互联网金融的核心竞争力在于风险控制能力。而互联网金融中安全风险、信用违约、信息不对称等一直是制约行业健康发展、平台稳健运营的内在阻力。在众多风险之中，互联网金融欺诈具有业务环节多、手段多样化、隐蔽性极强的特点，会给互联网金融平台带来极大的风险和财产损失。因此，反欺诈的研究势在必行，无论是快速检测清除潜伏的欺诈，还是挖掘作案模式建立预警机制防患于未然，对整个互联网金融平台的风险控制均具有重要意义。
　　《互联网金融欺诈识别与风险防范》以互联网金融平台为研究对象，着重研究其运作中存在的欺诈风险，特别是个体欺诈与群体欺诈的风险识别与防范；介绍了互联网金融发展的现状与面临的问题；围绕信用评分和欺诈识别两大风控主题，基于机器学习、深度学习以及图模型算法研究了互联网金融欺诈与风险防范；通过随机森林、文本挖掘、半监督自适应模型等方法对互联网金融风控进行了实证研究。
　　现有研究多使用平台的财务数据、运营数据等，但这些数据大多存在滞后、造假等问题。而在互联网这片沃土上成长起来的互联网金融，有着极其丰富的互联网用户评价数据，本专著利用这些实时数据进行研究。一方面，通过收集平台数据构建互联网金融词典，对评价主题、情感倾向进行识别，并进一步构建平台舆情监控与预警系统，实现对问题平台的及时准确识别和对正常平台的全天候监控。另一方面，将单个互联网金融平台作为研究结点，构建互联网金融平台网络，基于网络分析、复杂网络理论和平台舆情文本数据挖掘，通过构建关联网络模型与计量模型，研究信息传播对互联网平台投资与借贷的影响，以及信息交叉传播与平台风险的相关性，剖析关联平台间风险传播的机理。针对现有平台在运营中积累的各类风险，本专著提出具有可行性的风险缓释方案，进而为政府防范化解互联网金融风险决策提供支持。
　　《互联网金融欺诈识别与风险防范》核心内容是构建反欺诈模型，识别互联网金融领域中的个体欺诈尤其是群体欺诈以及平台欺诈，搭建应用于网络信贷平台的风险控制系统，提升互联网金融行业的整体风控水平。.将机器学习方法与金融风险控制理论相结合，提出新的互联网金融风险度量方式，为投资者进行理性投资提供一定参考。
　　《互联网金融欺诈识别与风险防范》读者对象包括高校师生、互联网金融从业者、金融监管机构。