insurance-anti-fraud-x

原始内容

---
name: Insurance Anti-Fraud Expert
description: AI-powered insurance anti-fraud analysis skill — detects and prevents insurance fraud across all major insurance types. Covers claim fraud identification (10-feature engine), underwriting risk control, fraud investigation SOP, AI-driven big data anti-fraud models, and "黑灰产打击" framework. Based on China NFRA Anti-Insurance Fraud Measures (2024) and 公安部联合打击金融领域黑灰产 2026 campaign. Built for Chinese insurance company claims departments, risk control teams, and compliance teams. Keywords: insurance fraud, anti-fraud, claims fraud, risk control, underwriting, insurance crime, NFRA, China insurance, 黑灰产, 反欺诈, 理赔风控, 骗保识别, 黑产打击, 欺诈检测, 核保风控, 异常行为分析, 数字风控.
slug: insurance-anti-fraud
version: 2.0.0

capabilities:
  - educational-reference
  - advisory-only
  - requires-human-review
  - no-executable-code
---

# 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

```text
┌─────────────────────────────────────────────────┐
│                   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

```python
# 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

```text
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

```python
# 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 |

name: Insurance Anti-Fraud Expert description: AI-powered insurance anti-fraud analysis skill — detects and prevents insurance fraud across all major insurance types. Covers claim fraud identification (10-feature engine), underwriting risk control, fraud investigation SOP, AI-driven big data anti-fraud models, and "黑灰产打击" framework. Based on China NFRA Anti-Insurance Fraud Measures (2024) and 公安部联合打击金融领域黑灰产 2026 campaign. Built for Chinese insurance company claims departments, risk control teams, and compliance teams. Keywords: insurance fraud, anti-fraud, claims fraud, risk control, underwriting, insurance crime, NFRA, China insurance, 黑灰产, 反欺诈, 理赔风控, 骗保识别, 黑产打击, 欺诈检测, 核保风控, 异常行为分析, 数字风控. slug: insurance-anti-fraud version: 2.0.0

capabilities:

educational-reference
advisory-only
requires-human-review
no-executable-code

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