随着电子商务的迅速发展，其中返利网站作为有着诱人的价格和杂志化的商品信息推荐而备受用户喜欢，但是作为电子商务网站的返利网站也有着诸如用户作弊、商家刷单和用户退货等等的潜在风险，所以本文将聚焦于返利网站的风险控制数据上。目前互联网风险控制还停留在依靠个人经验和行业规则上，这种一刀切的做法无法满足日益增长风险控制需求，所以本文对大数据下的预测模型进行了分析与研究，最终设计和实现了一个基于Hadoop的返利网站风险控制系统。
本文在预测模型的研究基础上，依靠Hadoop的HDFS分布式文件系统和MapReduce出色的计算能力，将预测模型应用在返利网站风险控制系统上。本论文的主要工作是研究并应用MapReduce计算框架进行统计大数据量的日志及订单数据，进而分析用户行为和判断用户是否作弊以及预测订单的退货概率从而达到风险控制的目的，在本文中分析与对比各个预测模型的优缺点并找到最适合风险控制系统的模型，并在整体业务中分阶段的制定风险控制策略，最终完成返利网站风险控制系统。本论文解决之前规则化的风险控制系统在多用户维度下的不适用的问题，并且保证返利网站的各个业务阶段都正常工作。本文在分析了现阶段成熟的预测模型和实际的数据情况的基础上，完成了对模型的选择和编码工作，实现了在大数据量的情况下的风险控制系统。
本论文将分阶段对返利网站所可能存在的风险都进行分析和技术设计从而保证风险在可控的范围内，该系统在风险控制方面有着非常显著的成效。