摘自《数字金融反欺诈白皮书》

中国保险行业协会数据显示，截至2017年上半年，互联网保险保费收入较2012年实现了20 余倍的增长，特别是运费险、账户险等轻型险种呈现快速发展的趋势，并使许多碎片化、个性化、 场景化的保险需求得到满足。以运费险为例，某电商平台推出运费险后退货纠纷率由2.15%下降到 2.12%，客服介入概率降低了50%。与此同时，由于互联网保险险种的多样化，以及线上平台投保的 便利性，滋生出了很多新型骗保的欺诈行为。同样以运费险为例，某公司上市运费险之初的赔付率 竟高达90%，骗保的比重可想而知。因此，如何利用反欺诈技术构建科学有效的风险识别监控体系， 已成为互联网保险行业亟需解决的问题。

无论是传统保险还是互联网保险，保险欺诈的主要类型主要有先出险再投保、隐瞒危险、虚构 保险标的、重复投保，这些欺诈行为的根本目的是为了骗取保险金，只是在欺诈手段上略有差异。 以运费险为例，其欺诈包括四个步骤：首先在网络购物平台注册店铺并购买快递单号；然后进行虚 假发货，同时购买运费险；第三步，购买快递单号进行虚假退货；最后，在虚构收到退货的事实后 骗取运费险（见图8）。

图8　网购运费险-欺诈过程

运费险欺诈案例：利用虚假交易骗取运费险

2017年9月，某保险公司营业部向警方报案称，有人利用在某网络商城的店铺进行虚假交易， 骗取保险公司退赔的运费险。保险公司发现，去年7月这三家店铺的交易量突然暴增，2000多个买 家集中下单，生成7.5万多笔订单，且这些订单最终都是退货并退赔运费。退赔运费每单20元，4 个月的时间，保险公司为这三家店铺退赔了200多万元。

反欺诈手段

运费险反欺诈主要运用了大数据分析技术和机器学习技术，反欺诈的重点集中在事前定价和事 后出险两个阶段（见图9）。

图9　网购运费险-反欺诈过程

利用大数据和机器学习技术实现运费险产品的差别定价。从客户、商家及产品的多个维度分析， 建立机器学习模型，通过模型预测出险的概率，结合产品定价方法对运费险保费实现精准计算，进 而实现针对不同投保人的差异化定价。运费险差异化定价主要有三个特点：首先，进行风险定价的数 据更加精细。保费和保额将利用买家、卖家在电商平台上的每一笔交易进行精准定价。其次，运费 险中进行风险定价的数据更加全面。运费险定价中不仅依照投保人在其公司的内部数据，还可利用 电商平台、快递公司提供的用户所有数据，甚至可获得同业公司的相关数据。这些数据极大丰富了 风险刻画的维度，使得定价更加全面准确。最后，运费险中进行风险定价的数据是实时的。利用信 息技术实时跟踪个体买家或卖家的情况，风险数据可以实时更新，定价也随着风险因子的改变而改变。

利用大数据和机器学习技术识别理赔欺诈。运用大数据及机器学习算法，预测案件在不同环节 发生欺诈的概率，根据预测结果将案件分划分为不同等级，制定差异化处理方案。

反欺诈效果和可移植性

利用大数据、机器学习等人工智能技术，极大提高了互联网保险的数据获取途径、获取量以及 对数据的掌握程度，给保险定价和理赔提供了详细信息。2017年某电商平台利用反欺诈技术避免的 运费险损失就高达2000万元。此外，这些技术也能移植到账户险、车险、医疗险等领域的欺诈行为 识别中。

从大数据分析的应用趋势来看，不仅在数字金融，在医疗、教育、交通、体育、政府管理等各 个行业都能得到广泛应用。大数据分析技术应用的部分共性问题需要引起注意：一是规范数据标准， 提高数据可用程度。大数据分析涉及的数据庞杂、混乱，数据的整合难度较大，在数据整合中容易 出现结果偏差；二是大数据分析需要海量的数据基础，需要行业内甚至跨行业的数据共享；三是加 强敏感信息保护，防范信息泄露风险。

机器学习技术通过计算机手段实现模拟或学习人类的行为，是人工智能的核心技术，可广泛应 用于保险、反洗钱等金融领域及物流、医疗等非金融领域。以在反洗钱中的应用为例，反洗钱监控 不仅要监测账户的交易行为，还要在相对较长的时间段对个交易行为进行模式分析，应用人工智能 技术能不断学习不法分子的洗钱套路并有效识别、精准打击。

【京东数字科技研究院】

京东数字科技研究院是京东数字科技集团下设一级研究机构，基于京东数字科技集团强大的数据和科技优势，致力于进行金融及科技产业的前沿实践和洞察、总结行业经验，探索行业新知。

京东数字科技研究院始终保持开放心态，通过开放的大数据和科研平台，连接政府、企业、高校、智库等外部科研力量，搭建产业与研究紧密结合的开放研究生态，与高校共建博士后站点，向全社会输出有价值的研究成果。

商务合作请联系: [email protected]

相关文章