根据中国互联网络信息中心公布的相关资料能够看出,2017年我国的网民数量已经达到了 7.72亿,在全国总人口中所占比例为55.8%。互联网对于人们生活的影响程度日益扩大,互联网金融平台也层出不穷,根据零壹数据公布的相关数据能够看出,截止到2018年年底,P2P网络借贷平台的数量已经达到了 6063家,其中运营处于正常状态的平台数量共计1185家,在平台总数中所占比例为19.5%,同比下降幅度为46.8%,处于异常状态的平台数量共计4672家,在平台总数中所占比例为77.1%。虽然有所减少,但其问题平台数量仍旧占比巨大。问题平台数量之大足以让人们担忧,也伴随着信用风险的产生,很多平台放出的贷款无法收回,不良贷款率有所上升。从最开始出现的网络购物,发展到网络银行、第三方支付,再到网络理财,互联网金融的快速发展花费的时间只有短短几年。特别是P2P行业,最近这几年的发展达到了惊人的速度,但是也出现了一系列的信用风险问题。为了确保互联网金融平台的信用风险能够有效降低,需要利用现代化的大数据技术对风险进行评级,本文主要是对用户在互联网上形成的大量数据进行研究,利用数据爬虫技术对数据进行搜集、存储、传输。之后运用大数据分析软件RapidMiner大数据分析软件对爬取的数据进行预处理,在软件中运用随机森林算法匹配最佳的数据与规则方案。不同于传统的互联网金融信用风险的研究,本文在随机森林算法的基础上,再运用逻辑回归分析根据规则测评用户违约概率,对用户的违约和欺诈情况进行预测,并对结果进行分析。从而提出有效降低互联网金融平台企业的信用风险的建议。