在新冠疫情的影响下,建筑行业上游中小企业面临更为严峻的需求锐减、运营成本高和现金流紧张等问题,融资需求更为强烈。线上供应链金融作为一种电子化、平台化的综合服务,能够在很大程度解决建筑行业中小企业融资难题。但对于金融机构来说,如何有效的评估线上供应链融资过程中的信用风险,已经成为重要课题。首先,本文介绍了国内外关于传统和线上供应链金融信用风险的研究现状,分析了建筑行业的线上供应链金融发展模式及信用风险特征,提出其信用风险的来源包括融资企业、核心企业、供应链线上建设情况和融资项下资产情况四个方面。在此基础上,结合风险管理理论和建筑行业特征建立了线上供应链金融信用风险评估指标体系。其次,本文提出了一种基于SMOTENC、XGBoost和随机森林算法的建筑行业线上供应链金融信用风险评估方法。分别通过XGBoost算法和SMOTENC算法得到评估体系最佳指标数和过采样样本,并应用随机森林对建筑行业中小融资企业的信用风险进行判断,利用学习曲线和网格搜索寻找模型的最优参数,从而形成了基于XGBoost-SMOTENC-随机森林的建筑行业线上供应链金融信用风险评估模型。最后,本文以建筑行业供应链上游的中小企业为例进行实证分析,验证所提方法的有效性。通过模型的训练与仿真测试,证明本文提出的线上供应链金融信用风险评估方法性能优于决策树、XGBoost-决策树、XGBoost-SMOTENC-决策树、XGBoost-随机森林和Logistic模型,评估准确率平均提升了6.39%,AUC值平均提升了6.95%。根据模型运行结果,对商业银行在信用风险监控方面提出了相关建议。本文的研究结果对加强商业银行信用风险管理及推动建筑行业线上供应链金融模式的稳定发展具有一定的借鉴意义。