一、项目方案

项目体系结构：

工作：车险理赔欺诈一直是保险业难以克服的顽疾，是全行业需要高度关注的问题，但车险欺诈的类型越来越多样化，作案手法的专业性越来越强，传统的人工鉴定很难有效应对复杂多变的欺诈手段。

传统的理赔监察工作中，由于精力、时间和技术的限制，无法对车险理赔案件进行全面检查，只能对高风险案件进行抽样检查，大多基于单一风险因素进行排查，无法对多个风险因素的内在关系进行直观显示，较难发现复杂的团伙欺诈案件。针对该业务痛点建设关系网络分析平台，以车险团伙欺诈为切入点，基于大数据、知识图谱等可视化智能产品，结合人员关系、时间、空间等数据，揭示风险因素之间的关联关系, 突破单一风险因素排查，揭示多个风险因素之间的内在关联关系，更直观、有效的识别保险欺诈团伙。

技术：关系网络分析平台基于大数据、知识图谱等人工智能技术，对车险理赔案件进行全样本检查，自动分析案件中的风险关系，通过数据模型可视化展现风险因子间的关系网络，精准揭示人、车、电话等多个风险因子的内在关联关系，智能推送疑似欺诈的高风险案件进行重点核查，有效发现车险欺诈团伙。再将风险网络中验证的欺诈案件回流至数据池，基于此反哺和提升关系网络平台的反欺诈能力，形成反欺诈全流程管理的反馈迭代机制。

实施：项目实施共分为4个阶段，分别为需求阶段、开发阶段、测试阶段和正式上线，历时6个月完成系统正式上线运行。包括：案件智能推送、案件智能查询、关系网络侦测、风险地图展示等模块。主要功能有：（1）自动收集理赔数据，定期推送风险关系网络。（2）对风险关系网络进行智能分析。（3）对异常风险因子进行定制检索。（4）对高频出险地等地域信息采用风险地图标识。

二、创新

（1）自主知识产权。

该系统设计、开发全部由我司独立完成，拥有自主知识产权。在大数据时代下，审计模式的创新变革，运用知识图谱智能技术，分析多维立体关系网，是监察手段质的突破性提升。

（2）“AI图谱技术+理赔打假场景”。

小审阳1号将理赔数据与图数据库技术相结合，联合图挖掘、图计算等人工智能技术，通过优化“规则+算法”策略，精准揭示人、车、电话等多个风险因子的内在关联关系，助力稽核人员有效识别车险团伙欺诈。

系统自动收集历史车险理赔数据，结合实际业务特点及稽核日常工作模式，采用大数据技术对车险理赔数据进行知识的抽取，包括多组实体及其关系，完成车险赔案图谱的构建。通过AI图谱技术中的社区发现算法、中心性算法、路径寻找算法等将车险赔案涉及的人员、车辆、案件等节点划分为多组车险团伙，并进行车险欺诈团伙的检测，进而锁定疑似欺诈团伙及骨干因子。

针对业务对风险的侧重方面的不同，从以下维度对欺诈团伙进行检测：

①　基于风险配置规则，将多个风险因素的内在关系进行直观显示，发现复杂的团伙欺诈案件，综合考虑人员、车辆、案件等节点、关系及其附带的属性，如角色等，通过将多组风险因子进行组合，筛选满足触发多组高风险规则的车险团伙，完成欺诈团伙检测；

②　基于车险团伙网络结构集群拓扑特征维度，根据车险团伙生成相对应的网络集群拓扑关系，采用图谱技术中的中心性算法筛选核心节点，进而计算相应节点及其N度邻居所在网络的聚集紧密程度，结合网络中节点的聚集程度及风险分映射的关系，完成欺诈团伙检测。

③　两类欺诈团伙检测联合互相补充，一主要侧重人员与车辆、车辆与案件、人员与案件的节点属性及关系和相关阈值来定义欺诈，由于团伙作案涉及成本等因素，会出现多人多车进行角色互换在不同案件中多次出险的情况，可以通过出险次数的严重程度来衡量整个团伙的风险度，进而检测欺诈团伙；二对已划分社群抽取图谱集群结构拓扑特征、中心性特征，联合两类指标计算风险得分，此类方式不需业务人员预先设定具体风险规则及相应阈值，更加灵活，大大提升对未知类型团伙欺诈的检测，给保险公司带来另外的增量维度。

以上AI图谱技术，能够结合人员、车辆、案件的关联属性对团伙的欺诈行为进行研判，提高了车险反欺诈管理的灵活性、完整性、严密性和识别效率。

（3）车理赔数据100%全量稽查。

构建全国产险中支机构多年的案件图数据库，自动分析案件中的风险关系，进行理赔案件多维智能分析，全样本挖掘理赔虚假案件，防范内外部欺诈风险，挽回理赔损失。

（4）形成严打高压震慑效应。

依托小审阳1号智能关系网络及持续的理赔监察打假，保持高压监控态势，从而形成对内外部欺诈团伙的强大震慑作用，持续提升公司业务价值。

三、技术实现特点

加工层：自动收集历史车险理赔数据，通过大数据技术完成数据检验、实体与关系的抽取。

应用层：利用图数据库技术，加载格式化数据、构建赔案图谱，采用图计算技术，如社区发现、中心性、路径寻找等图算法，社区发现算法在复杂网络中发现连接紧密的节点簇（社区结构），将图中节点划分到不同社区，使得社区内部连接紧密，社区之间连接稀疏；中心性算法用来发现欺诈团伙中最重要、最具影响力的人物，为业务人员提供欺诈人员、车辆等核查线索，进而提高线下查处效率。

策略层：基于应用层的图算法技术、基于关系网络的集群拓扑特征等规则库设置，对已分社群抽取图谱结构、中心性指标，联合两类指标计算风险得分，综合考虑图谱紧密程度和核心影响节点，推断新的高风险专家规则，通过不断迭代，提炼规则，规则验证，规则应用，来不断地优化和调整欺诈团伙检测规则库。

服务层：基于AI图谱相关技术，根据触碰风险规则等优化排序，定期推送风险关系网络，并对风险关系网络进行智能分析，综合分析骨干人物、核心车辆及其关联关系等信息。同时实现对异常风险因子进行定制、灵活、差异化的检索，联合标的、三者修理厂等地址，对高频出险地域信息采用风险地图进行标识。

通过以上AI图谱技术能够有效地提升车险欺诈团伙锁定精准率，进而提升线上质检成功率，改善线下问题查处效率，精准识别打击车险欺诈团伙，防范内外部欺诈风险，为公司挽回赔款损失。

四、项目过程管理

五、运营情况

推广应用：

用户情况：通过线上、线下分享和讲解，推广小审阳1号系统的应用。系统上线后，集团监察稽核部全体人员每人每天都在使用小审阳1号开展各项稽核项目，截止2021年5月19日，部门当前在职员工账户167个，上线运行期间含入离司变动人员账户共391个。

数据情况：小审阳1号，每月推送产险全国城市型分公司及三级机构的车险赔案风险线索及案件清单，推送量8000条/月。“智能推送”中，包括3类风险模型，疑似风险网络、老旧车型风险网络和修理厂风险网络。“智能查询”，是在对已发现的异常案件中的风险条件进行相关案件的拓展串联，包括：人员姓名、身份证号、报案电话、车牌号、VIN码、修理厂、查勘定损员等条件。

系统运行：

系统接口运行情况

推送接口支撑周边系统包括服务层4个应用模块：智能推送、智能分析、智能查询和风险地图。与各系统接口运行情况正常。

随着数字化转型进程进一步加快，查勘、定损、理赔、稽核等业务节点开始使用系统对理赔案件进行管理和审查，系统带来的便捷、智能和高效逐步显现，使用情况更加规范和完善，并且持续不断迭代优化系统算法及计算规则，提升欺诈团伙锁定精准率。

六、项目成效

经济效益：

小审阳1号上线应用后，极大提升了监察人员打假效率，有效发现车险欺诈团伙，追回虚假赔款挽回理赔损失，为公司降赔增效发挥重要作用。如，2020年理赔监察项目中，打掉欺诈团伙（含修理厂）和欺诈个人10名，追回赔款58.26万元，尚有已签署协议尚未退回赔款10余万元；2021年理赔监察项目中，已成功追回赔款16.35万元。

以下是一个真实案例，通过查证人员、车辆、案件的关联关系，锁定欺诈团伙，团伙中涉及的虚假赔款占总赔款的85%，已全部追回，同时发现欺诈修理厂2个，欺诈人员2名。

社会效益：

据中国银保监会数据统计，我国每年因车险欺诈所赔付的保险金约占全部理赔金总额的20％-30％，涉案金额惊人。我司每年均开展常规及专项稽核进行理赔打假，通过小审阳1号，让“数据+科技”真正赋能保险稽核监察业务，助力监察人员精准识别打击车险欺诈团伙，为公司挽回赔款损失，肃清理赔队伍，震慑外部不法分子，切实做好风险管控的第三道防线，构建健康和谐的保险环境，为社会稳定和长治久安作出积极的贡献。

七、经验总结

1.项目建设

（1）明确系统需求。

开发前清晰明确系统需求，根据业务需求撰写详细需求说明书及开发设计文档，细致明确业务逻辑和具体实施细节，以便更好贴近业务需求，减少需求变动及重复返工情况。

（2）把控开发过程。

系统开发人员进驻现场，同稽核业务人员协同办公，有问题及时沟通处理，提高了系统开发效率，为业务端和开发端搭建顺畅的沟通渠道。

（3）数据安全管控及打通。

小审阳1号对接产险理赔业务数据库，需妥善处理数据在使用和传输过程中的安全管控机制。

2.推广经验

强化专岗专家技能，提升图谱解读及深入核查能力。

为更好的提升理赔打假效果，理赔监察处应招录一批具有丰富的一线车险赔案查勘经验，并能够读懂人、车、物关系图谱的专业稽核人员，建立一套适用的“AI+场景”新监察模式。对小审阳1号每月推送的数据，每家中心支公司由1人负责完成。该名稽核人员对小审阳1号推送的图谱进行阅读、分析，掌握他们直接的关系，对推送的赔案，登陆车险理赔系统检查上传到系统中的事故照片，从事故照片中碰撞高度、角度、力度、刹车痕迹、现场散落物等维度出发，研判本次事故与车辆的损失是否存在必然的逻辑关系。检查发现虚假赔案后，依据虚假赔案涉及的人（驾驶员、被保险人、伤者、报案人）、车及修理厂等维度，提取涉案的近三年全部已决赔案进行检查，从而挖出更多的虚假赔案。