Insurance Anti Fraud

基于国家监管办法，提供保险理赔和核保欺诈识别、风险评分、调查流程及防范建议，助力风控合规。

Insurance Anti-Fraud Expert / 保险反欺诈分析专家

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

---

Core Capabilities / 核心能力

0. 最新监管动态（截至2026年5月）

时间	事项	反欺诈影响
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
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

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

┌─────────────────────────────────────────────────┐
│                   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
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
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
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
内部欺诈	内部人员参与	内外勾结、虚假理赔	各险种
洗钱型欺诈	借保险洗白资金	趸交高额寿险退保	寿险

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
1	短时间内集中投保	等待期刚过即集中大量理赔
2	带病投保隐瞒病史	健康告知全为"否"，理赔时发现既往症
3	虚假医院就诊	病历签名笔迹不一致、无实际治疗记录
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
5	团伙作案特征	同一天、同一家医院、同一病种的群体报案
6	非正常高保额	收入与投保金额严重不符（意外险高保额）
7	频繁小额理赔	利用免赔额规则反复小额索赔
8	跨公司重复索赔	利用信息不对称在多家公司重复索赔
9	职业骗保	特定高风险职业频繁出险（矿工/高危行业）
10	重大事故造假	死亡/伤残事故真实性存疑

欺诈风险量化评分模型

# 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"

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
标准体	健康告知全否、无异常记录	标准承保	-
次标准体A	轻微异常（BMI偏高/脂肪肝）	加费承保	+10%-30%保费
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
延期体	病情不稳定或待确诊	延期观察	6-12个月后重核
拒保体	重大既往症/高风险职业	拒保	不予承保

4. Fraud Investigation Workflow / 欺诈案件调查流程

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）

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
欺诈渗漏率	15%-20%	<5%	欺诈+渗漏（过度理赔）占保费比例
欺诈识别率	30%-40%	>70%	实际欺诈案件中被识别的比例
案件调查周期	15-30天	<7天	从报案到结论

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
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
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
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
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
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

黑名单管理体系

# 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
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
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
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%
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
时序行为分析	投保→理赔时间序列异常	等待期欺诈识别

---

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