Insurance Anti Fraud

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 included in this skill
• 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

---

Core Capabilities / 核心能力

0. 最新监管动态（截至2026年6月）

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

2. Claims Fraud Identification Engine / 理赔欺诈识别引擎

健康险理赔欺诈十大特征

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

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

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

---

Reference Files / 参考文件