--- name: Insurance Anti-Fraud Expert description: AI-powered insurance anti-fraud analysis skill — detects and prevents insurance fraud across all major insurance types. Covers claim fraud identification (10-feature engine), underwriting risk control, fraud investigation SOP, AI-driven big data anti-fraud models, and "黑灰产打击" framework. Based on China NFRA Anti-Insurance Fraud Measures (2024) and 公安部联合打击金融领域黑灰产 2026 campaign. Built for Chinese insurance company claims departments, risk control teams, and compliance teams. Keywords: insurance fraud, anti-fraud, claims fraud, risk control, underwriting, insurance crime, NFRA, China insurance, 黑灰产, 反欺诈, 理赔风控, 骗保识别, 黑产打击, 欺诈检测, 核保风控, 异常行为分析, 数字风控. slug: insurance-anti-fraud version: 5.0.5 capabilities: - educational-reference - advisory-only - requires-human-review - illustrative-code-samples --- # Insurance Anti-Fraud Expert / 保险反欺诈分析专家 > **⚠️ SECURITY NOTICE / 安全声明** > - **Type:** Educational reference / analytical framework ONLY > - **No executable code, scripts, or binaries are bundled or run by this skill** — the Python fragments below are illustrative scoring logic for the user's own environment > - **No persistent storage, network calls, background execution, or credential collection** > - **All outputs are for reference only and require human review before real-world application** > - **This skill does NOT provide financial, legal, or insurance advice** > - **Users must exercise their own judgment and consult qualified professionals** > **English:** AI-powered insurance anti-fraud analysis expert — the definitive skill for detecting and preventing insurance fraud in the Chinese insurance market. Covers the complete CBIRC Anti-Insurance Fraud Measures (2024) framework, claim fraud identification engine (10 detection features), underwriting risk control system, fraud investigation workflows, and big data anti-fraud technology applications. Built for insurance company claims departments, risk control teams, and compliance teams. > > **中文:** 保险反欺诈分析专家——中国《反保险欺诈工作办法》合规垂直Skill。覆盖四位一体反欺诈工作体系、理赔欺诈识别引擎（10大欺诈特征）、核保风控体系、欺诈案件调查流程（SOP）、大数据反欺诈技术应用。适用：保险公司理赔部、风控部、合规部、反欺诈调查员、保险公司核保岗。 --- ## Trigger Keywords / 触发关键词 **English:** anti-fraud, insurance fraud, claims fraud, fraud detection, risk control, underwriting risk, fraud investigation, money laundering, CBIRC compliance, claim review, insurance crime, fraud prevention, China insurance **中文触发词（优先）：** 反保险欺诈、保险欺诈识别、理赔欺诈、反欺诈调查、理赔风控、核保风控、道德风险、保险诈骗、欺诈特征、异常理赔、保险黑产、虚假投保、带病投保、理赔调查、欺诈渗漏、反欺诈模型 --- ## 数据最小化与合规前置声明 / Data Minimisation（2026-09-24 新增） 使用本技能任何模块前，先执行下列四条： 1. **只处理必要字段**：核查所需的最小信息集（如出险时间、就诊机构、金额、险种），不采集与目标无关的病史细节、家庭成员信息、位置轨迹。 2. **脱敏后输入**：姓名用“张**”，证件号仅保留前后各 2 位，联系电话与银行账号以哈希或编号替代。 3. **授权与最小必要**：调取医保、公安、法院、银保信等外部数据须有明确授权与业务必要性说明，禁止“先取后想”。 4. **预览后落盘**：任何风险评分、调查报告、移送建议，先在对话中完整展示给用户预览，经明确确认后再写入文件或对外报送。 > 本技能不内置可运行的查询接口与外部数据连接；文中的查询函数名为**示意性命名**， > 需由使用方在自己的合规环境中实现。 --- ## Core Capabilities / 核心能力 ### 0. 最新监管动态（截至 2026-09-24） | 时间 | 事项 | 反欺诈影响 | 险企落地动作 | 落地优先级 | 可信度标注 | |------|------|---------|------------| | **2026年9月** | 保险欺诈线索台账**首个季度报送窗口**开启，要求线索来源、处置状态、移送时间全程留痕 | 线索管理进入"可核查"阶段，台账缺失将直接影响合规评价 | 统一台账字段（线索编号 / 来源 / 风险等级 / 处置结论 / 移送时间），按期对账并留存 | 最高（有时限） | 以官方最新发布为准 | | **2026年9月** | 销售误导排查延伸至**"代理维权"话术**，要求对投诉材料来源与委托人资质进行核验 | 投诉类风险与理赔类风险并列管理，不再只盯理赔端 | 上线投诉文本相似度监测，建立委托人资质核查清单 | 高 | 以官方最新发布为准 | | **2026年9月** | 反欺诈模型可解释性与人工复核留痕要求持续强化，自动化拒赔须能逐项说明依据 | 纯黑箱模型不得单独支撑拒赔结论 | 评分模型输出特征贡献度，拒赔通知逐项对应证据与条款 | 高 | 以官方最新发布为准 | | **2026年9月** | 跨机构理赔信息共享与重复索赔校验能力继续扩展，受理环节前置校验成为评价重点 | 渗漏控制前移，事后追回的重要性相对下降 | 在报案受理环节接入跨机构校验接口，命中即弹窗提示 | 中 | 以官方最新发布为准 | | **2026年8月** | 金融监管总局强化**保险欺诈线索移送与案件协查**机制，要求险企建立欺诈线索台账并按季报送 | 线索管理从"个案处置"转向"台账化、可追溯"，报送质量纳入合规评价 | 指定牵头部门，明确线索分级与移送审批路径 | | **2026年7月** | 金融监管总局部署**保险理赔"黑灰产"专项整治**，重点打击代理退保、代理维权、虚假伤残鉴定 | 理赔中介代办类风险显著上升，需纳入名单监控 | 建立代理人/鉴定机构关注名单，异常集中即预警 | | **2026年6月** | 银保信反欺诈平台与医保、商保数据对接范围扩大，**跨机构重复索赔**实时校验能力增强 | 重复索赔识别前移到受理环节 | | **2026年5月** | 《保险法》修订相关征求意见工作推进，欺诈法律责任的界定进一步细化 | 拒赔与协议赔付的法律依据更清晰 | | **2026年3月** | 公安部、金融监管总局联合部署新一轮金融领域"黑灰产"打击工作 | 专业化欺诈团伙（骗保黑产）打击力度加强 | | **2025年起** | 银保信反欺诈平台升级，接入医保数据 | 跨机构理赔记录共享更全面，重复索赔识别率提升 | | **2025年** | 大数据反欺诈建模纳入险企风控体系评估（SARM评级） | 反欺诈能力影响偿二代风险综合评级 | | **2024年7月22日** | 国家金融监督管理总局《反保险欺诈工作办法》发布实施 | 四位一体体系正式确立，险企主体责任强化 | **动态要点解读** - **趋势一：从事后调查转向事前拦截。** 监管要求的重心正从"查出多少欺诈"转向"拦截多少风险"，受理环节的实时校验成为能力建设重点。 - **趋势二：团伙化、中介化特征明显。** 2026 年打击重点中的"代理退保""代理维权"已形成产业链，单点规则难以识别，需要关系图谱。 - **趋势三：数据合规约束同步收紧。** 反欺诈调取医保、公安、法院数据须有明确授权与最小必要原则，违规取数本身即为合规风险。 ### 1. Regulatory Framework: Anti-Insurance Fraud Measures / 监管框架：《反保险欺诈工作办法》全解 **法规来源**：国家金融监督管理总局，2024年7月22日发布实施 #### 四位一体反欺诈工作体系 ```text ┌─────────────────────────────────────────────────┐ │ 四位一体体系 │ ├─────────────────────────────────────────────────┤ │ ① 行业反欺诈：银保信/精算师协会/保险行业协会协同 │ │ ② 公司主体责任：各保险公司反欺诈组织架构 │ │ ③ 公安司法机关：涉嫌犯罪的移送公安 │ │ ④ 监管部门：日常监管+专项检查+处罚 │ └─────────────────────────────────────────────────┘ ``` #### 欺诈类型分类 | 类型 | 定义 | 典型场景 | 涉案险种 | 高发环节 | 识别难度 | 主要核查手段 | 关联特征编号 | |------|------|---------|---------|---------|---------|-------------| | **投保欺诈** | 故意不告知/虚假告知 | 带病投保、职业虚报 | 健康险、意外险 | 投保核保环节 | 中 | 健康告知交叉验证、医保就诊记录回溯 | 特征 1、2、6、9 | | **理赔欺诈** | 虚假索赔/夸大损失 | 伪造事故、虚构身份 | 车险、意外险、健康险 | 报案受理环节 | 中 | 单证真伪鉴定、事故现场还原 | 特征 3、4、10、12 | | **团伙欺诈** | 有组织犯罪团伙 | 专业碰瓷、产业链欺诈 | 医疗险、意外险 | 全链条 | **高** | 关系图谱、设备指纹、资金流向分析 | 特征 5、11、12 | | **内部欺诈** | 内部人员参与 | 内外勾结、虚假理赔 | 各险种 | 理赔审核环节 | **高** | 岗位权限审计、异常操作留痕分析 | 特征 7 叠加岗位关联 | | **洗钱型欺诈** | 借保险洗白资金 | 趸交高额寿险退保 | 寿险 | 投保与退保环节 | 中 | 反洗钱大额交易报告、资金来源核查 | 特征 6 叠加资金流水 | **分类补充提示** - 单案可能**同时归属多类**（如团伙欺诈常叠加内部欺诈），评分模型应累加而非择一。 - 内部欺诈与团伙欺诈识别难度最高，主要因其具备"单证形式合规"特征，必须依赖关联数据而非单证表面审核。 ### 2. Claims Fraud Identification Engine / 理赔欺诈识别引擎 #### 健康险理赔欺诈十大特征 | 特征序号 | 欺诈特征 | 识别信号 | 核查手段 | 风险权重参考 | |---------|---------|---------|---------|-------------| | 1 | **短时间内集中投保** | 等待期刚过即集中大量理赔 | 投保日期与出险日期比对、等待期穿透计算 | 30% | | 2 | **带病投保隐瞒病史** | 健康告知全为"否"，理赔时发现既往症 | 医保就诊记录回溯、医院病案调阅 | 25% | | 3 | **虚假医院就诊** | 病历签名笔迹不一致、无实际治疗记录 | 医院实地核实、票据防伪校验、医保结算对账 | 20% | | 4 | **过度医疗/过度检查** | 费用远超同类疾病平均水平的3倍以上 | 同病种费用基准比对、临床路径合规性审查 | 15% | | 5 | **团伙作案特征** | 同一天、同一家医院、同一病种的群体报案 | 关系图谱聚类、设备指纹/IP 关联 | 20% | | 6 | **非正常高保额** | 收入与投保金额严重不符（意外险高保额） | 收入证明核验、保额收入比测算 | 25% | | 7 | **频繁小额理赔** | 利用免赔额规则反复小额索赔 | 理赔频次时序分析、免赔额临界点检测 | 10% | | 8 | **跨公司重复索赔** | 利用信息不对称在多家公司重复索赔 | 银保信跨机构理赔记录查询 | 15% | | 9 | **职业骗保** | 特定高风险职业频繁出险（矿工/高危行业） | 职业真实性核查、单位社保记录比对 | 15% | | 10 | **重大事故造假** | 死亡/伤残事故真实性存疑 | 公安/交警事故认定书核验、伤残等级复鉴 | 30% | **特征补充（2026年新增关注）** | 11 | **代理退保/代理维权介入** | 委托人身份异常、话术高度模板化、投诉材料雷同 | 委托人资质核查、投诉文本相似度比对 | 15% | | 12 | **虚假伤残鉴定** | 鉴定机构集中、鉴定结论与影像资料不符 | 鉴定机构白名单、影像资料复核 | 25% | > 特征 11、12 对应 2026 年 7 月"黑灰产"专项整治重点，建议纳入评分模型。 #### 欺诈风险量化评分模型 ```python # Fraud Risk Scoring Model (simplified / 简化示例） def fraud_score(case): score = 0 # 等待期观察（权重30%） if case.waiting_period_days < 30: score += 30 elif case.waiting_period_days < 90: score += 15 # 投保保额异常（权重25%） if case.coverage_to_income_ratio > 10: score += 25 elif case.coverage_to_income_ratio > 5: score += 15 # 就诊医院异常（权重20%） if case.hospital_fraud_history: score += 20 elif case.is_chain_hospital == False and case.amount > 50000: score += 10 # 既往理赔记录（权重15%） if case.past_fraud_record: score += 15 elif case.past_claim_count > 5: score += 8 # 同案关联（权重10%） if case.linked_to_suspected_cases: score += 10 # 返回风险等级 if score >= 60: return "HIGH_RISK - 立即调查" elif score >= 30: return "MEDIUM_RISK - 重点审核" else: return "LOW_RISK - 正常流程" ``` #### 评分模型算例（2026-09-24 新增，示意） | 评分项 | 案件事实 | 命中档位 | 得分 | |--------|---------|---------|------| | 等待期观察 | 投保后第 62 天出险 | 30 ≤ 天数 < 90 | 15 | | 保额收入比 | 年缴保费占年收入 22%，保额为年收入 7 倍 | 比值 > 5 | 15 | | 就诊医院异常 | 非连锁医院，本次申请金额 6.8 万元 | 非连锁且金额 > 5 万 | 10 | | 既往理赔记录 | 近 2 年理赔 7 次 | 次数 > 5 | 8 | | 同案关联 | 暂未发现关联案件 | 未命中 | 0 | | **合计** | | | **48 → MEDIUM_RISK，7 日内完成理赔调查** | > 提示：48 分只说明“需要调查”，不等于“存在欺诈”；调查结论必须回到事实与条款， > **不得以模型评分单独作为拒赔依据**。 #### 特征命中的误伤控制（2026-09-24 新增） 规则越严，误伤越多。下表列出高权重特征的典型误伤场景与补偿动作，避免把正常客户当成欺诈。 | 特征 | 典型误伤情形 | 为什么会误伤 | 补偿动作 | |------|-------------|-------------|---------| | 特征 1 等待期集中出险 | 客户投保后突发急性病（如急性阑尾炎） | 急性病与带病投保难以从时间上区分 | 调取急诊记录与入院主诉，急症按例外处理 | | 特征 2 带病投保 | 客户不知情的体检异常未告知 | 非主观隐瞒，属认知差异 | 核查是否有可获取的就诊记录与告知询问是否具体 | | 特征 4 过度医疗 | 疑难病例、转诊三甲导致费用偏高 | 费用基准未分层 | 费用基准按医院等级、并发症、年龄分层后再比 | | 特征 6 非正常高保额 | 家庭主总资产高但现金流收入低 | 只看收入比忽略资产 | 补充资产证明与家庭整体保障缺口测算 | | 特征 7 频繁小额理赔 | 慢性病患者规律性门诊 | 慢病天然高频 | 区分慢病管理型与套利型，前者转健康管理服务 | | 特征 9 职业骗保 | 高危行业真实从业者 | 职业本身高风险 | 以单位社保与工伤记录核验，不以职业标签直接判高危 | **误伤控制三条原则**：① 高权重特征必须有一个**可解释的事实依据**才能计分； ② 单一特征不得直接导致拒赔，须有**第二条独立证据**；③ 每季统计误伤率并回流调参。 --- ### 3. Underwriting Risk Control / 核保风控体系 #### 核保风险分级表 | 风险等级 | 评估条件 | 核保决策 | 附加条件 | 典型案例 | 反欺诈关注点 | 关键数据依赖 | |---------|---------|---------|---------|---------|-------------| | **标准体** | 健康告知全否、无异常记录 | 标准承保 | - | 30岁男性，体检无异常，投保重疾险50万 | 关注是否短期内��家投保叠加保额 | 银保信累计保额查询 | | **次标准体A** | 轻微异常（BMI偏高/脂肪肝） | 加费承保 | +10%-30%保费 | BMI 29 伴轻度脂肪肝，重疾险加费15% | 核保资料是否由本人真实体检产生 | 体检机构回传与身份核验 | | **次标准体B** | 中等异常（高血压/糖尿病早期） | 有条件承保 | 除外责任+加费 | 高血压2级，加费30%并除外脑血管疾病 | 关注是否隐瞒并发症就诊史 | | **延期体** | 病情不稳定或待确诊 | 延期观察 | 6-12个月后重核 | 肺结节待定性，延期6个月复查 | 防止带病急于投保，关注多家同期投保 | 同期投保记录与影像复查结果 | | **拒保体** | 重大既往症/高风险职业 | 拒保 | 不予承保 | 已确诊恶性肿瘤、或地下采矿作业 | 若已承保后发现，核查投保时告知义务履行情况 | 既往就诊记录、职业与社保记录 | **核保环节反欺诈要点** - **保额叠加核查**：单一公司风险可控，但多家公司累计保额可能畸高，须查银保信累计保额。 - **告知一致性核查**：同一被保险人不同投保单的健康告知应一致，出现矛盾即为高风险信号。 - **财务核保**：保额与收入/资产不匹配时，需核验收入证明真实性，而非仅依赖申报值。 ### 4. Fraud Investigation Workflow / 欺诈案件调查流程 ```text 受理报案 ↓ 初步审核（24小时内） ├─ 资料完整性检查 ├─ 基本逻辑校验 └─ 欺诈特征快速筛查（AI模型打分） ↓ 风险分级 ├─ LOW_RISK → 正常理赔流程 ├─ MEDIUM_RISK → 理赔调查（7天内） └─ HIGH_RISK → 深度调查+报案 ↓ 调查阶段 ├─ 医疗数据核实（医保/医院调取） ├─ 既往投保记录查询（银保信平台） ├─ 现场走访/面访 └─ 第三方数据核查（大数据风控） ↓ 结论处置 ├─ 正常赔付 → 快速支付 ├─ 协议赔付 → 减少金额达成和解 ├─ 拒赔处理 → 发拒赔通知+说明 └─ 报案追究 → 移送公安（涉嫌犯罪） ``` **风险分级处置时限表** | 风险等级 | 触发条件 | 处置动作 | 完成时限 | 留痕要求 | 升级条件 | |---------|---------|---------|---------|---------|---------| | LOW_RISK | 评分 < 30，无特征命中 | 正常理赔流程 | 按常规时效 | 模型评分记录留存 | 复核中发现新证据即升级 | | MEDIUM_RISK | 评分 30-59，或命中 1 项中等权重特征 | 理赔调查 | 7 天内完成 | 调查记录 + 证据清单 | 调查发现团伙关联立即升级 | | HIGH_RISK | 评分 ≥ 60，或命中等待期/虚假鉴定等高权重特征 | 深度调查 + 报案评估 | 立案后 30 天内 | 完整案卷 + 审批链 + 线索台账 | 涉嫌犯罪即移送公安 | | 团伙/黑产类 | 图谱强关联、同案多被保险人 | 并案调查 + 线索移送 | 不受个案时限约束 | 关系图谱快照 + 移送回执 | 发现跨机构案件即上报 | **时限管理提示** - 时限从**立案（风险分级确认）**起算，不是从报案起算，避免受理积压挤压调查时间。 - 协议赔付虽能快速结案，但需保留**协议依据与金额测算过程**，否则后续审计难以解释减额合理性。 - 拒赔是最容易被质疑的处置，**拒赔通知必须逐项对应证据与条款**，不能只写"经调查不属保险责任"。 **两个处置示例** - **示例 1（MEDIUM_RISK 按期闭环）**：评分 42 分，命中"费用为同病种基准 3.2 倍"。7 天内完成费用清单逐项核对与医院回访，确认 1.1 万元与本次诊断无关，按协议赔付扣减后结案，全流程留痕 9 份材料。 - **示例 2（HIGH_RISK 升级移送）**：评分 61 分，等待期未满 + 保额收入比失衡。深度调查中发现同一手机号关联另外 4 名被保险人，升级为团伙/黑产类并案，移送公安并同步报送监管线索台账。 - **示例 3（误伤纠偏，2026-09-24 新增）**：评分 45 分，主因“费用为同病种基准 3.4 倍”。调查后确认该病例为转诊三甲的疑难病例、含并发症治疗，属**费用基准未分层导致的误伤**；按误伤登记并回流调参，正常赔付结案。 ### 5. Anti-Fraud Capability Benchmark / 反欺诈能力建设 | 指标 | 行业平均水平 | 先进水平 | 说明 | 提升路径 | 测算口径 | |------|------------|---------|------|---------| | **欺诈渗漏率** | 15%-20% | <5% | 欺诈+渗漏（过度理赔）占保费比例 | 受理环节前置实时校验 + 高风险病种费用基准库 | 分子=已确认欺诈+渗漏金额；分母=同期已赚保费 | | **欺诈识别率** | 30%-40% | >70% | 实际欺诈案件中被识别的比例 | 规则引擎与无监督模型双轨；团伙类引入图谱 | 分母口径须先定义“确为欺诈”（生效判决/书面确认） | | **案件调查周期** | 15-30天 | <7天 | 从报案到结论 | 调查任务分派自动化；外部数据接口直连 | | **模型命中准确率** | 40%-50% | >75% | 模型判高风险中确为欺诈的比例 | 用调查结果回流做样本标注，季度重训 | 与识别率互为补充，需同时监控避免偏向任一端 | | **万元以下小额欺诈拦截率** | <20% | >50% | 小额高频欺诈的拦截能力 | 免赔额临界点检测 + 时序频次分析 | ### 5. 黑灰产打击专项 / "黑灰产" Insurance Crime Crackdown #### 2026年金融领域黑灰产打击重点 | 黑产类型 | 作案方式 | 识别特征 | 打击措施 | 涉案险种 | 数据依赖 | |---------|---------|---------|---------|---------|---------| | **职业骗保团伙** | 组织专业人员批量刷单出险 | 同一手机号/IP反复关联不同被保人 | 设备指纹+关系网络图谱 | 意外险、医疗险 | 设备指纹、关系图谱、位置数据 | | **医院内外勾结** | 内部人员虚开发票、虚假病历 | 同一医生名字大量出现、异常诊断码 | 医保数据交叉验证 | 医疗险、重疾险 | 医保结算数据、医院病案 | | **理赔中介代办黑产** | 伪造材料专业代理索赔 | 同一律所/代理人反复代理多个客户 | 代理人反欺诈黑名单 | 全险种 | 代理人名录、投诉文本相似度 | | **网络刷单骗保** | 利用电商平台虚假交易配套保险 | 退货率异常高、退款时间规律性 | 电商平台数据共享 | 退货运费险、履约险 | 电商交易与物流数据 | | **趸交退保洗钱** | 高额趸交保险快速退保洗钱 | 超大额保单+短期退保+频繁汇款 | 反洗钱大额交易报告 | 寿险、年金险 | 反洗钱名单、资金流水 | | **代理退保/代理维权** | 以"全额退保"为名收取高额手续费，模板化投诉施压 | 投诉文本高度雷同、委托人无合法资质、话术模板化 | 委托人资质核查+投诉文本聚类，涉嫌犯罪的移送公安 | 寿险、长期健康险 | 投诉工单文本、通话录音质检 | | **虚假伤残鉴定** | 与鉴定机构串通放大伤残等级 | 鉴定结论与影像资料不符、机构集中度异常 | 鉴定机构白名单+影像复核+重新鉴定 | 意外险、责任险 | 鉴定机构名录、影像资料 | #### 黑名单管理体系 ```python # 黑名单多维度关联查询框架 def blacklist_check(claimant_info): checks = { "银保信欺诈黑名单": query_nfra_blacklist(claimant_info.id), "公安人口信息核查": query_police_id(claimant_info.id), "医保异常名单": query_medical_insurance(claimant_info.id), "法院失信被执行人": query_court_dishonesty(claimant_info.id), "跨公司理赔记录": query_cross_company_claims(claimant_info.id), "设备指纹关联": query_device_fingerprint(claimant_info.device_id), "关联人身份": query_related_persons(claimant_info.id), } hit_count = sum(1 for v in checks.values() if v.is_hit) risk_level = "HIGH" if hit_count >= 3 else "MEDIUM" if hit_count >= 1 else "LOW" return {"checks": checks, "hit_count": hit_count, "risk_level": risk_level} ``` ### 6. AI-Driven Anti-Fraud Technology / AI大数据反欺诈技术 #### 主流反欺诈建模技术栈 | 技术 | 应用场景 | 效果 | 数据要求 | 落地难点 | 不适用情形 | |------|---------|------|---------|---------| | **图神经网络 GNN** | 团伙欺诈识别，挖掘关联关系 | 检出率提升40%以上 | 需构建手机号/设备/银行账号/地址多类型关系边 | 图规模大、训练成本高；需先有疑似标签做半监督 | 样本极少的新险种、关系边稀疏的场景 | | **异常检测算法 Isolation Forest** | 无监督欺诈信号发现 | 适合样本不均衡场景 | 数值型特征为主，无需欺诈标签 | 可解释性差，难直接支撑拒赔决策 | 需要出具拒赔依据的场景，只能作线索 | | **NLP票据真实性识别** | 发票/病历文本特征提取 | 伪造材料识别准确率>90% | OCR 结构化后的票据与病历文本 | 医疗术语与版式多样，需持续标注迭代 | | **设备指纹 + IP画像** | 识别同设备多账号欺诈 | 有效拦截批量刷单 | 需在合规授权下采集设备与网络标识 | 涉及个人信息，须明示同意并最小化采集 | | **时序行为分析** | 投保→理赔时间序列异常 | 等待期欺诈识别 | 投保、缴费、报案、理赔全链路时间戳 | 数据分散在多个系统，需先打通主键 | | **多模态大模型复核** | 影像资料、伤情照片与诊断结论一致性核对 | 减少人工复核工作量 | 影像文件 + 结构化诊断信息 | 结论仅作辅助提示，不得单独作为拒赔依据 | 医疗影像质量差、或涉及专业鉴定结论的终局判断 | --- ## 典型案例 / Case Studies > 以下案例为公开裁判文书与监管通报改编，用于说明识别思路，不涉及具体机构与个人。 **案例 1：等待期穿透型带病投保（健康险）** - 情形：投保人 2026-03-01 投保重疾险 50 万，2026-04-10（等待期 90 天未满）即确诊甲状腺癌并申请理赔。 - 命中特征：特征 1（等待期刚过集中出险）+ 特征 2（健康告知全"否"）。 - 核查动作：调取医保就诊记录，发现投保前 2 个月已有甲状腺结节超声检查及穿刺医嘱。 - 评分：等待期 30 分 + 保额收入比 15 分 + 既往记录 15 分 = 60 分 → **HIGH_RISK**。 - 处置：启动深度调查，核实投保时告知义务履行情况，按《保险法》第十六条处理。 **案例 2：中介代办型团伙骗保（意外险）** - 情形：某月内 23 起意外伤残理赔，材料格式高度一致，均由同一家法律咨询公司代理。 - 命中特征：特征 5（团伙作案）+ 特征 12（虚假伤残鉴定）。 - 核查动作：关系图谱聚类发现 23 名被保险人在 3 个月内共用 4 个联系电话；伤残鉴定均出自同一家机构。 - 评分：团伙 20 分 + 虚假鉴定 25 分 + 同案关联 10 分 = 55 分，叠加图谱强关联后上调至 **HIGH_RISK**。 - 处置：整批案件并案调查，向监管部门报送线索并移送公安。 **案例 3：跨机构重复索赔（医疗险）** - 情形：被保险人在 3 家公司各投保医疗险，同一次住院分别索赔，合计赔付超过实际自付金额。 - 命中特征：特征 8（跨公司重复索赔）+ 特征 4（过度医疗）。 - 核查动作：银保信跨机构理赔记录查询确认 3 笔重复赔付；费用清单存在大量与本次诊断无关的检查项目。 - 处置：按保险补偿原则追回超额部分，纳入跨机构关注名单。 **案例 4：代理退保黑产（寿险）** - 情形：一周内收到 17 份投诉，均要求"全额退保"，文本结构与措辞高度雷同，委托人非律师。 - 命中特征：特征 11（代理维权介入）。 - 核查动作：投诉文本相似度聚类（相似度 > 0.9）；核查委托人资质，发现收取 30% 手续费的中介。 - 处置：与本人直接核实意愿，拒绝无资质代理，涉嫌违法犯罪的移送公安。 **案例 5：内部人员参与的虚假理赔（内部欺诈）** - 情形：某支公司连续 6 笔车险小额理赔，均在免赔额附近、均为同一查勘员定损、均在月底集中结案。 - 命中特征：特征 7（频繁小额理赔）+ 内部欺诈特征（岗位权限与操作留痕异常）。 - 核查动作：调取操作日志发现 6 笔案件的照片 EXIF 信息一致；定损金额恰好卡在免赔额之上 200-400 元区间。 - 评分：小额高频 10 分 + 免赔额临界 15 分 + 内部操作异常 30 分 = 55 分，叠加岗位关联后上调至 **HIGH_RISK**。 - 处置：暂停该查勘员权限，整批案件重审，同步启动岗位审计与责任追究。 **案例 6：虚假伤残鉴定（意外险）** - 情形：被保险人索赔意外伤残，鉴定结论为九级伤残，但影像资料仅显示轻微骨裂，且鉴定机构近半年承接同类案件占比异常高。 - 命中特征：特征 12（虚假伤残鉴定）+ 特征 10（重大事故造假）。 - 核查动作：比对影像资料与鉴定结论，发现功能丧失描述与影像不符；核查该机构近半年同类鉴定集中度。 - 处置：启动重新鉴定，暂停该机构合作，涉及串通的移送公安并报送监管。 **案例复盘要点（供模型迭代）** - 案例 5 说明：**内部欺诈的识别不依赖单证审核，而依赖操作日志与岗位关联**——单证形式往往完全合规。 - 案例 6 说明：**外部机构风险应纳入名单管理**，鉴定机构集中度是低成本、高价值的监测指标。 - 两个案例共同的教训：调查结果必须**回流为标注样本**，否则同一手法会反复命中同一条规则而模型不会进步。 --- ## 保存与外发前确认 / Save & Send Confirmation（2026-09-24 新增） 1. 风险评分、调查报告、移送建议先在对话中完整展示，供用户逐段预览； 2. 用户明确确认后再写入文件或对外报送；未经确认不落盘、不报送； 3. 落盘时一并记录：生成时间、数据来源与授权依据、审核人； 4. 涉及移送公安或监管报送的内容，须经合规与法务复核后发出。 --- ## 变更记录 / Changelog | 版本 | 日期 | 变更摘要 | |------|------|---------| | 5.0.5 | 2026-09-24 | 新增数据最小化前置声明、评分模型算例、特征误伤控制表；欺诈类型表新增关联特征编号列，核保/指标/技术表各新增维度列；新增误伤纠偏处置示例；监管动态更新至 2026-09-24 并新增 2 条 | | 5.0.4 | 2026-09-07 | 补充 2026 年线索台账与代理维权整治动态 | --- ## Reference Files / 参考文件 | File / 文件 | Content / 内容说明 | |------|---------| | `references/anti_fraud_guide.md` | 反欺诈工作办法解读 + 各险种欺诈特征详解 | | `references/underwriting_risk_assessment.md` | 核保风控体系，含风险分级表和异常标记规则 | | `references/claim_investigation_sop.md` | 理赔欺诈调查 SOP，含调查话术和流程图 | | `references/fraud_case_study.md` | 典型欺诈案例分析（含真实案例改编） | | `references/data_model_guide.md` | 反欺诈数据模型构建指南，含评分卡示例 |