利用機器學習檢測保險欺詐行為

吳磊　孫勇

摘 要：隨著互聯網信息爆炸時代來臨，保險金融行業必將面臨異常嚴峻的欺詐風險，及時發現，及時識別欺詐是行業，單純依靠人工判斷已經滿足不了需求，單純依靠機器判斷，也做不到完全的自動化。因此人工結合機器是一條可以選擇的路徑。

關鍵詞：保險欺詐，有監督機器學習，無監督機器學習，分類，聚類，回歸，信息檢測，規則引擎

前言

保險詐騙是指以非法獲取保險金為目的，違反保險法規，采用虛構保險標的、保險事故或者制造保險事故等方法，向保險公司騙取保險金，數額較大的行為。保險詐騙種類是繁多的，形式是多樣的，手段是隱蔽的。在實踐中行為人為騙取保險金而故意制造保險事故，虛構事實，隱瞞真相，制造假案，甚至引發其他刑事犯罪。保險欺詐表現形式多式多樣。在投保環節、理賠環節保險公司目前的信息檢測手段主要是使用規則引擎+人工核保來檢測欺詐行為，面對日益增長的保單數量和欺詐人多變的技術手段，保險公司正面臨著嚴峻的挑戰。本文主要利用有監督機器學習和無監督機器學習檢測保險欺詐行為，并且探討了業內模型共享平臺的設計，涉及到大數據技術和人工智能技術。

1. 保險欺詐

1. 1. 保險欺詐分類

1.1.1 投保環節

1. 1. 1. 1. 重復投保欺詐

重復投保，一險多賠。按我國法律規定，財產保險的重復保險累計保險總額不得超過保險價值，即使超過，對于超過部分不得也不應給予賠償。然而有的不法分子為了多得保險金，往往故意向多個保險人投保，并隱瞞重復保險的情況，在出險后向多個保險人索賠，以期獲得多份賠償。

1. 1. 1. 2. 隱情投保欺詐

主要表現為人身保險，被保險人已患有嚴重疾病或財產保險標的處于危險之中而去投保。

1. 1. 1. 3. 高額投保欺詐

投保人并無保費交費能力，而強求投保高風險保障，受益人為自己，這存在嚴重的道德危險。

1.1.2 理賠環節

1. 1. 2. 1. 低損高賠

夸大損失，低險高賠。出險損失本來很小，被保險人卻故意夸大其程度，如虛列損失項目，夸大損失數額或偽造、涂改原始費用憑證等方式虛報損失。又如將損失由小改大，事故時間由前改后，8號肇事，10號投保，索賠時間改為18號，肇事機車本來是開回來的，硬開一張拖車施救費發票數千元要求索賠。夸大損失另一種做法是消極地放任事故的發生，故意不采取積極的防范措施或補救措施，這也是一種欺詐行為，違反保險法第42條的規定，即保險事故發生后，被保險人有責任盡力采取必要的措施，防止或者減少損失。

1. 1. 2. 2. 更改標的

張冠李戴式騙賠。主要采取移花接木，冒名頂替方式。保險標的應該是唯一的、特定的，實踐中有的欺詐者為了騙取保險賠償金，常用類似物體或案件予以頂替，如將一投保汽車的車牌摘下掛在未投保的出險汽車上，冒名頂替；在醫療保險中，有的醫院因患者付不起醫藥費而與患者串通，寫已保險的他人姓名；在財產保險中，甲房屋著火未保險，報案時說是已保險的乙房。

1. 2. 保險欺詐檢測

1.2.1 投保環節檢測

1. 2. 1. 1. 基于規則引擎檢測

一般而言設置一套規則樹，用于業務在過往的數據中已經發現的欺詐行為，綜合進行評定。當該投保行為在規則集中運行完成，輸出每項的欺詐評分數，最后進行加權平均得到最后的評分。分數達到某個臨界值之后，可以采取拒絕承保或者提高保費等手段來進行風險對沖。

X=8.89，屬于高風險用戶。此方法的弊端很明顯：首先，規則數量可能會很大，隨著欺詐行為識別次數的規模以及更新方式的迭代快速的特點，規則引擎本身不會根據數據分析觀察，只能全部依靠人工來進行分析并且添加規則來識別新的欺詐行為；因此這種工作量將會非常龐大并且效率不高，需要引入機器學習新技術來幫助人工進行檢測。

2. 機器學習識別保險欺詐

機器學習主要分為有監督機器學習和無監督機器學習，有監督機器學習通過現有的已經標記為欺詐的數據，訓練為模型，用來檢測已經發現的欺詐模式；無監督機器學習主要用來發現新的沒有出現過的欺詐模式；兩者結合使用，最大程度的檢測出來保險欺詐行為。

2. 1. 機器學習

C：＼Users＼huawei＼AppData＼Local＼Youdao＼YNote＼markdown＼index.html - 2-1-1概述2. 1. 1.概述

C：＼Users＼huawei＼AppData＼Local＼Youdao＼YNote＼markdown＼index.html - 線性模型和深度學習網絡結合線性模型和深度學習網絡結合

采用tensorflow的DNNLinearCombinedClassifier的API構建廣度深度模型，將WIDE_COLUMN，DEEP_COLUMN作為數據特征組合 數據原始column如下所示：

特征字段FEATRURE_COLUMN： 字段組裝分為三類，離散數據（分類），NUMBER非離散數據（連續）。

使用tensorflow給出的接口，進行深度學習，訓練出一個欺詐模型。相比較傳統的統計建模使用規則引擎，深度網絡的模型可以得到較好的魯棒性，可以學到更加復雜，更加抽象的數據表征。通過一個三分類的任務，來判斷白案件，黑案件和灰案件。其中白案件比例、黑案件、灰案件的比例為1：1：1。因為白案件占比例在90以上，為了平衡神經網絡計算，因此設定此比例來保證不會過擬合。測試集同樣也遵循這個比例。

epoch=10 batch_size=100 分批次訓練模型

使用線性模型結合深度網絡，相比較傳統的統計建模得到的規則，最終準確度提高了20%～35%，達到了80%左右。而且避免了傳統機器學習的弱點，沒有需要決策樹存在的魯棒性不好的缺點，具有較好的泛化能力。在實際生產環節中起到真正的控制風險，指導和啟發業務的作用。

3. 模型共享

3. 1. 模型共享的意義

出于商業同業競爭的角度，保險公司的基礎數據如保單數據、理賠數據等核心數據當然不愿意拿出來共享的，但是處于某一種共同行業利益的考慮，由一個中間層次來獲取這些數據并加以共享，杜絕某一個方面的風險，顯然對于保險公司樂意拿出數據。由一個具備安全性，公正性，權威性的機構組織此類系統的開發和維護，成本由各個保險公司按照調用次數收取費用以維持平臺運轉。在車險領域為了杜絕重復投保和識別出險次數發現，已經在保險行業協會搭建了數據共享平臺，此平臺由于保險數據屬于公司商業數據，不可能保險數據種類繁多雖然數據不能共享，但是是欺詐模型；

3. 2. 模型共享的技術手段

使用一套標準，一套接口，在監管單位和行業協會的推動之下搭建一整套的數據流轉和接口。車險就已經在此模式之下實現了車險理賠信息共享平臺，全國分散部署。是一個事實上的分布式數據庫查詢平臺。在車險重復投保和查詢理賠次數、理賠金額等，基本上杜絕了車主在A公司有理賠記錄，下年費率上浮的情況，去B公司投保可以費率不上浮的情況。對于保險業的整體健康運營是非常有好處。

4. 后記

本文著重闡述了保險業在信息化大數據浪潮的背景之下，應用大數據的技術手段，解決保險業界存在的問題。也只有在此背景之下，保險業才能享受到大數據技術所帶來的便利性。通過部署和使用大數據技術，保險業應該可以更加準確的識別欺詐風險，采取及時的應對手段。保險業界一直以來存在的數據不共享，但是模型可以共享。也必將更加豐富模型數據，也為后面的保險規模擴大化，拒絕惡意投保帶來技術手段。

5. 引用