三类反欺诈案例分享

(资料图片仅供参考)

□吴旭东

团体型欺诈——

在智能反欺诈风险识别中，发现某地区意外医疗出险率和赔付频次较高。复查理赔出险案件，发现被保险人张某某等多人理赔时提供的住院资料异常，不同的被保险人在同一家医院住院，住院病历封面的病案编号相同或号码相近，进一步核对医疗发票的明细，金额均有相同情况。以张某某与保险代理人张某霞为线索，锁定群体信息关联场景，通过智能反欺诈神经网络技术进行挖掘，查出80多件医疗理赔案件存在欺诈关联。通过调查核实，50多件理赔案件的医疗材料和发票均为伪造，由张某霞销售团队6人相互交叉团伙作案，利用保险公司医疗理赔案件金额低、快速理赔特点，伪造医疗发票多次理赔骗取保险金50多万元。经智能反欺诈平台识别，通过调查核实编造虚假材料团体型欺诈案件，张某霞犯保险欺诈罪被法院判处有期徒刑两年六个月并处罚金11万元。

多家投保欺诈——

保险公司在对何某强理赔重大疾病保险案件时，理赔智能引入大数据识别到何某强已在3家保险公司短期内投保相同类型重大疾病保险，总保额达到120万元以上，本次理赔金额35万元。何某强投保后8个月被诊断为胃癌并腹腔转移，案件存在投保短期癌症出险，疾病治疗不符合常理等较多疑点。经过调查走访发现，何某强在医院做过护工，护理过一个患有胃癌的病人，后经同业联合报案，在警方要求下获取客户血液样本。经某法医鉴定中心DNA鉴定发现，该血液与病理切片非同一人。再对被保险人何某强进行检查发现其身体状况佳，无任何胃癌临床表现与体征。这是大数据识别欺诈信息，调查出利用他人病理切片提供虚假理赔材料，并多家投保的欺诈案件。

夸大损失程度欺诈——

在使用反欺诈分析平台，应用相同案件关联做神经网络技术分析时，发现某省存在不同案件相似出险类型关联案件。经过SNA网络关系模型再进行分析，发现存在均为单方面意外出险、均为津贴型保险，大部分住院为相同地区医院，且属同一个营业部销售的保险。经深入调查发现，被保险人治疗与理赔出险不符，如被保险人刘某理赔时提供材料显示意外碰伤出险，病历显示左下肢外伤，肌力Ⅲ级住院60余天，提供医疗材料描述长时间住院，而实际上被保险人仅在医院门诊治疗未住院。再通过同类行为关联分析，查出70多人通过医院医生制造虚假意外事故在医院住院，而且存在夫妻、父子共同住院的资料，但其实客户并未在医院住院，多个被保险人的治疗医生为同一人，每个理赔的被保险人都同时购买5-8家保险公司津贴型保险，案件涉及16家保险公司。经过智能反欺诈应用识别出的医疗津贴险欺诈案件，在多家投保后串通医疗机构，通过小病大养或挂床住院等方式故意夸大损失程度，并且这种类型欺诈案件有的已经形成地域性，增加公司赔付成本支出，侵害保险消费者利益，需要加强健康险反欺诈应用，识别和防范欺诈风险。