高，已经形成包括芝麻信用等一大批有特点的征信服务机构。但这些机构的数据来源往往还集中在用户的自有平台产生的大量消费数据或者行为数据，无法从更广的数据维度全面判断一个人的生活、工作以及一个企业的经营状态。如何有效的将蕴藏在互联网流量中的用户行为数据与金融风险控制业务相结合，提高对用户违约倾向的贡献度，形成有力的风控支撑依据是时下大数据金融的重大课题之一。

在此背景下，本实验室将针对超大规模的互联网流量数据，拟采用各种数据挖掘方法，提取用户关键行为特征，结合金融风险控制业务需求，结合时间序列等方法，研究基于互联网流量的用户特征模型，研判该用户在发生金融业务行为时产生违约风险的概率。