□吴旭东

在数字化转型大趋势下，保险行业信息科技的快速发展，推动保险产品、保险服务不断创新，丰富服务场景和拓宽经营渠道，强化客户体验管理，增强线上线下业务协同和需求洞察力。同时，也让保险欺诈呈现出专业化、团伙化、虚拟化、复杂化等特征。防范保险欺诈风险已成为数字时代保险业经营与管理组成部分。构建科学有效的反保险欺诈机制，推进反欺诈风控线上化智能化建设，是当前保险行业亟须解决的问题。

健康险的保险欺诈类型和表现特征

按照保险欺诈类型划分，健康险的主要保险欺诈类型有以下六种。

一是伪造医疗材料，如对未发生疾病，通过伪造病理报告、医疗票据、病历资料等骗取保险金。二是假住院、冒名顶替就诊或住院等，其中冒名顶替的欺诈行为多发于团体医疗保险。三是夸大损失程度，如捏造疾病（实为健康体检）、虚增医疗费金额、轻病久住、小病大治等，其中轻病久住多发生在津贴型健康险，有的已经形成地区性欺诈。四是编造虚假的事故原因，如投保前已患未治愈疾病谎称新发生疾病、美容或视力矫正等谎称疾病、疾病就诊谎称意外医疗、先天性疾病谎称其他疾病等。五是先出险后投保，如篡改出险日期、匿名就诊后实名入院治疗、重大疾病确诊后重入他院、追溯保单生效日等。六是带病投保，即先通过体检或门诊检查发现疾病后，再投保健康险或重疾险，然后诊断和治疗获取保险金，带病投保是健康险领域最为常见的欺诈表现形式。

通过剖析健康险欺诈案件，可以发现健康险欺诈案件具有异常表现特征。

一是出险时间异常，表现为等待期过后短期内出险。二是投保动机异常，表现为投保前反复咨询，投保人财务状况不佳或实际收入与投保保额不符，投保保额临界公司体检标准。三是治疗信息异常，如舍近求远就诊，就诊科别异常，同一医生为多人出具同一特定疾病证明且部位、描述雷同等。四是索赔材料异常，如提供的多份索赔材料前后矛盾，病历、检查报告、发票等存在涂改，诊断或诊疗措施与病情性质、程度不符。五是治疗机构异常，不具有相关治疗资质的医院或医生，或由业内反映的问题医生或问题医院出具诊断证明。六是理赔申请过程异常，治疗医院和医生不配合保险公司的调查，被保险人拒绝复检等要求，或动辄多方投诉或起诉保险公司。

健康险保险欺诈成因和理赔调查难点

检视健康险保险欺诈成因，主要有以下四个方面。一是信息严重不对称，被保险人的健康状况、就诊记录与个人隐私相关，被保险人如不配合调查，保险公司难以通过查询公众信息平台等途径获取相关信息。二是医患合谋欺诈，如职业型保险欺诈案件中，不法分子结成团伙，利用医院内部工作人员的便利身份多次作案，手法隐蔽、专业性强，单笔赔付金额小，增加案件侦破难度。三是从业人员参与欺诈，一些从业人员为获得销售佣金，无视公司规章和保险法规，明知被保险人身患疾病，仍协助投保人不实告知或者为其出谋划策。四是社会环境因素干扰，一些被保险人生活困难，确实遭受疾病或伤害，亟须获取保险金救治，社会公众也给予同情，公司若处置不当，易引发新的矛盾纠纷。

针对保险欺诈案件，各保险公司都投入很大人力和物力，加大理赔调查控制保险欺诈，但目前来看，还存在很多难点和困境。主要是健康险带病投保，诊断信息难以获取，很多健康险欺诈金额小且高发，难以做风险识别，团队作案或地方性欺诈风险发生多家保险公司，缺乏必要的风险识别技术支持。尽管保险公司出现了分级管控，但很多尚未配备专门的反欺诈信息识别系统，无法及时有效识别可疑案件。相对于寿险保险欺诈，健康险保险欺诈表现更为高发和隐秘。随着线上保险业务增多，健康险欺诈案件更加频发，花样翻新，给案件调查提出新的挑战。

健康险智能反欺诈平台建设和功能

保险反欺诈风险识别能力是关键核心，既往健康险风险识别注重调查，通过客户提交的医疗材料识别是否存在伪造，治疗药品或方式是否符合保险责任。随着欺诈多元化、网络化和组织化等转变，特别是健康险理赔欺诈风险案件激增，传统的承保风险筛查和理赔案件调查手段难以识别新型欺诈风险，需要构建反欺诈平台，通过大数据和智能反欺诈建模等科技应用作为反欺诈重要手段。健康险欺诈案件增多也客观催化和加速了保险公司的理赔反欺诈场景智能应用研发。如，平安人寿开发天鹰智能风控系统应用了疾病医疗、意外事故医疗和重大疾病的理赔反欺诈模型；中国人寿在重大疾病领域上线金盾反欺诈模型；泰康人寿和新华保险也分别在多类细分风险上应用反欺诈理赔模型。智能反欺诈风控应用让保险行业反欺诈整体水平得到提升。

智能反欺诈平台包括欺诈风险识别、欺诈风险衡量和欺诈风险控制，这三个部分组成欺诈风险数字控制体系。

欺诈风险识别主要利用大数据识别和防范欺诈风险。大数据来源包括保险公司自有核心系统数据和外部数据的拓展。核心系统数据主要是保险公司已承保、保全、理赔等数据信息，还有客户系统的客户行为画像和客户标签字段化和格式化整合为基础数据信息；外部数据信息主要是银保信行业数据、公安联网校验、医疗信息数据、征信数据等，在客户授权情况下开展多维度数据拓展。在建设智能核保和智能理赔中，增加相应欺诈风险识别进行大数据调用分析，智能识别承保和理赔风险，在反欺诈平台中也设置黑、灰名单库，在风险识别时适度调用和拦截。

欺诈风险衡量主要由关键风险指标检测、风险地图监控和欺诈统计分析等组成。关键风险指标检测主要由长期险出险率、短期险赔付率等指标组成；风险地图监控是根据智能反欺诈决策引擎中高风险因素形成可视化风险展示，用于产品设计、规则制定和理赔调查等形成差异化管理和风险控制；欺诈统计分析是欺诈风险管理工具，用于欺诈风险查询、数据和报表导出等用于分析风险，给欺诈风险决策和汇报提供数据支持。

欺诈风险控制是反欺诈核心模块，包括反欺诈因子、智能风险预测模型、智能反欺诈分析平台、智能反欺诈引擎等应用模块。

反欺诈因子是从研究变量内部相关的依赖关系出发，把复杂的关系变量为综合因子的统计分析方法，形成欺诈的关系数矩阵或协方差矩阵。如管理机构、销售渠道、销售人员、险种代码、投保年龄、保险金额、出险年龄、出险原因等因子，可以针对欺诈进行因子配置，从不同维度进行欺诈风险研究和分析欺诈的成因。

智能风险预测模型是根据欺诈风险搭建的欺诈风险评级和处置模型，包括健康风险模型、重大疾病模型、疾病医疗模型、意外医疗模型、智能规则模型等，将欺诈风险形成不同维度建模。

智能反欺诈分析平台分为特定场景筛查和SNA网络关系模型等智能神经网络技术应用。平台设置分析维度和挖掘场景，如分析维度设属性分析、行为分析、群体关联程度分析、同类行为关联分析、基于群体团伙欺诈分析等；每个分析维度再做颗粒化，如群体关联程度分析再细分为群体相似信息统计、群体信息关联统计、群体共同呈现频率等。挖掘场景中可以设置网络中同银行卡号在不同案件（不同出险人）中出现次数、网络中同一个手机号在不同案件（不同出险人）中出现次数、网络中不同案件就诊医院和就诊科室一致的数量、网络中不同案件发票号连号的数量、网络中包含黑名单客户数量等场景挖掘线索，再通过知识图谱和复杂网络计算技术，发现健康险多种理赔场景下的骗保欺诈行为及风险。

智能反欺诈决策引擎是实时欺诈风险控制应用，对高风险的治疗机构、高风险人群和销售人员等在智能反欺诈决策引擎中配置相应指标和欺诈风险等级，同时配置欺诈敏感的指标，如区域单产品出险率、销售团队或个人出险率、健康险赔付率等，对异常数据实时监控，对高欺诈风险形成管控，做到风险隔离。

（作者单位：中邮保险）

相关链接：

三类反欺诈案例分享