{"id":"70595a22-beec-41aa-9c96-ae7a81b99ba5","entityType":"agent","slug":"clawhub-gechengling-insurance-anti-fraud","name":"Insurance Anti Fraud","canonicalUrl":"https://www.xpersona.co/agent/clawhub-gechengling-insurance-anti-fraud","canonicalPath":"/agent/clawhub-gechengling-insurance-anti-fraud","generatedAt":"2026-10-10T11:00:24.749Z","source":"CLAWHUB","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"editorial-content","verified":true,"confidence":"high","updatedAt":"2026-10-10T05:33:45.965Z","emptyReason":null},"description":"基于国家监管办法，提供保险理赔和核保欺诈识别、风险评分、调查流程及防范建议，助力风控合规。 Skill: Insurance Anti Fraud Owner: gechengling Summary: 基于国家监管办法，提供保险理赔和核保欺诈识别、风险评分、调查流程及防范建议，助力风控合规。 Tags: CBIRC:1.1.0, anti-fraud:5.0.4, banking:5.0.0, cbirc:1.0.1, china-insurance:1.1.0, claims-fraud:1.1.0, compliance:5.0.4, dianjin:5.0.0, finance:5.0.0, fraud-detection:1.1.0, insurance:5.0.4, insurance-anti-fraud:5.0.5, insurance-crime:1.1.0, insurance-fraud:1.1.0, latest:5.0.5, risk-control:5.0.4, underwriting:1","descriptionLabel":"Technical summary","evidenceSummary":"Capability contract not published. No trust telemetry is available yet. 1.7K downloads reported by the source. Last updated 10/10/2026.","installCommand":"clawhub skill install s17ewqc4f2s6gpcbm88hy7fgvn85kg1g:insurance-anti-fraud","sourceUrl":"https://clawhub.ai/gechengling/insurance-anti-fraud","homepage":"https://clawhub.ai/gechengling/skills/insurance-anti-fraud","primaryLinks":[{"label":"View on ClawHub","url":"https://clawhub.ai/gechengling/insurance-anti-fraud","kind":"source"},{"label":"Homepage","url":"https://clawhub.ai/gechengling/skills/insurance-anti-fraud","kind":"homepage"}],"safetyScore":84,"overallRank":62,"popularityScore":64,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"基于国家监管办法，提供保险理赔和核保欺诈识别、风险评分、调查流程及防范建议，助力风控合规。 Skill: Insurance Anti Fraud Owner: gechengling Summary: 基于国家监管办法，提供保险理赔和核保欺诈识别、风险评分、调查流程及防范建议，助力风控合规。 Tags: CBIRC:"},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-10T05:33:45.965Z","emptyReason":null},"protocols":[{"protocol":"OPENCLEW","label":"OpenClaw","status":"self-declared","notes":"Declared in the public agent profile."}],"capabilities":[],"verifiedCount":0,"selfDeclaredCount":1,"capabilityMatrix":{"rows":[{"key":"OPENCLEW","type":"protocol","support":"unknown","confidenceSource":"profile","notes":"Listed on profile"}],"flattenedTokens":"protocol:OPENCLEW|unknown|profile"}},"adoption":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-10T05:33:45.965Z","emptyReason":null},"stars":null,"forks":null,"downloads":1651,"packageName":null,"latestVersion":"5.0.5","tractionLabel":"1.7K downloads"},"release":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-10T05:33:45.965Z","emptyReason":null},"lastUpdatedAt":"2026-10-10T05:33:45.965Z","lastCrawledAt":"2026-10-10T05:33:45.965Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-11T05:33:45.965Z","lastVerifiedAt":null,"highlights":[{"version":"5.0.5","createdAt":"2026-09-24T05:25:01.668Z","changelog":"新增数据最小化声明、评分算例、误伤控制表；多张表格新增维度列；动态更新至2026-09-24","fileCount":3,"zipByteSize":15366},{"version":"5.0.4","createdAt":"2026-09-07T02:29:54.107Z","changelog":"v5.0.4: 监管动态至2026-09-07并新增险企落地动作列；新增风险分级处置时限表(6维度)+2个处置示例；新增案例5(内部欺诈)/案例6(虚假伤残鉴定)与复盘要点","fileCount":3,"zipByteSize":12543},{"version":"5.0.3","createdAt":"2026-08-31T14:40:32.466Z","changelog":"v5.0.3: 欺诈类型/十大特征/核保分级/黑灰产/技术栈/能力建设六张表新增维度；新增4个典型案例；监管动态更新至2026-08-31","fileCount":3,"zipByteSize":10750},{"version":"2.1.1","createdAt":"2026-06-28T13:11:00.552Z","changelog":"Insurance Anti-Fraud Expert 2.1.1 - Added a concise regulatory update section reflecting the latest insurance and anti-fraud policy developments through June 2026. - Updated the \"最新监管动态\" table to include recent measures, such as the AI high-risk application guidance and unified financial licensing. - Improved detail on recent regulatory requirements and enforcement relevant to anti-fraud compliance and risk management. - Removed file: skill-card.md for streamlined documentation.","fileCount":6,"zipByteSize":14280},{"version":"2.1.0","createdAt":"2026-06-15T06:17:20.669Z","changelog":"- Updated regulatory overview to include major anti-fraud policy and supervision changes up to June 2026. - Added new enforcement measures and compliance requirements relating to insurance licensing and personal accountability. - Enhanced regulatory event timeline to reflect recent NFRA 2nd order and SARM model updates. - Removed redundant documentation (skill-card.md) and addressed references list. - No changes to core anti-fraud workflows or detection models.","fileCount":6,"zipByteSize":13914},{"version":"5.0.2","createdAt":"2026-06-01T22:35:18.232Z","changelog":"Security compliance: fixed garbled text, added capability declarations and advisory-only disclaimers; enriched content with detailed steps, rules, and report templates","fileCount":6,"zipByteSize":13832},{"version":"5.0.1","createdAt":"2026-06-01T15:11:39.090Z","changelog":"Security compliance update: added capability declarations and advisory-only disclaimers to meet ClawHub security scan requirements","fileCount":6,"zipByteSize":15637},{"version":"5.0.0","createdAt":"2026-05-31T02:11:19.758Z","changelog":"融合阿里点金（Dianjin）金融数字员工精髓，版本升级至5.0.0","fileCount":6,"zipByteSize":15298}]},"execution":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":"clawhub skill install s17ewqc4f2s6gpcbm88hy7fgvn85kg1g:insurance-anti-fraud","setupComplexity":"low","setupSteps":["Setup complexity is classified as HIGH. You must provision dedicated cloud infrastructure or an isolated VM. Do not run this directly on your local workstation.","Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data."],"contract":{"contractStatus":"missing","authModes":[],"requires":[],"forbidden":[],"supportsMcp":false,"supportsA2a":false,"supportsStreaming":false,"inputSchemaRef":null,"outputSchemaRef":null,"dataRegion":null,"contractUpdatedAt":null,"sourceUpdatedAt":null,"freshnessSeconds":null},"invocationGuide":{"preferredApi":{"snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-insurance-anti-fraud/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-insurance-anti-fraud/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-insurance-anti-fraud/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-insurance-anti-fraud/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-insurance-anti-fraud/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-insurance-anti-fraud/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"CLAWHUB","generatedAt":"2026-10-10T11:00:24.744Z"}},"retryPolicy":{"maxAttempts":3,"backoffMs":[500,1500,3500],"retryableConditions":["HTTP_429","HTTP_503","NETWORK_TIMEOUT"]}},"endpoints":{"dossierUrl":"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-insurance-anti-fraud/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-insurance-anti-fraud/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-insurance-anti-fraud/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-insurance-anti-fraud/trust"}},"reliability":{"evidence":{"source":"runtime-metrics","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No trust, reliability, or runtime telemetry is available."},"trust":{"status":"unavailable","handshakeStatus":"UNKNOWN","verificationFreshnessHours":null,"reputationScore":null,"p95LatencyMs":null,"successRate30d":null,"fallbackRate":null,"attempts30d":null,"trustUpdatedAt":null,"trustConfidence":"unknown","sourceUpdatedAt":null,"freshnessSeconds":null},"decisionGuardrails":{"doNotUseIf":["Contract metadata is missing or unavailable for deterministic execution."],"safeUseWhen":[],"riskFlags":["missing_or_unavailable_contract","trust_data_unavailable","schema_references_missing"],"operationalConfidence":"low"},"executionMetrics":{"observedLatencyMsP50":null,"observedLatencyMsP95":null,"estimatedCostUsd":null,"uptime30d":null,"rateLimitRpm":null,"rateLimitBurst":null,"lastVerifiedAt":null,"verificationSource":null},"runtimeMetrics":{"successRate":null,"avgLatencyMs":null,"avgCostUsd":null,"hallucinationRate":null,"retryRate":null,"disputeRate":null,"p50Latency":null,"p95Latency":null,"lastUpdated":null}},"benchmarks":{"evidence":{"source":"no-benchmark-data","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No benchmark suites or observed failure patterns are available."},"suites":[],"failurePatterns":[]},"artifacts":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"high","updatedAt":"2026-10-10T05:33:45.965Z","emptyReason":null},"readme":"Skill: Insurance Anti Fraud\n\nOwner: gechengling\n\nSummary: 基于国家监管办法，提供保险理赔和核保欺诈识别、风险评分、调查流程及防范建议，助力风控合规。\n\nTags: CBIRC:1.1.0, anti-fraud:5.0.4, banking:5.0.0, cbirc:1.0.1, china-insurance:1.1.0, claims-fraud:1.1.0, compliance:5.0.4, dianjin:5.0.0, finance:5.0.0, fraud-detection:1.1.0, insurance:5.0.4, insurance-anti-fraud:5.0.5, insurance-crime:1.1.0, insurance-fraud:1.1.0, latest:5.0.5, risk-control:5.0.4, underwriting:1.1.0, underwriting-risk:1.0.1\n\nVersion history:\n\nv5.0.5 | 2026-09-24T05:25:01.668Z | user\n\n新增数据最小化声明、评分算例、误伤控制表；多张表格新增维度列；动态更新至2026-09-24\n\nv5.0.4 | 2026-09-07T02:29:54.107Z | user\n\nv5.0.4: 监管动态至2026-09-07并新增险企落地动作列；新增风险分级处置时限表(6维度)+2个处置示例；新增案例5(内部欺诈)/案例6(虚假伤残鉴定)与复盘要点\n\nv5.0.3 | 2026-08-31T14:40:32.466Z | user\n\nv5.0.3: 欺诈类型/十大特征/核保分级/黑灰产/技术栈/能力建设六张表新增维度；新增4个典型案例；监管动态更新至2026-08-31\n\nv2.1.1 | 2026-06-28T13:11:00.552Z | auto\n\nInsurance Anti-Fraud Expert 2.1.1\n\n- Added a concise regulatory update section reflecting the latest insurance and anti-fraud policy developments through June 2026.\n- Updated the \"最新监管动态\" table to include recent measures, such as the AI high-risk application guidance and unified financial licensing.\n- Improved detail on recent regulatory requirements and enforcement relevant to anti-fraud compliance and risk management.\n- Removed file: skill-card.md for streamlined documentation.\n\nv2.1.0 | 2026-06-15T06:17:20.669Z | auto\n\n- Updated regulatory overview to include major anti-fraud policy and supervision changes up to June 2026.\n- Added new enforcement measures and compliance requirements relating to insurance licensing and personal accountability.\n- Enhanced regulatory event timeline to reflect recent NFRA 2nd order and SARM model updates.\n- Removed redundant documentation (skill-card.md) and addressed references list.\n- No changes to core anti-fraud workflows or detection models.\n\nv5.0.2 | 2026-06-01T22:35:18.232Z | user\n\nSecurity compliance: fixed garbled text, added capability declarations and advisory-only disclaimers; enriched content with detailed steps, rules, and report templates\n\nv5.0.1 | 2026-06-01T15:11:39.090Z | user\n\nSecurity compliance update: added capability declarations and advisory-only disclaimers to meet ClawHub security scan requirements\n\nv5.0.0 | 2026-05-31T02:11:19.758Z | user\n\n融合阿里点金（Dianjin）金融数字员工精髓，版本升级至5.0.0\n\nv4.0.1 | 2026-05-25T03:29:56.098Z | auto\n\n- Updated for version 4.0.1 with new, up-to-date regulatory dynamics as of May 2026 (Q1), including enhanced anti-money laundering and compliance requirements.\n- Expanded keywords and metadata, adding coverage for abnormal behavior analytics, digital risk control, fraud detection, and black-market crackdown.\n- Added a real-time “Insurance Regulatory Dynamics” section to the documentation, summarizing recent Chinese regulatory trends and their impact on anti-fraud and claims processes.\n- Minor text updates and metadata enhancements for improved clarity and alignment with current industry practices.\n- No changes to detection logic, scoring models, or technical implementation in core anti-fraud workflows.\n\nv2.0.0 | 2026-05-11T06:08:33.475Z | auto\n\n**Major update: Expanded scope and regulation coverage, adds AI & black industry (黑灰产) focus**\n\n- Added sections on the 2026 黑灰产 (black/grey insurance crime) campaign and crackdown measures.\n- Incorporated recent policy milestones (2024–2026) and enhanced regulatory references, now reflecting NFRA and Ministry of Public Security collaboration.\n- Expanded capabilities to include AI-driven anti-fraud technologies such as GNN, device fingerprinting, and advanced anomaly detection.\n- Enhanced blacklisting/association checks and technological frameworks for batch fraud and professional fraud syndicates.\n- Updated description to emphasize new regulatory, technological, and cross-agency enforcement integrations.\n\nv1.1.0 | 2026-05-04T15:23:10.541Z | user\n\nv1.1.0 Bilingual optimization: English metadata + English summaries; Bilingual README.md; SEO title for anti-fraud analysis and CBIRC compliance.\n\nv1.0.1 | 2026-05-02T14:44:06.047Z | user\n\nv1.0.1: 完善欺诈评分卡，增加大数据反欺诈技术路线说明\n\nv1.0.0 | 2026-05-02T14:43:35.339Z | user\n\nClawHub首个中国保险反欺诈垂直Skill，覆盖2024年银保监会《反保险欺诈工作办法》、理赔欺诈识别引擎、核保风控体系、欺诈评分模型。行业欺诈渗漏率15-20%，先进水平5%以下\n\nArchive index:\n\nArchive v5.0.5: 3 files, 15366 bytes\n\nFiles: skill-card.md (2876b), SKILL.md (31840b), _meta.json (139b)\n\nFile v5.0.5:SKILL.md\n\n---\nname: Insurance Anti-Fraud Expert\ndescription: 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.\nslug: insurance-anti-fraud\nversion: 5.0.5\n\ncapabilities:\n  - educational-reference\n  - advisory-only\n  - requires-human-review\n  - illustrative-code-samples\n---\n\n# Insurance Anti-Fraud Expert / 保险反欺诈分析专家\n\n> **⚠️ SECURITY NOTICE / 安全声明**\n> - **Type:** Educational reference / analytical framework ONLY\n> - **No executable code, scripts, or binaries are bundled or run by this skill** — the Python fragments below are illustrative scoring logic for the user's own environment\n> - **No persistent storage, network calls, background execution, or credential collection**\n> - **All outputs are for reference only and require human review before real-world application**\n> - **This skill does NOT provide financial, legal, or insurance advice**\n> - **Users must exercise their own judgment and consult qualified professionals**\n\n\n\n> **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.\n>\n> **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。\n\n---\n\n## Trigger Keywords / 触发关键词\n\n**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\n\n**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\n\n---\n\n## 数据最小化与合规前置声明 / Data Minimisation（2026-09-24 新增）\n\n使用本技能任何模块前，先执行下列四条：\n1. **只处理必要字段**：核查所需的最小信息集（如出险时间、就诊机构、金额、险种），不采集与目标无关的病史细节、家庭成员信息、位置轨迹。\n2. **脱敏后输入**：姓名用“张**”，证件号仅保留前后各 2 位，联系电话与银行账号以哈希或编号替代。\n3. **授权与最小必要**：调取医保、公安、法院、银保信等外部数据须有明确授权与业务必要性说明，禁止“先取后想”。\n4. **预览后落盘**：任何风险评分、调查报告、移送建议，先在对话中完整展示给用户预览，经明确确认后再写入文件或对外报送。\n\n> 本技能不内置可运行的查询接口与外部数据连接；文中的查询函数名为**示意性命名**，\n> 需由使用方在自己的合规环境中实现。\n\n---\n\n## Core Capabilities / 核心能力\n\n### 0. 最新监管动态（截至 2026-09-24）\n\n| 时间 | 事项 | 反欺诈影响 | 险企落地动作 | 落地优先级 | 可信度标注 |\n|------|------|---------|------------|\n| **2026年9月** | 保险欺诈线索台账**首个季度报送窗口**开启，要求线索来源、处置状态、移送时间全程留痕 | 线索管理进入\"可核查\"阶段，台账缺失将直接影响合规评价 | 统一台账字段（线索编号 / 来源 / 风险等级 / 处置结论 / 移送时间），按期对账并留存 | 最高（有时限） | 以官方最新发布为准 |\n| **2026年9月** | 销售误导排查延伸至**\"代理维权\"话术**，要求对投诉材料来源与委托人资质进行核验 | 投诉类风险与理赔类风险并列管理，不再只盯理赔端 | 上线投诉文本相似度监测，建立委托人资质核查清单 | 高 | 以官方最新发布为准 |\n| **2026年9月** | 反欺诈模型可解释性与人工复核留痕要求持续强化，自动化拒赔须能逐项说明依据 | 纯黑箱模型不得单独支撑拒赔结论 | 评分模型输出特征贡献度，拒赔通知逐项对应证据与条款 | 高 | 以官方最新发布为准 |\n| **2026年9月** | 跨机构理赔信息共享与重复索赔校验能力继续扩展，受理环节前置校验成为评价重点 | 渗漏控制前移，事后追回的重要性相对下降 | 在报案受理环节接入跨机构校验接口，命中即弹窗提示 | 中 | 以官方最新发布为准 |\n| **2026年8月** | 金融监管总局强化**保险欺诈线索移送与案件协查**机制，要求险企建立欺诈线索台账并按季报送 | 线索管理从\"个案处置\"转向\"台账化、可追溯\"，报送质量纳入合规评价 | 指定牵头部门，明确线索分级与移送审批路径 |\n| **2026年7月** | 金融监管总局部署**保险理赔\"黑灰产\"专项整治**，重点打击代理退保、代理维权、虚假伤残鉴定 | 理赔中介代办类风险显著上升，需纳入名单监控 | 建立代理人/鉴定机构关注名单，异常集中即预警 |\n| **2026年6月** | 银保信反欺诈平台与医保、商保数据对接范围扩大，**跨机构重复索赔**实时校验能力增强 | 重复索赔识别前移到受理环节 |\n| **2026年5月** | 《保险法》修订相关征求意见工作推进，欺诈法律责任的界定进一步细化 | 拒赔与协议赔付的法律依据更清晰 |\n| **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 |\n| **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 |\n| **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 |\n| **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 |\n\n**动态要点解读**\n- **趋势一：从事后调查转向事前拦截。** 监管要求的重心正从\"查出多少欺诈\"转向\"拦截多少风险\"，受理环节的实时校验成为能力建设重点。\n- **趋势二：团伙化、中介化特征明显。** 2026 年打击重点中的\"代理退保\"\"代理维权\"已形成产业链，单点规则难以识别，需要关系图谱。\n- **趋势三：数据合规约束同步收紧。** 反欺诈调取医保、公安、法院数据须有明确授权与最小必要原则，违规取数本身即为合规风险。\n\n### 1. Regulatory Framework: Anti-Insurance Fraud Measures / 监管框架：《反保险欺诈工作办法》全解\n\n**法规来源**：国家金融监督管理总局，2024年7月22日发布实施\n\n#### 四位一体反欺诈工作体系\n\n```text\n┌─────────────────────────────────────────────────┐\n│                   四位一体体系                        │\n├─────────────────────────────────────────────────┤\n│  ① 行业反欺诈：银保信/精算师协会/保险行业协会协同    │\n│  ② 公司主体责任：各保险公司反欺诈组织架构           │\n│  ③ 公安司法机关：涉嫌犯罪的移送公安                │\n│  ④ 监管部门：日常监管+专项检查+处罚                │\n└─────────────────────────────────────────────────┘\n```\n\n#### 欺诈类型分类\n\n| 类型 | 定义 | 典型场景 | 涉案险种 | 高发环节 | 识别难度 | 主要核查手段 | 关联特征编号 |\n|------|------|---------|---------|---------|---------|-------------|\n| **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 | 投保核保环节 | 中 | 健康告知交叉验证、医保就诊记录回溯 | 特征 1、2、6、9 |\n| **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 | 报案受理环节 | 中 | 单证真伪鉴定、事故现场还原 | 特征 3、4、10、12 |\n| **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 | 全链条 | **高** | 关系图谱、设备指纹、资金流向分析 | 特征 5、11、12 |\n| **内部欺诈** | 内部人员参与 | 内外勾结、虚假理赔 | 各险种 | 理赔审核环节 | **高** | 岗位权限审计、异常操作留痕分析 | 特征 7 叠加岗位关联 |\n| **洗钱型欺诈** | 借保险洗白资金 | 趸交高额寿险退保 | 寿险 | 投保与退保环节 | 中 | 反洗钱大额交易报告、资金来源核查 | 特征 6 叠加资金流水 |\n\n**分类补充提示**\n- 单案可能**同时归属多类**（如团伙欺诈常叠加内部欺诈），评分模型应累加而非择一。\n- 内部欺诈与团伙欺诈识别难度最高，主要因其具备\"单证形式合规\"特征，必须依赖关联数据而非单证表面审核。\n\n### 2. Claims Fraud Identification Engine / 理赔欺诈识别引擎\n\n#### 健康险理赔欺诈十大特征\n\n| 特征序号 | 欺诈特征 | 识别信号 | 核查手段 | 风险权重参考 |\n|---------|---------|---------|---------|-------------|\n| 1 | **短时间内集中投保** | 等待期刚过即集中大量理赔 | 投保日期与出险日期比对、等待期穿透计算 | 30% |\n| 2 | **带病投保隐瞒病史** | 健康告知全为\"否\"，理赔时发现既往症 | 医保就诊记录回溯、医院病案调阅 | 25% |\n| 3 | **虚假医院就诊** | 病历签名笔迹不一致、无实际治疗记录 | 医院实地核实、票据防伪校验、医保结算对账 | 20% |\n| 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 | 同病种费用基准比对、临床路径合规性审查 | 15% |\n| 5 | **团伙作案特征** | 同一天、同一家医院、同一病种的群体报案 | 关系图谱聚类、设备指纹/IP 关联 | 20% |\n| 6 | **非正常高保额** | 收入与投保金额严重不符（意外险高保额） | 收入证明核验、保额收入比测算 | 25% |\n| 7 | **频繁小额理赔** | 利用免赔额规则反复小额索赔 | 理赔频次时序分析、免赔额临界点检测 | 10% |\n| 8 | **跨公司重复索赔** | 利用信息不对称在多家公司重复索赔 | 银保信跨机构理赔记录查询 | 15% |\n| 9 | **职业骗保** | 特定高风险职业频繁出险（矿工/高危行业） | 职业真实性核查、单位社保记录比对 | 15% |\n| 10 | **重大事故造假** | 死亡/伤残事故真实性存疑 | 公安/交警事故认定书核验、伤残等级复鉴 | 30% |\n\n**特征补充（2026年新增关注）**\n| 11 | **代理退保/代理维权介入** | 委托人身份异常、话术高度模板化、投诉材料雷同 | 委托人资质核查、投诉文本相似度比对 | 15% |\n| 12 | **虚假伤残鉴定** | 鉴定机构集中、鉴定结论与影像资料不符 | 鉴定机构白名单、影像资料复核 | 25% |\n\n> 特征 11、12 对应 2026 年 7 月\"黑灰产\"专项整治重点，建议纳入评分模型。\n\n#### 欺诈风险量化评分模型\n\n```python\n# Fraud Risk Scoring Model (simplified / 简化示例）\ndef fraud_score(case):\n    score = 0\n    \n    # 等待期观察（权重30%）\n    if case.waiting_period_days < 30:\n        score += 30\n    elif case.waiting_period_days < 90:\n        score += 15\n    \n    # 投保保额异常（权重25%）\n    if case.coverage_to_income_ratio > 10:\n        score += 25\n    elif case.coverage_to_income_ratio > 5:\n        score += 15\n    \n    # 就诊医院异常（权重20%）\n    if case.hospital_fraud_history:\n        score += 20\n    elif case.is_chain_hospital == False and case.amount > 50000:\n        score += 10\n    \n    # 既往理赔记录（权重15%）\n    if case.past_fraud_record:\n        score += 15\n    elif case.past_claim_count > 5:\n        score += 8\n    \n    # 同案关联（权重10%）\n    if case.linked_to_suspected_cases:\n        score += 10\n    \n    # 返回风险等级\n    if score >= 60: return \"HIGH_RISK - 立即调查\"\n    elif score >= 30: return \"MEDIUM_RISK - 重点审核\"\n    else: return \"LOW_RISK - 正常流程\"\n```\n\n#### 评分模型算例（2026-09-24 新增，示意）\n\n| 评分项 | 案件事实 | 命中档位 | 得分 |\n|--------|---------|---------|------|\n| 等待期观察 | 投保后第 62 天出险 | 30 ≤ 天数 < 90 | 15 |\n| 保额收入比 | 年缴保费占年收入 22%，保额为年收入 7 倍 | 比值 > 5 | 15 |\n| 就诊医院异常 | 非连锁医院，本次申请金额 6.8 万元 | 非连锁且金额 > 5 万 | 10 |\n| 既往理赔记录 | 近 2 年理赔 7 次 | 次数 > 5 | 8 |\n| 同案关联 | 暂未发现关联案件 | 未命中 | 0 |\n| **合计** | | | **48 → MEDIUM_RISK，7 日内完成理赔调查** |\n\n> 提示：48 分只说明“需要调查”，不等于“存在欺诈”；调查结论必须回到事实与条款，\n> **不得以模型评分单独作为拒赔依据**。\n\n#### 特征命中的误伤控制（2026-09-24 新增）\n\n规则越严，误伤越多。下表列出高权重特征的典型误伤场景与补偿动作，避免把正常客户当成欺诈。\n\n| 特征 | 典型误伤情形 | 为什么会误伤 | 补偿动作 |\n|------|-------------|-------------|---------|\n| 特征 1 等待期集中出险 | 客户投保后突发急性病（如急性阑尾炎） | 急性病与带病投保难以从时间上区分 | 调取急诊记录与入院主诉，急症按例外处理 |\n| 特征 2 带病投保 | 客户不知情的体检异常未告知 | 非主观隐瞒，属认知差异 | 核查是否有可获取的就诊记录与告知询问是否具体 |\n| 特征 4 过度医疗 | 疑难病例、转诊三甲导致费用偏高 | 费用基准未分层 | 费用基准按医院等级、并发症、年龄分层后再比 |\n| 特征 6 非正常高保额 | 家庭主总资产高但现金流收入低 | 只看收入比忽略资产 | 补充资产证明与家庭整体保障缺口测算 |\n| 特征 7 频繁小额理赔 | 慢性病患者规律性门诊 | 慢病天然高频 | 区分慢病管理型与套利型，前者转健康管理服务 |\n| 特征 9 职业骗保 | 高危行业真实从业者 | 职业本身高风险 | 以单位社保与工伤记录核验，不以职业标签直接判高危 |\n\n**误伤控制三条原则**：① 高权重特征必须有一个**可解释的事实依据**才能计分；\n② 单一特征不得直接导致拒赔，须有**第二条独立证据**；③ 每季统计误伤率并回流调参。\n\n---\n\n### 3. Underwriting Risk Control / 核保风控体系\n\n#### 核保风险分级表\n\n| 风险等级 | 评估条件 | 核保决策 | 附加条件 | 典型案例 | 反欺诈关注点 | 关键数据依赖 |\n|---------|---------|---------|---------|---------|-------------|\n| **标准体** | 健康告知全否、无异常记录 | 标准承保 | - | 30岁男性，体检无异常，投保重疾险50万 | 关注是否短期内多家投保叠加保额 | 银保信累计保额查询 |\n| **次标准体A** | 轻微异常（BMI偏高/脂肪肝） | 加费承保 | +10%-30%保费 | BMI 29 伴轻度脂肪肝，重疾险加费15% | 核保资料是否由本人真实体检产生 | 体检机构回传与身份核验 |\n| **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 | 高血压2级，加费30%并除外脑血管疾病 | 关注是否隐瞒并发症就诊史 |\n| **延期体** | 病情不稳定或待确诊 | 延期观察 | 6-12个月后重核 | 肺结节待定性，延期6个月复查 | 防止带病急于投保，关注多家同期投保 | 同期投保记录与影像复查结果 |\n| **拒保体** | 重大既往症/高风险职业 | 拒保 | 不予承保 | 已确诊恶性肿瘤、或地下采矿作业 | 若已承保后发现，核查投保时告知义务履行情况 | 既往就诊记录、职业与社保记录 |\n\n**核保环节反欺诈要点**\n- **保额叠加核查**：单一公司风险可控，但多家公司累计保额可能畸高，须查银保信累计保额。\n- **告知一致性核查**：同一被保险人不同投保单的健康告知应一致，出现矛盾即为高风险信号。\n- **财务核保**：保额与收入/资产不匹配时，需核验收入证明真实性，而非仅依赖申报值。\n\n### 4. Fraud Investigation Workflow / 欺诈案件调查流程\n\n```text\n受理报案\n    ↓\n初步审核（24小时内）\n  ├─ 资料完整性检查\n  ├─ 基本逻辑校验\n  └─ 欺诈特征快速筛查（AI模型打分）\n         ↓\n风险分级\n  ├─ LOW_RISK → 正常理赔流程\n  ├─ MEDIUM_RISK → 理赔调查（7天内）\n  └─ HIGH_RISK → 深度调查+报案\n         ↓\n调查阶段\n  ├─ 医疗数据核实（医保/医院调取）\n  ├─ 既往投保记录查询（银保信平台）\n  ├─ 现场走访/面访\n  └─ 第三方数据核查（大数据风控）\n         ↓\n结论处置\n  ├─ 正常赔付 → 快速支付\n  ├─ 协议赔付 → 减少金额达成和解\n  ├─ 拒赔处理 → 发拒赔通知+说明\n  └─ 报案追究 → 移送公安（涉嫌犯罪）\n```\n\n**风险分级处置时限表**\n\n| 风险等级 | 触发条件 | 处置动作 | 完成时限 | 留痕要求 | 升级条件 |\n|---------|---------|---------|---------|---------|---------|\n| LOW_RISK | 评分 < 30，无特征命中 | 正常理赔流程 | 按常规时效 | 模型评分记录留存 | 复核中发现新证据即升级 |\n| MEDIUM_RISK | 评分 30-59，或命中 1 项中等权重特征 | 理赔调查 | 7 天内完成 | 调查记录 + 证据清单 | 调查发现团伙关联立即升级 |\n| HIGH_RISK | 评分 ≥ 60，或命中等待期/虚假鉴定等高权重特征 | 深度调查 + 报案评估 | 立案后 30 天内 | 完整案卷 + 审批链 + 线索台账 | 涉嫌犯罪即移送公安 |\n| 团伙/黑产类 | 图谱强关联、同案多被保险人 | 并案调查 + 线索移送 | 不受个案时限约束 | 关系图谱快照 + 移送回执 | 发现跨机构案件即上报 |\n\n**时限管理提示**\n- 时限从**立案（风险分级确认）**起算，不是从报案起算，避免受理积压挤压调查时间。\n- 协议赔付虽能快速结案，但需保留**协议依据与金额测算过程**，否则后续审计难以解释减额合理性。\n- 拒赔是最容易被质疑的处置，**拒赔通知必须逐项对应证据与条款**，不能只写\"经调查不属保险责任\"。\n\n**两个处置示例**\n- **示例 1（MEDIUM_RISK 按期闭环）**：评分 42 分，命中\"费用为同病种基准 3.2 倍\"。7 天内完成费用清单逐项核对与医院回访，确认 1.1 万元与本次诊断无关，按协议赔付扣减后结案，全流程留痕 9 份材料。\n- **示例 2（HIGH_RISK 升级移送）**：评分 61 分，等待期未满 + 保额收入比失衡。深度调查中发现同一手机号关联另外 4 名被保险人，升级为团伙/黑产类并案，移送公安并同步报送监管线索台账。\n- **示例 3（误伤纠偏，2026-09-24 新增）**：评分 45 分，主因“费用为同病种基准 3.4 倍”。调查后确认该病例为转诊三甲的疑难病例、含并发症治疗，属**费用基准未分层导致的误伤**；按误伤登记并回流调参，正常赔付结案。\n\n### 5. Anti-Fraud Capability Benchmark / 反欺诈能力建设\n\n| 指标 | 行业平均水平 | 先进水平 | 说明 | 提升路径 | 测算口径 |\n|------|------------|---------|------|---------|\n| **欺诈渗漏率** | 15%-20% | <5% | 欺诈+渗漏（过度理赔）占保费比例 | 受理环节前置实时校验 + 高风险病种费用基准库 | 分子=已确认欺诈+渗漏金额；分母=同期已赚保费 |\n| **欺诈识别率** | 30%-40% | >70% | 实际欺诈案件中被识别的比例 | 规则引擎与无监督模型双轨；团伙类引入图谱 | 分母口径须先定义“确为欺诈”（生效判决/书面确认） |\n| **案件调查周期** | 15-30天 | <7天 | 从报案到结论 | 调查任务分派自动化；外部数据接口直连 |\n| **模型命中准确率** | 40%-50% | >75% | 模型判高风险中确为欺诈的比例 | 用调查结果回流做样本标注，季度重训 | 与识别率互为补充，需同时监控避免偏向任一端 |\n| **万元以下小额欺诈拦截率** | <20% | >50% | 小额高频欺诈的拦截能力 | 免赔额临界点检测 + 时序频次分析 |\n\n### 5. 黑灰产打击专项 / \"黑灰产\" Insurance Crime Crackdown\n\n#### 2026年金融领域黑灰产打击重点\n\n| 黑产类型 | 作案方式 | 识别特征 | 打击措施 | 涉案险种 | 数据依赖 |\n|---------|---------|---------|---------|---------|---------|\n| **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 | 意外险、医疗险 | 设备指纹、关系图谱、位置数据 |\n| **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 | 医疗险、重疾险 | 医保结算数据、医院病案 |\n| **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 | 全险种 | 代理人名录、投诉文本相似度 |\n| **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 | 退货运费险、履约险 | 电商交易与物流数据 |\n| **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 | 寿险、年金险 | 反洗钱名单、资金流水 |\n| **代理退保/代理维权** | 以\"全额退保\"为名收取高额手续费，模板化投诉施压 | 投诉文本高度雷同、委托人无合法资质、话术模板化 | 委托人资质核查+投诉文本聚类，涉嫌犯罪的移送公安 | 寿险、长期健康险 | 投诉工单文本、通话录音质检 |\n| **虚假伤残鉴定** | 与鉴定机构串通放大伤残等级 | 鉴定结论与影像资料不符、机构集中度异常 | 鉴定机构白名单+影像复核+重新鉴定 | 意外险、责任险 | 鉴定机构名录、影像资料 |\n\n#### 黑名单管理体系\n\n```python\n# 黑名单多维度关联查询框架\ndef blacklist_check(claimant_info):\n    checks = {\n        \"银保信欺诈黑名单\": query_nfra_blacklist(claimant_info.id),\n        \"公安人口信息核查\": query_police_id(claimant_info.id),\n        \"医保异常名单\": query_medical_insurance(claimant_info.id),\n        \"法院失信被执行人\": query_court_dishonesty(claimant_info.id),\n        \"跨公司理赔记录\": query_cross_company_claims(claimant_info.id),\n        \"设备指纹关联\": query_device_fingerprint(claimant_info.device_id),\n        \"关联人身份\": query_related_persons(claimant_info.id),\n    }\n    hit_count = sum(1 for v in checks.values() if v.is_hit)\n    risk_level = \"HIGH\" if hit_count >= 3 else \"MEDIUM\" if hit_count >= 1 else \"LOW\"\n    return {\"checks\": checks, \"hit_count\": hit_count, \"risk_level\": risk_level}\n```\n\n### 6. AI-Driven Anti-Fraud Technology / AI大数据反欺诈技术\n\n#### 主流反欺诈建模技术栈\n\n| 技术 | 应用场景 | 效果 | 数据要求 | 落地难点 | 不适用情形 |\n|------|---------|------|---------|---------|\n| **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 | 需构建手机号/设备/银行账号/地址多类型关系边 | 图规模大、训练成本高；需先有疑似标签做半监督 | 样本极少的新险种、关系边稀疏的场景 |\n| **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 | 数值型特征为主，无需欺诈标签 | 可解释性差，难直接支撑拒赔决策 | 需要出具拒赔依据的场景，只能作线索 |\n| **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% | OCR 结构化后的票据与病历文本 | 医疗术语与版式多样，需持续标注迭代 |\n| **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 | 需在合规授权下采集设备与网络标识 | 涉及个人信息，须明示同意并最小化采集 |\n| **时序行为分析** | 投保→理赔时间序列异常 | 等待期欺诈识别 | 投保、缴费、报案、理赔全链路时间戳 | 数据分散在多个系统，需先打通主键 |\n| **多模态大模型复核** | 影像资料、伤情照片与诊断结论一致性核对 | 减少人工复核工作量 | 影像文件 + 结构化诊断信息 | 结论仅作辅助提示，不得单独作为拒赔依据 | 医疗影像质量差、或涉及专业鉴定结论的终局判断 |\n\n---\n\n## 典型案例 / Case Studies\n\n> 以下案例为公开裁判文书与监管通报改编，用于说明识别思路，不涉及具体机构与个人。\n\n**案例 1：等待期穿透型带病投保（健康险）**\n- 情形：投保人 2026-03-01 投保重疾险 50 万，2026-04-10（等待期 90 天未满）即确诊甲状腺癌并申请理赔。\n- 命中特征：特征 1（等待期刚过集中出险）+ 特征 2（健康告知全\"否\"）。\n- 核查动作：调取医保就诊记录，发现投保前 2 个月已有甲状腺结节超声检查及穿刺医嘱。\n- 评分：等待期 30 分 + 保额收入比 15 分 + 既往记录 15 分 = 60 分 → **HIGH_RISK**。\n- 处置：启动深度调查，核实投保时告知义务履行情况，按《保险法》第十六条处理。\n\n**案例 2：中介代办型团伙骗保（意外险）**\n- 情形：某月内 23 起意外伤残理赔，材料格式高度一致，均由同一家法律咨询公司代理。\n- 命中特征：特征 5（团伙作案）+ 特征 12（虚假伤残鉴定）。\n- 核查动作：关系图谱聚类发现 23 名被保险人在 3 个月内共用 4 个联系电话；伤残鉴定均出自同一家机构。\n- 评分：团伙 20 分 + 虚假鉴定 25 分 + 同案关联 10 分 = 55 分，叠加图谱强关联后上调至 **HIGH_RISK**。\n- 处置：整批案件并案调查，向监管部门报送线索并移送公安。\n\n**案例 3：跨机构重复索赔（医疗险）**\n- 情形：被保险人在 3 家公司各投保医疗险，同一次住院分别索赔，合计赔付超过实际自付金额。\n- 命中特征：特征 8（跨公司重复索赔）+ 特征 4（过度医疗）。\n- 核查动作：银保信跨机构理赔记录查询确认 3 笔重复赔付；费用清单存在大量与本次诊断无关的检查项目。\n- 处置：按保险补偿原则追回超额部分，纳入跨机构关注名单。\n\n**案例 4：代理退保黑产（寿险）**\n- 情形：一周内收到 17 份投诉，均要求\"全额退保\"，文本结构与措辞高度雷同，委托人非律师。\n- 命中特征：特征 11（代理维权介入）。\n- 核查动作：投诉文本相似度聚类（相似度 > 0.9）；核查委托人资质，发现收取 30% 手续费的中介。\n- 处置：与本人直接核实意愿，拒绝无资质代理，涉嫌违法犯罪的移送公安。\n\n**案例 5：内部人员参与的虚假理赔（内部欺诈）**\n- 情形：某支公司连续 6 笔车险小额理赔，均在免赔额附近、均为同一查勘员定损、均在月底集中结案。\n- 命中特征：特征 7（频繁小额理赔）+ 内部欺诈特征（岗位权限与操作留痕异常）。\n- 核查动作：调取操作日志发现 6 笔案件的照片 EXIF 信息一致；定损金额恰好卡在免赔额之上 200-400 元区间。\n- 评分：小额高频 10 分 + 免赔额临界 15 分 + 内部操作异常 30 分 = 55 分，叠加岗位关联后上调至 **HIGH_RISK**。\n- 处置：暂停该查勘员权限，整批案件重审，同步启动岗位审计与责任追究。\n\n**案例 6：虚假伤残鉴定（意外险）**\n- 情形：被保险人索赔意外伤残，鉴定结论为九级伤残，但影像资料仅显示轻微骨裂，且鉴定机构近半年承接同类案件占比异常高。\n- 命中特征：特征 12（虚假伤残鉴定）+ 特征 10（重大事故造假）。\n- 核查动作：比对影像资料与鉴定结论，发现功能丧失描述与影像不符；核查该机构近半年同类鉴定集中度。\n- 处置：启动重新鉴定，暂停该机构合作，涉及串通的移送公安并报送监管。\n\n**案例复盘要点（供模型迭代）**\n- 案例 5 说明：**内部欺诈的识别不依赖单证审核，而依赖操作日志与岗位关联**——单证形式往往完全合规。\n- 案例 6 说明：**外部机构风险应纳入名单管理**，鉴定机构集中度是低成本、高价值的监测指标。\n- 两个案例共同的教训：调查结果必须**回流为标注样本**，否则同一手法会反复命中同一条规则而模型不会进步。\n\n---\n\n## 保存与外发前确认 / Save & Send Confirmation（2026-09-24 新增）\n\n1. 风险评分、调查报告、移送建议先在对话中完整展示，供用户逐段预览；\n2. 用户明确确认后再写入文件或对外报送；未经确认不落盘、不报送；\n3. 落盘时一并记录：生成时间、数据来源与授权依据、审核人；\n4. 涉及移送公安或监管报送的内容，须经合规与法务复核后发出。\n\n---\n\n## 变更记录 / Changelog\n\n| 版本 | 日期 | 变更摘要 |\n|------|------|---------|\n| 5.0.5 | 2026-09-24 | 新增数据最小化前置声明、评分模型算例、特征误伤控制表；欺诈类型表新增关联特征编号列，核保/指标/技术表各新增维度列；新增误伤纠偏处置示例；监管动态更新至 2026-09-24 并新增 2 条 |\n| 5.0.4 | 2026-09-07 | 补充 2026 年线索台账与代理维权整治动态 |\n\n---\n\n## Reference Files / 参考文件\n\n| File / 文件 | Content / 内容说明 |\n|------|---------|\n| `references/anti_fraud_guide.md` | 反欺诈工作办法解读 + 各险种欺诈特征详解 |\n| `references/underwriting_risk_assessment.md` | 核保风控体系，含风险分级表和异常标记规则 |\n| `references/claim_investigation_sop.md` | 理赔欺诈调查 SOP，含调查话术和流程图 |\n| `references/fraud_case_study.md` | 典型欺诈案例分析（含真实案例改编） |\n| `references/data_model_guide.md` | 反欺诈数据模型构建指南，含评分卡示例 |\n\nFile v5.0.5:_meta.json\n\n{\n  \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n  \"slug\": \"insurance-anti-fraud\",\n  \"version\": \"5.0.5\",\n  \"publishedAt\": 1790227501668\n}\n\nFile v5.0.5:skill-card.md\n\n## Description:\n\nAI-powered insurance anti-fraud analysis skill for detecting and preventing insurance fraud across major insurance types, with claim fraud indicators, underwriting risk controls, investigation workflows, and big-data anti-fraud model guidance for the Chinese insurance market.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[gechengling](https://clawhub.ai/user/gechengling)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nInsurance claims, risk control, underwriting, compliance, and fraud investigation teams use this skill to review fraud indicators, structure risk scoring, plan investigation steps, and draft human-reviewed anti-fraud analysis. It is advisory only and should not be used as the sole basis for claim denial, regulatory reporting, or legal conclusions.\n\n### Deployment Geography for Use:\n\nChina\n\n## Known Risks and Mitigations:\n\nRisk: Regulatory statements, scoring thresholds, and workflows may be outdated or incomplete for a live insurance decision.\n\nMitigation: Verify China-specific regulatory content against current official sources and qualified legal or compliance reviewers before operational use.\n\nRisk: Fraud scores or model outputs could be treated as conclusive evidence and cause incorrect claim denial or escalation.\n\nMitigation: Use scores only as investigation signals, require independent supporting evidence, and keep human review in the decision process.\n\nRisk: Anti-fraud investigations can involve sensitive personal, medical, financial, and law-enforcement-related data.\n\nMitigation: Apply data minimization, de-identification, explicit authorization, and documented business necessity before using external or sensitive data.\n\nRisk: Generated reports or referral recommendations could be sent externally before review.\n\nMitigation: Preview risk scores, investigation reports, and referral recommendations with the user, then require explicit confirmation and legal or compliance review before saving or reporting.\n\n## Reference(s):\n\n- [ClawHub skill page](https://clawhub.ai/gechengling/skills/insurance-anti-fraud)\n- [Artifact skill definition](artifact/SKILL.md)\n\n## Skill Output:\n\n**Output Type(s):** [text, markdown, code, guidance]\n\n**Output Format:** [Markdown with structured tables, checklists, workflows, and illustrative Python snippets]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Advisory outputs require human review and user confirmation before file creation, external reporting, or operational use.]\n\n## Skill Version(s):\n\n5.0.5 (source: frontmatter and server release evidence)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nArchive v5.0.4: 3 files, 12543 bytes\n\nFiles: skill-card.md (2257b), SKILL.md (25828b), _meta.json (139b)\n\nFile v5.0.4:SKILL.md\n\n---\nname: Insurance Anti-Fraud Expert\ndescription: 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.\nslug: insurance-anti-fraud\nversion: 5.0.4\n\ncapabilities:\n  - educational-reference\n  - advisory-only\n  - requires-human-review\n  - no-executable-code\n---\n\n# Insurance Anti-Fraud Expert / 保险反欺诈分析专家\n\n> **⚠️ SECURITY NOTICE / 安全声明**\n> - **Type:** Educational reference / analytical framework ONLY\n> - **No executable code, scripts, or binaries are bundled or run by this skill** — the Python fragments below are illustrative scoring logic for the user's own environment\n> - **No persistent storage, network calls, background execution, or credential collection**\n> - **All outputs are for reference only and require human review before real-world application**\n> - **This skill does NOT provide financial, legal, or insurance advice**\n> - **Users must exercise their own judgment and consult qualified professionals**\n\n\n\n> **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.\n>\n> **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。\n\n---\n\n## Trigger Keywords / 触发关键词\n\n**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\n\n**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\n\n---\n\n## Core Capabilities / 核心能力\n\n### 0. 最新监管动态（截至2026年9月7日）\n\n| 时间 | 事项 | 反欺诈影响 | 险企落地动作 |\n|------|------|---------|------------|\n| **2026年9月** | 保险欺诈线索台账**首个季度报送窗口**开启，要求线索来源、处置状态、移送时间全程留痕 | 线索管理进入\"可核查\"阶段，台账缺失将直接影响合规评价 | 统一台账字段（线索编号 / 来源 / 风险等级 / 处置结论 / 移送时间），按期对账并留存 |\n| **2026年9月** | 销售误导排查延伸至**\"代理维权\"话术**，要求对投诉材料来源与委托人资质进行核验 | 投诉类风险与理赔类风险并列管理，不再只盯理赔端 | 上线投诉文本相似度监测，建立委托人资质核查清单 |\n| **2026年8月** | 金融监管总局强化**保险欺诈线索移送与案件协查**机制，要求险企建立欺诈线索台账并按季报送 | 线索管理从\"个案处置\"转向\"台账化、可追溯\"，报送质量纳入合规评价 | 指定牵头部门，明确线索分级与移送审批路径 |\n| **2026年7月** | 金融监管总局部署**保险理赔\"黑灰产\"专项整治**，重点打击代理退保、代理维权、虚假伤残鉴定 | 理赔中介代办类风险显著上升，需纳入名单监控 | 建立代理人/鉴定机构关注名单，异常集中即预警 |\n| **2026年6月** | 银保信反欺诈平台与医保、商保数据对接范围扩大，**跨机构重复索赔**实时校验能力增强 | 重复索赔识别前移到受理环节 |\n| **2026年5月** | 《保险法》修订相关征求意见工作推进，欺诈法律责任的界定进一步细化 | 拒赔与协议赔付的法律依据更清晰 |\n| **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 |\n| **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 |\n| **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 |\n| **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 |\n\n**动态要点解读**\n- **趋势一：从事后调查转向事前拦截。** 监管要求的重心正从\"查出多少欺诈\"转向\"拦截多少风险\"，受理环节的实时校验成为能力建设重点。\n- **趋势二：团伙化、中介化特征明显。** 2026 年打击重点中的\"代理退保\"\"代理维权\"已形成产业链，单点规则难以识别，需要关系图谱。\n- **趋势三：数据合规约束同步收紧。** 反欺诈调取医保、公安、法院数据须有明确授权与最小必要原则，违规取数本身即为合规风险。\n\n### 1. Regulatory Framework: Anti-Insurance Fraud Measures / 监管框架：《反保险欺诈工作办法》全解\n\n**法规来源**：国家金融监督管理总局，2024年7月22日发布实施\n\n#### 四位一体反欺诈工作体系\n\n```text\n┌─────────────────────────────────────────────────┐\n│                   四位一体体系                        │\n├─────────────────────────────────────────────────┤\n│  ① 行业反欺诈：银保信/精算师协会/保险行业协会协同    │\n│  ② 公司主体责任：各保险公司反欺诈组织架构           │\n│  ③ 公安司法机关：涉嫌犯罪的移送公安                │\n│  ④ 监管部门：日常监管+专项检查+处罚                │\n└─────────────────────────────────────────────────┘\n```\n\n#### 欺诈类型分类\n\n| 类型 | 定义 | 典型场景 | 涉案险种 | 高发环节 | 识别难度 | 主要核查手段 |\n|------|------|---------|---------|---------|---------|-------------|\n| **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 | 投保核保环节 | 中 | 健康告知交叉验证、医保就诊记录回溯 |\n| **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 | 报案受理环节 | 中 | 单证真伪鉴定、事故现场还原 |\n| **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 | 全链条 | **高** | 关系图谱、设备指纹、资金流向分析 |\n| **内部欺诈** | 内部人员参与 | 内外勾结、虚假理赔 | 各险种 | 理赔审核环节 | **高** | 岗位权限审计、异常操作留痕分析 |\n| **洗钱型欺诈** | 借保险洗白资金 | 趸交高额寿险退保 | 寿险 | 投保与退保环节 | 中 | 反洗钱大额交易报告、资金来源核查 |\n\n**分类补充提示**\n- 单案可能**同时归属多类**（如团伙欺诈常叠加内部欺诈），评分模型应累加而非择一。\n- 内部欺诈与团伙欺诈识别难度最高，主要因其具备\"单证形式合规\"特征，必须依赖关联数据而非单证表面审核。\n\n### 2. Claims Fraud Identification Engine / 理赔欺诈识别引擎\n\n#### 健康险理赔欺诈十大特征\n\n| 特征序号 | 欺诈特征 | 识别信号 | 核查手段 | 风险权重参考 |\n|---------|---------|---------|---------|-------------|\n| 1 | **短时间内集中投保** | 等待期刚过即集中大量理赔 | 投保日期与出险日期比对、等待期穿透计算 | 30% |\n| 2 | **带病投保隐瞒病史** | 健康告知全为\"否\"，理赔时发现既往症 | 医保就诊记录回溯、医院病案调阅 | 25% |\n| 3 | **虚假医院就诊** | 病历签名笔迹不一致、无实际治疗记录 | 医院实地核实、票据防伪校验、医保结算对账 | 20% |\n| 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 | 同病种费用基准比对、临床路径合规性审查 | 15% |\n| 5 | **团伙作案特征** | 同一天、同一家医院、同一病种的群体报案 | 关系图谱聚类、设备指纹/IP 关联 | 20% |\n| 6 | **非正常高保额** | 收入与投保金额严重不符（意外险高保额） | 收入证明核验、保额收入比测算 | 25% |\n| 7 | **频繁小额理赔** | 利用免赔额规则反复小额索赔 | 理赔频次时序分析、免赔额临界点检测 | 10% |\n| 8 | **跨公司重复索赔** | 利用信息不对称在多家公司重复索赔 | 银保信跨机构理赔记录查询 | 15% |\n| 9 | **职业骗保** | 特定高风险职业频繁出险（矿工/高危行业） | 职业真实性核查、单位社保记录比对 | 15% |\n| 10 | **重大事故造假** | 死亡/伤残事故真实性存疑 | 公安/交警事故认定书核验、伤残等级复鉴 | 30% |\n\n**特征补充（2026年新增关注）**\n| 11 | **代理退保/代理维权介入** | 委托人身份异常、话术高度模板化、投诉材料雷同 | 委托人资质核查、投诉文本相似度比对 | 15% |\n| 12 | **虚假伤残鉴定** | 鉴定机构集中、鉴定结论与影像资料不符 | 鉴定机构白名单、影像资料复核 | 25% |\n\n> 特征 11、12 对应 2026 年 7 月\"黑灰产\"专项整治重点，建议纳入评分模型。\n\n#### 欺诈风险量化评分模型\n\n```python\n# Fraud Risk Scoring Model (simplified / 简化示例）\ndef fraud_score(case):\n    score = 0\n    \n    # 等待期观察（权重30%）\n    if case.waiting_period_days < 30:\n        score += 30\n    elif case.waiting_period_days < 90:\n        score += 15\n    \n    # 投保保额异常（权重25%）\n    if case.coverage_to_income_ratio > 10:\n        score += 25\n    elif case.coverage_to_income_ratio > 5:\n        score += 15\n    \n    # 就诊医院异常（权重20%）\n    if case.hospital_fraud_history:\n        score += 20\n    elif case.is_chain_hospital == False and case.amount > 50000:\n        score += 10\n    \n    # 既往理赔记录（权重15%）\n    if case.past_fraud_record:\n        score += 15\n    elif case.past_claim_count > 5:\n        score += 8\n    \n    # 同案关联（权重10%）\n    if case.linked_to_suspected_cases:\n        score += 10\n    \n    # 返回风险等级\n    if score >= 60: return \"HIGH_RISK - 立即调查\"\n    elif score >= 30: return \"MEDIUM_RISK - 重点审核\"\n    else: return \"LOW_RISK - 正常流程\"\n```\n\n### 3. Underwriting Risk Control / 核保风控体系\n\n#### 核保风险分级表\n\n| 风险等级 | 评估条件 | 核保决策 | 附加条件 | 典型案例 | 反欺诈关注点 |\n|---------|---------|---------|---------|---------|-------------|\n| **标准体** | 健康告知全否、无异常记录 | 标准承保 | - | 30岁男性，体检无异常，投保重疾险50万 | 关注是否短期内多家投保叠加保额 |\n| **次标准体A** | 轻微异常（BMI偏高/脂肪肝） | 加费承保 | +10%-30%保费 | BMI 29 伴轻度脂肪肝，重疾险加费15% | 核保资料是否由本人真实体检产生 |\n| **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 | 高血压2级，加费30%并除外脑血管疾病 | 关注是否隐瞒并发症就诊史 |\n| **延期体** | 病情不稳定或待确诊 | 延期观察 | 6-12个月后重核 | 肺结节待定性，延期6个月复查 | 防止带病急于投保，关注多家同期投保 |\n| **拒保体** | 重大既往症/高风险职业 | 拒保 | 不予承保 | 已确诊恶性肿瘤、或地下采矿作业 | 若已承保后发现，核查投保时告知义务履行情况 |\n\n**核保环节反欺诈要点**\n- **保额叠加核查**：单一公司风险可控，但多家公司累计保额可能畸高，须查银保信累计保额。\n- **告知一致性核查**：同一被保险人不同投保单的健康告知应一致，出现矛盾即为高风险信号。\n- **财务核保**：保额与收入/资产不匹配时，需核验收入证明真实性，而非仅依赖申报值。\n\n### 4. Fraud Investigation Workflow / 欺诈案件调查流程\n\n```text\n受理报案\n    ↓\n初步审核（24小时内）\n  ├─ 资料完整性检查\n  ├─ 基本逻辑校验\n  └─ 欺诈特征快速筛查（AI模型打分）\n         ↓\n风险分级\n  ├─ LOW_RISK → 正常理赔流程\n  ├─ MEDIUM_RISK → 理赔调查（7天内）\n  └─ HIGH_RISK → 深度调查+报案\n         ↓\n调查阶段\n  ├─ 医疗数据核实（医保/医院调取）\n  ├─ 既往投保记录查询（银保信平台）\n  ├─ 现场走访/面访\n  └─ 第三方数据核查（大数据风控）\n         ↓\n结论处置\n  ├─ 正常赔付 → 快速支付\n  ├─ 协议赔付 → 减少金额达成和解\n  ├─ 拒赔处理 → 发拒赔通知+说明\n  └─ 报案追究 → 移送公安（涉嫌犯罪）\n```\n\n**风险分级处置时限表**\n\n| 风险等级 | 触发条件 | 处置动作 | 完成时限 | 留痕要求 | 升级条件 |\n|---------|---------|---------|---------|---------|---------|\n| LOW_RISK | 评分 < 30，无特征命中 | 正常理赔流程 | 按常规时效 | 模型评分记录留存 | 复核中发现新证据即升级 |\n| MEDIUM_RISK | 评分 30-59，或命中 1 项中等权重特征 | 理赔调查 | 7 天内完成 | 调查记录 + 证据清单 | 调查发现团伙关联立即升级 |\n| HIGH_RISK | 评分 ≥ 60，或命中等待期/虚假鉴定等高权重特征 | 深度调查 + 报案评估 | 立案后 30 天内 | 完整案卷 + 审批链 + 线索台账 | 涉嫌犯罪即移送公安 |\n| 团伙/黑产类 | 图谱强关联、同案多被保险人 | 并案调查 + 线索移送 | 不受个案时限约束 | 关系图谱快照 + 移送回执 | 发现跨机构案件即上报 |\n\n**时限管理提示**\n- 时限从**立案（风险分级确认）**起算，不是从报案起算，避免受理积压挤压调查时间。\n- 协议赔付虽能快速结案，但需保留**协议依据与金额测算过程**，否则后续审计难以解释减额合理性。\n- 拒赔是最容易被质疑的处置，**拒赔通知必须逐项对应证据与条款**，不能只写\"经调查不属保险责任\"。\n\n**两个处置示例**\n- **示例 1（MEDIUM_RISK 按期闭环）**：评分 42 分，命中\"费用为同病种基准 3.2 倍\"。7 天内完成费用清单逐项核对与医院回访，确认 1.1 万元与本次诊断无关，按协议赔付扣减后结案，全流程留痕 9 份材料。\n- **示例 2（HIGH_RISK 升级移送）**：评分 61 分，等待期未满 + 保额收入比失衡。深度调查中发现同一手机号关联另外 4 名被保险人，升级为团伙/黑产类并案，移送公安并同步报送监管线索台账。\n\n### 5. Anti-Fraud Capability Benchmark / 反欺诈能力建设\n\n| 指标 | 行业平均水平 | 先进水平 | 说明 | 提升路径 |\n|------|------------|---------|------|---------|\n| **欺诈渗漏率** | 15%-20% | <5% | 欺诈+渗漏（过度理赔）占保费比例 | 受理环节前置实时校验 + 高风险病种费用基准库 |\n| **欺诈识别率** | 30%-40% | >70% | 实际欺诈案件中被识别的比例 | 规则引擎与无监督模型双轨；团伙类引入图谱 |\n| **案件调查周期** | 15-30天 | <7天 | 从报案到结论 | 调查任务分派自动化；外部数据接口直连 |\n| **模型命中准确率** | 40%-50% | >75% | 模型判高风险中确为欺诈的比例 | 用调查结果回流做样本标注，季度重训 |\n| **万元以下小额欺诈拦截率** | <20% | >50% | 小额高频欺诈的拦截能力 | 免赔额临界点检测 + 时序频次分析 |\n\n### 5. 黑灰产打击专项 / \"黑灰产\" Insurance Crime Crackdown\n\n#### 2026年金融领域黑灰产打击重点\n\n| 黑产类型 | 作案方式 | 识别特征 | 打击措施 | 涉案险种 | 数据依赖 |\n|---------|---------|---------|---------|---------|---------|\n| **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 | 意外险、医疗险 | 设备指纹、关系图谱、位置数据 |\n| **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 | 医疗险、重疾险 | 医保结算数据、医院病案 |\n| **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 | 全险种 | 代理人名录、投诉文本相似度 |\n| **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 | 退货运费险、履约险 | 电商交易与物流数据 |\n| **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 | 寿险、年金险 | 反洗钱名单、资金流水 |\n| **代理退保/代理维权** | 以\"全额退保\"为名收取高额手续费，模板化投诉施压 | 投诉文本高度雷同、委托人无合法资质、话术模板化 | 委托人资质核查+投诉文本聚类，涉嫌犯罪的移送公安 | 寿险、长期健康险 | 投诉工单文本、通话录音质检 |\n| **虚假伤残鉴定** | 与鉴定机构串通放大伤残等级 | 鉴定结论与影像资料不符、机构集中度异常 | 鉴定机构白名单+影像复核+重新鉴定 | 意外险、责任险 | 鉴定机构名录、影像资料 |\n\n#### 黑名单管理体系\n\n```python\n# 黑名单多维度关联查询框架\ndef blacklist_check(claimant_info):\n    checks = {\n        \"银保信欺诈黑名单\": query_nfra_blacklist(claimant_info.id),\n        \"公安人口信息核查\": query_police_id(claimant_info.id),\n        \"医保异常名单\": query_medical_insurance(claimant_info.id),\n        \"法院失信被执行人\": query_court_dishonesty(claimant_info.id),\n        \"跨公司理赔记录\": query_cross_company_claims(claimant_info.id),\n        \"设备指纹关联\": query_device_fingerprint(claimant_info.device_id),\n        \"关联人身份\": query_related_persons(claimant_info.id),\n    }\n    hit_count = sum(1 for v in checks.values() if v.is_hit)\n    risk_level = \"HIGH\" if hit_count >= 3 else \"MEDIUM\" if hit_count >= 1 else \"LOW\"\n    return {\"checks\": checks, \"hit_count\": hit_count, \"risk_level\": risk_level}\n```\n\n### 6. AI-Driven Anti-Fraud Technology / AI大数据反欺诈技术\n\n#### 主流反欺诈建模技术栈\n\n| 技术 | 应用场景 | 效果 | 数据要求 | 落地难点 |\n|------|---------|------|---------|---------|\n| **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 | 需构建手机号/设备/银行账号/地址多类型关系边 | 图规模大、训练成本高；需先有疑似标签做半监督 |\n| **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 | 数值型特征为主，无需欺诈标签 | 可解释性差，难直接支撑拒赔决策 |\n| **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% | OCR 结构化后的票据与病历文本 | 医疗术语与版式多样，需持续标注迭代 |\n| **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 | 需在合规授权下采集设备与网络标识 | 涉及个人信息，须明示同意并最小化采集 |\n| **时序行为分析** | 投保→理赔时间序列异常 | 等待期欺诈识别 | 投保、缴费、报案、理赔全链路时间戳 | 数据分散在多个系统，需先打通主键 |\n| **多模态大模型复核** | 影像资料、伤情照片与诊断结论一致性核对 | 减少人工复核工作量 | 影像文件 + 结构化诊断信息 | 结论仅作辅助提示，不得单独作为拒赔依据 |\n\n---\n\n## 典型案例 / Case Studies\n\n> 以下案例为公开裁判文书与监管通报改编，用于说明识别思路，不涉及具体机构与个人。\n\n**案例 1：等待期穿透型带病投保（健康险）**\n- 情形：投保人 2026-03-01 投保重疾险 50 万，2026-04-10（等待期 90 天未满）即确诊甲状腺癌并申请理赔。\n- 命中特征：特征 1（等待期刚过集中出险）+ 特征 2（健康告知全\"否\"）。\n- 核查动作：调取医保就诊记录，发现投保前 2 个月已有甲状腺结节超声检查及穿刺医嘱。\n- 评分：等待期 30 分 + 保额收入比 15 分 + 既往记录 15 分 = 60 分 → **HIGH_RISK**。\n- 处置：启动深度调查，核实投保时告知义务履行情况，按《保险法》第十六条处理。\n\n**案例 2：中介代办型团伙骗保（意外险）**\n- 情形：某月内 23 起意外伤残理赔，材料格式高度一致，均由同一家法律咨询公司代理。\n- 命中特征：特征 5（团伙作案）+ 特征 12（虚假伤残鉴定）。\n- 核查动作：关系图谱聚类发现 23 名被保险人在 3 个月内共用 4 个联系电话；伤残鉴定均出自同一家机构。\n- 评分：团伙 20 分 + 虚假鉴定 25 分 + 同案关联 10 分 = 55 分，叠加图谱强关联后上调至 **HIGH_RISK**。\n- 处置：整批案件并案调查，向监管部门报送线索并移送公安。\n\n**案例 3：跨机构重复索赔（医疗险）**\n- 情形：被保险人在 3 家公司各投保医疗险，同一次住院分别索赔，合计赔付超过实际自付金额。\n- 命中特征：特征 8（跨公司重复索赔）+ 特征 4（过度医疗）。\n- 核查动作：银保信跨机构理赔记录查询确认 3 笔重复赔付；费用清单存在大量与本次诊断无关的检查项目。\n- 处置：按保险补偿原则追回超额部分，纳入跨机构关注名单。\n\n**案例 4：代理退保黑产（寿险）**\n- 情形：一周内收到 17 份投诉，均要求\"全额退保\"，文本结构与措辞高度雷同，委托人非律师。\n- 命中特征：特征 11（代理维权介入）。\n- 核查动作：投诉文本相似度聚类（相似度 > 0.9）；核查委托人资质，发现收取 30% 手续费的中介。\n- 处置：与本人直接核实意愿，拒绝无资质代理，涉嫌违法犯罪的移送公安。\n\n**案例 5：内部人员参与的虚假理赔（内部欺诈）**\n- 情形：某支公司连续 6 笔车险小额理赔，均在免赔额附近、均为同一查勘员定损、均在月底集中结案。\n- 命中特征：特征 7（频繁小额理赔）+ 内部欺诈特征（岗位权限与操作留痕异常）。\n- 核查动作：调取操作日志发现 6 笔案件的照片 EXIF 信息一致；定损金额恰好卡在免赔额之上 200-400 元区间。\n- 评分：小额高频 10 分 + 免赔额临界 15 分 + 内部操作异常 30 分 = 55 分，叠加岗位关联后上调至 **HIGH_RISK**。\n- 处置：暂停该查勘员权限，整批案件重审，同步启动岗位审计与责任追究。\n\n**案例 6：虚假伤残鉴定（意外险）**\n- 情形：被保险人索赔意外伤残，鉴定结论为九级伤残，但影像资料仅显示轻微骨裂，且鉴定机构近半年承接同类案件占比异常高。\n- 命中特征：特征 12（虚假伤残鉴定）+ 特征 10（重大事故造假）。\n- 核查动作：比对影像资料与鉴定结论，发现功能丧失描述与影像不符；核查该机构近半年同类鉴定集中度。\n- 处置：启动重新鉴定，暂停该机构合作，涉及串通的移送公安并报送监管。\n\n**案例复盘要点（供模型迭代）**\n- 案例 5 说明：**内部欺诈的识别不依赖单证审核，而依赖操作日志与岗位关联**——单证形式往往完全合规。\n- 案例 6 说明：**外部机构风险应纳入名单管理**，鉴定机构集中度是低成本、高价值的监测指标。\n- 两个案例共同的教训：调查结果必须**回流为标注样本**，否则同一手法会反复命中同一条规则而模型不会进步。\n\n---\n\n## Reference Files / 参考文件\n\n| File / 文件 | Content / 内容说明 |\n|------|---------|\n| `references/anti_fraud_guide.md` | 反欺诈工作办法解读 + 各险种欺诈特征详解 |\n| `references/underwriting_risk_assessment.md` | 核保风控体系，含风险分级表和异常标记规则 |\n| `references/claim_investigation_sop.md` | 理赔欺诈调查 SOP，含调查话术和流程图 |\n| `references/fraud_case_study.md` | 典型欺诈案例分析（含真实案例改编） |\n| `references/data_model_guide.md` | 反欺诈数据模型构建指南，含评分卡示例 |\n\nFile v5.0.4:_meta.json\n\n{\n  \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n  \"slug\": \"insurance-anti-fraud\",\n  \"version\": \"5.0.4\",\n  \"publishedAt\": 1788748194107\n}\n\nFile v5.0.4:skill-card.md\n\n## Description:\n\nProvides an advisory insurance anti-fraud framework for identifying claims and underwriting fraud signals, scoring risk, and planning investigation workflows for the Chinese insurance market.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[gechengling](https://clawhub.ai/user/gechengling)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nInsurance claims, risk control, underwriting, compliance, and anti-fraud investigation teams use this skill for reference workflows, risk indicators, scoring examples, and case review guidance. Outputs are advisory and require human review before any legal, financial, claims, medical, identity, police, court, device, or customer-data action.\n\n### Deployment Geography for Use:\n\nChina\n\n## Known Risks and Mitigations:\n\nRisk: Advisory anti-fraud outputs could be mistaken for legal, financial, or claims decisions.\n\nMitigation: Use outputs as reference material only and require qualified human review before real-world decisions or customer actions.\n\nRisk: Operational anti-fraud checks may involve sensitive medical, identity, police, court, device, or claims data.\n\nMitigation: Perform real checks only with proper authorization, minimum necessary data handling, and documented human review.\n\nRisk: Regulatory references and enforcement priorities may change after publication.\n\nMitigation: Verify cited regulatory updates against current authoritative sources before applying the guidance.\n\n## Reference(s):\n\n- [ClawHub skill page](https://clawhub.ai/gechengling/skills/insurance-anti-fraud)\n\n## Skill Output:\n\n**Output Type(s):** [Guidance, Analysis, Markdown, Code]\n\n**Output Format:** [Markdown guidance with tables, workflows, and illustrative code snippets]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Advisory-only; no bundled execution, persistence, credential use, or hidden data handling.]\n\n## Skill Version(s):\n\n5.0.4 (source: frontmatter and server release evidence)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nArchive v5.0.3: 3 files, 10750 bytes\n\nFiles: skill-card.md (2100b), SKILL.md (21449b), _meta.json (139b)\n\nFile v5.0.3:SKILL.md\n\n---\nname: Insurance Anti-Fraud Expert\ndescription: 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.\nslug: insurance-anti-fraud\nversion: 5.0.3\n\ncapabilities:\n  - educational-reference\n  - advisory-only\n  - requires-human-review\n  - no-executable-code\n---\n\n# Insurance Anti-Fraud Expert / 保险反欺诈分析专家\n\n> **⚠️ SECURITY NOTICE / 安全声明**\n> - **Type:** Educational reference / analytical framework ONLY\n> - **No executable code, scripts, or binaries are bundled or run by this skill** — the Python fragments below are illustrative scoring logic for the user's own environment\n> - **No persistent storage, network calls, background execution, or credential collection**\n> - **All outputs are for reference only and require human review before real-world application**\n> - **This skill does NOT provide financial, legal, or insurance advice**\n> - **Users must exercise their own judgment and consult qualified professionals**\n\n\n\n> **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.\n>\n> **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。\n\n---\n\n## Trigger Keywords / 触发关键词\n\n**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\n\n**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\n\n---\n\n## Core Capabilities / 核心能力\n\n### 0. 最新监管动态（截至2026年8月31日）\n\n| 时间 | 事项 | 反欺诈影响 |\n|------|------|---------|\n| **2026年8月** | 金融监管总局强化**保险欺诈线索移送与案件协查**机制，要求险企建立欺诈线索台账并按季报送 | 线索管理从\"个案处置\"转向\"台账化、可追溯\"，报送质量纳入合规评价 |\n| **2026年7月** | 金融监管总局部署**保险理赔\"黑灰产\"专项整治**，重点打击代理退保、代理维权、虚假伤残鉴定 | 理赔中介代办类风险显著上升，需纳入名单监控 |\n| **2026年6月** | 银保信反欺诈平台与医保、商保数据对接范围扩大，**跨机构重复索赔**实时校验能力增强 | 重复索赔识别前移到受理环节 |\n| **2026年5月** | 《保险法》修订相关征求意见工作推进，欺诈法律责任的界定进一步细化 | 拒赔与协议赔付的法律依据更清晰 |\n| **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 |\n| **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 |\n| **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 |\n| **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 |\n\n**动态要点解读**\n- **趋势一：从事后调查转向事前拦截。** 监管要求的重心正从\"查出多少欺诈\"转向\"拦截多少风险\"，受理环节的实时校验成为能力建设重点。\n- **趋势二：团伙化、中介化特征明显。** 2026 年打击重点中的\"代理退保\"\"代理维权\"已形成产业链，单点规则难以识别，需要关系图谱。\n- **趋势三：数据合规约束同步收紧。** 反欺诈调取医保、公安、法院数据须有明确授权与最小必要原则，违规取数本身即为合规风险。\n\n### 1. Regulatory Framework: Anti-Insurance Fraud Measures / 监管框架：《反保险欺诈工作办法》全解\n\n**法规来源**：国家金融监督管理总局，2024年7月22日发布实施\n\n#### 四位一体反欺诈工作体系\n\n```text\n┌─────────────────────────────────────────────────┐\n│                   四位一体体系                        │\n├─────────────────────────────────────────────────┤\n│  ① 行业反欺诈：银保信/精算师协会/保险行业协会协同    │\n│  ② 公司主体责任：各保险公司反欺诈组织架构           │\n│  ③ 公安司法机关：涉嫌犯罪的移送公安                │\n│  ④ 监管部门：日常监管+专项检查+处罚                │\n└─────────────────────────────────────────────────┘\n```\n\n#### 欺诈类型分类\n\n| 类型 | 定义 | 典型场景 | 涉案险种 | 高发环节 | 识别难度 | 主要核查手段 |\n|------|------|---------|---------|---------|---------|-------------|\n| **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 | 投保核保环节 | 中 | 健康告知交叉验证、医保就诊记录回溯 |\n| **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 | 报案受理环节 | 中 | 单证真伪鉴定、事故现场还原 |\n| **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 | 全链条 | **高** | 关系图谱、设备指纹、资金流向分析 |\n| **内部欺诈** | 内部人员参与 | 内外勾结、虚假理赔 | 各险种 | 理赔审核环节 | **高** | 岗位权限审计、异常操作留痕分析 |\n| **洗钱型欺诈** | 借保险洗白资金 | 趸交高额寿险退保 | 寿险 | 投保与退保环节 | 中 | 反洗钱大额交易报告、资金来源核查 |\n\n**分类补充提示**\n- 单案可能**同时归属多类**（如团伙欺诈常叠加内部欺诈），评分模型应累加而非择一。\n- 内部欺诈与团伙欺诈识别难度最高，主要因其具备\"单证形式合规\"特征，必须依赖关联数据而非单证表面审核。\n\n### 2. Claims Fraud Identification Engine / 理赔欺诈识别引擎\n\n#### 健康险理赔欺诈十大特征\n\n| 特征序号 | 欺诈特征 | 识别信号 | 核查手段 | 风险权重参考 |\n|---------|---------|---------|---------|-------------|\n| 1 | **短时间内集中投保** | 等待期刚过即集中大量理赔 | 投保日期与出险日期比对、等待期穿透计算 | 30% |\n| 2 | **带病投保隐瞒病史** | 健康告知全为\"否\"，理赔时发现既往症 | 医保就诊记录回溯、医院病案调阅 | 25% |\n| 3 | **虚假医院就诊** | 病历签名笔迹不一致、无实际治疗记录 | 医院实地核实、票据防伪校验、医保结算对账 | 20% |\n| 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 | 同病种费用基准比对、临床路径合规性审查 | 15% |\n| 5 | **团伙作案特征** | 同一天、同一家医院、同一病种的群体报案 | 关系图谱聚类、设备指纹/IP 关联 | 20% |\n| 6 | **非正常高保额** | 收入与投保金额严重不符（意外险高保额） | 收入证明核验、保额收入比测算 | 25% |\n| 7 | **频繁小额理赔** | 利用免赔额规则反复小额索赔 | 理赔频次时序分析、免赔额临界点检测 | 10% |\n| 8 | **跨公司重复索赔** | 利用信息不对称在多家公司重复索赔 | 银保信跨机构理赔记录查询 | 15% |\n| 9 | **职业骗保** | 特定高风险职业频繁出险（矿工/高危行业） | 职业真实性核查、单位社保记录比对 | 15% |\n| 10 | **重大事故造假** | 死亡/伤残事故真实性存疑 | 公安/交警事故认定书核验、伤残等级复鉴 | 30% |\n\n**特征补充（2026年新增关注）**\n| 11 | **代理退保/代理维权介入** | 委托人身份异常、话术高度模板化、投诉材料雷同 | 委托人资质核查、投诉文本相似度比对 | 15% |\n| 12 | **虚假伤残鉴定** | 鉴定机构集中、鉴定结论与影像资料不符 | 鉴定机构白名单、影像资料复核 | 25% |\n\n> 特征 11、12 对应 2026 年 7 月\"黑灰产\"专项整治重点，建议纳入评分模型。\n\n#### 欺诈风险量化评分模型\n\n```python\n# Fraud Risk Scoring Model (simplified / 简化示例）\ndef fraud_score(case):\n    score = 0\n    \n    # 等待期观察（权重30%）\n    if case.waiting_period_days < 30:\n        score += 30\n    elif case.waiting_period_days < 90:\n        score += 15\n    \n    # 投保保额异常（权重25%）\n    if case.coverage_to_income_ratio > 10:\n        score += 25\n    elif case.coverage_to_income_ratio > 5:\n        score += 15\n    \n    # 就诊医院异常（权重20%）\n    if case.hospital_fraud_history:\n        score += 20\n    elif case.is_chain_hospital == False and case.amount > 50000:\n        score += 10\n    \n    # 既往理赔记录（权重15%）\n    if case.past_fraud_record:\n        score += 15\n    elif case.past_claim_count > 5:\n        score += 8\n    \n    # 同案关联（权重10%）\n    if case.linked_to_suspected_cases:\n        score += 10\n    \n    # 返回风险等级\n    if score >= 60: return \"HIGH_RISK - 立即调查\"\n    elif score >= 30: return \"MEDIUM_RISK - 重点审核\"\n    else: return \"LOW_RISK - 正常流程\"\n```\n\n### 3. Underwriting Risk Control / 核保风控体系\n\n#### 核保风险分级表\n\n| 风险等级 | 评估条件 | 核保决策 | 附加条件 | 典型案例 | 反欺诈关注点 |\n|---------|---------|---------|---------|---------|-------------|\n| **标准体** | 健康告知全否、无异常记录 | 标准承保 | - | 30岁男性，体检无异常，投保重疾险50万 | 关注是否短期内多家投保叠加保额 |\n| **次标准体A** | 轻微异常（BMI偏高/脂肪肝） | 加费承保 | +10%-30%保费 | BMI 29 伴轻度脂肪肝，重疾险加费15% | 核保资料是否由本人真实体检产生 |\n| **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 | 高血压2级，加费30%并除外脑血管疾病 | 关注是否隐瞒并发症就诊史 |\n| **延期体** | 病情不稳定或待确诊 | 延期观察 | 6-12个月后重核 | 肺结节待定性，延期6个月复查 | 防止带病急于投保，关注多家同期投保 |\n| **拒保体** | 重大既往症/高风险职业 | 拒保 | 不予承保 | 已确诊恶性肿瘤、或地下采矿作业 | 若已承保后发现，核查投保时告知义务履行情况 |\n\n**核保环节反欺诈要点**\n- **保额叠加核查**：单一公司风险可控，但多家公司累计保额可能畸高，须查银保信累计保额。\n- **告知一致性核查**：同一被保险人不同投保单的健康告知应一致，出现矛盾即为高风险信号。\n- **财务核保**：保额与收入/资产不匹配时，需核验收入证明真实性，而非仅依赖申报值。\n\n### 4. Fraud Investigation Workflow / 欺诈案件调查流程\n\n```text\n受理报案\n    ↓\n初步审核（24小时内）\n  ├─ 资料完整性检查\n  ├─ 基本逻辑校验\n  └─ 欺诈特征快速筛查（AI模型打分）\n         ↓\n风险分级\n  ├─ LOW_RISK → 正常理赔流程\n  ├─ MEDIUM_RISK → 理赔调查（7天内）\n  └─ HIGH_RISK → 深度调查+报案\n         ↓\n调查阶段\n  ├─ 医疗数据核实（医保/医院调取）\n  ├─ 既往投保记录查询（银保信平台）\n  ├─ 现场走访/面访\n  └─ 第三方数据核查（大数据风控）\n         ↓\n结论处置\n  ├─ 正常赔付 → 快速支付\n  ├─ 协议赔付 → 减少金额达成和解\n  ├─ 拒赔处理 → 发拒赔通知+说明\n  └─ 报案追究 → 移送公安（涉嫌犯罪）\n```\n\n### 5. Anti-Fraud Capability Benchmark / 反欺诈能力建设\n\n| 指标 | 行业平均水平 | 先进水平 | 说明 | 提升路径 |\n|------|------------|---------|------|---------|\n| **欺诈渗漏率** | 15%-20% | <5% | 欺诈+渗漏（过度理赔）占保费比例 | 受理环节前置实时校验 + 高风险病种费用基准库 |\n| **欺诈识别率** | 30%-40% | >70% | 实际欺诈案件中被识别的比例 | 规则引擎与无监督模型双轨；团伙类引入图谱 |\n| **案件调查周期** | 15-30天 | <7天 | 从报案到结论 | 调查任务分派自动化；外部数据接口直连 |\n| **模型命中准确率** | 40%-50% | >75% | 模型判高风险中确为欺诈的比例 | 用调查结果回流做样本标注，季度重训 |\n| **万元以下小额欺诈拦截率** | <20% | >50% | 小额高频欺诈的拦截能力 | 免赔额临界点检测 + 时序频次分析 |\n\n### 5. 黑灰产打击专项 / \"黑灰产\" Insurance Crime Crackdown\n\n#### 2026年金融领域黑灰产打击重点\n\n| 黑产类型 | 作案方式 | 识别特征 | 打击措施 | 涉案险种 | 数据依赖 |\n|---------|---------|---------|---------|---------|---------|\n| **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 | 意外险、医疗险 | 设备指纹、关系图谱、位置数据 |\n| **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 | 医疗险、重疾险 | 医保结算数据、医院病案 |\n| **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 | 全险种 | 代理人名录、投诉文本相似度 |\n| **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 | 退货运费险、履约险 | 电商交易与物流数据 |\n| **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 | 寿险、年金险 | 反洗钱名单、资金流水 |\n| **代理退保/代理维权** | 以\"全额退保\"为名收取高额手续费，模板化投诉施压 | 投诉文本高度雷同、委托人无合法资质、话术模板化 | 委托人资质核查+投诉文本聚类，涉嫌犯罪的移送公安 | 寿险、长期健康险 | 投诉工单文本、通话录音质检 |\n| **虚假伤残鉴定** | 与鉴定机构串通放大伤残等级 | 鉴定结论与影像资料不符、机构集中度异常 | 鉴定机构白名单+影像复核+重新鉴定 | 意外险、责任险 | 鉴定机构名录、影像资料 |\n\n#### 黑名单管理体系\n\n```python\n# 黑名单多维度关联查询框架\ndef blacklist_check(claimant_info):\n    checks = {\n        \"银保信欺诈黑名单\": query_nfra_blacklist(claimant_info.id),\n        \"公安人口信息核查\": query_police_id(claimant_info.id),\n        \"医保异常名单\": query_medical_insurance(claimant_info.id),\n        \"法院失信被执行人\": query_court_dishonesty(claimant_info.id),\n        \"跨公司理赔记录\": query_cross_company_claims(claimant_info.id),\n        \"设备指纹关联\": query_device_fingerprint(claimant_info.device_id),\n        \"关联人身份\": query_related_persons(claimant_info.id),\n    }\n    hit_count = sum(1 for v in checks.values() if v.is_hit)\n    risk_level = \"HIGH\" if hit_count >= 3 else \"MEDIUM\" if hit_count >= 1 else \"LOW\"\n    return {\"checks\": checks, \"hit_count\": hit_count, \"risk_level\": risk_level}\n```\n\n### 6. AI-Driven Anti-Fraud Technology / AI大数据反欺诈技术\n\n#### 主流反欺诈建模技术栈\n\n| 技术 | 应用场景 | 效果 | 数据要求 | 落地难点 |\n|------|---------|------|---------|---------|\n| **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 | 需构建手机号/设备/银行账号/地址多类型关系边 | 图规模大、训练成本高；需先有疑似标签做半监督 |\n| **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 | 数值型特征为主，无需欺诈标签 | 可解释性差，难直接支撑拒赔决策 |\n| **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% | OCR 结构化后的票据与病历文本 | 医疗术语与版式多样，需持续标注迭代 |\n| **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 | 需在合规授权下采集设备与网络标识 | 涉及个人信息，须明示同意并最小化采集 |\n| **时序行为分析** | 投保→理赔时间序列异常 | 等待期欺诈识别 | 投保、缴费、报案、理赔全链路时间戳 | 数据分散在多个系统，需先打通主键 |\n| **多模态大模型复核** | 影像资料、伤情照片与诊断结论一致性核对 | 减少人工复核工作量 | 影像文件 + 结构化诊断信息 | 结论仅作辅助提示，不得单独作为拒赔依据 |\n\n---\n\n## 典型案例 / Case Studies\n\n> 以下案例为公开裁判文书与监管通报改编，用于说明识别思路，不涉及具体机构与个人。\n\n**案例 1：等待期穿透型带病投保（健康险）**\n- 情形：投保人 2026-03-01 投保重疾险 50 万，2026-04-10（等待期 90 天未满）即确诊甲状腺癌并申请理赔。\n- 命中特征：特征 1（等待期刚过集中出险）+ 特征 2（健康告知全\"否\"）。\n- 核查动作：调取医保就诊记录，发现投保前 2 个月已有甲状腺结节超声检查及穿刺医嘱。\n- 评分：等待期 30 分 + 保额收入比 15 分 + 既往记录 15 分 = 60 分 → **HIGH_RISK**。\n- 处置：启动深度调查，核实投保时告知义务履行情况，按《保险法》第十六条处理。\n\n**案例 2：中介代办型团伙骗保（意外险）**\n- 情形：某月内 23 起意外伤残理赔，材料格式高度一致，均由同一家法律咨询公司代理。\n- 命中特征：特征 5（团伙作案）+ 特征 12（虚假伤残鉴定）。\n- 核查动作：关系图谱聚类发现 23 名被保险人在 3 个月内共用 4 个联系电话；伤残鉴定均出自同一家机构。\n- 评分：团伙 20 分 + 虚假鉴定 25 分 + 同案关联 10 分 = 55 分，叠加图谱强关联后上调至 **HIGH_RISK**。\n- 处置：整批案件并案调查，向监管部门报送线索并移送公安。\n\n**案例 3：跨机构重复索赔（医疗险）**\n- 情形：被保险人在 3 家公司各投保医疗险，同一次住院分别索赔，合计赔付超过实际自付金额。\n- 命中特征：特征 8（跨公司重复索赔）+ 特征 4（过度医疗）。\n- 核查动作：银保信跨机构理赔记录查询确认 3 笔重复赔付；费用清单存在大量与本次诊断无关的检查项目。\n- 处置：按保险补偿原则追回超额部分，纳入跨机构关注名单。\n\n**案例 4：代理退保黑产（寿险）**\n- 情形：一周内收到 17 份投诉，均要求\"全额退保\"，文本结构与措辞高度雷同，委托人非律师。\n- 命中特征：特征 11（代理维权介入）。\n- 核查动作：投诉文本相似度聚类（相似度 > 0.9）；核查委托人资质，发现收取 30% 手续费的中介。\n- 处置：与本人直接核实意愿，拒绝无资质代理，涉嫌违法犯罪的移送公安。\n\n---\n\n## Reference Files / 参考文件\n\n| File / 文件 | Content / 内容说明 |\n|------|---------|\n| `references/anti_fraud_guide.md` | 反欺诈工作办法解读 + 各险种欺诈特征详解 |\n| `references/underwriting_risk_assessment.md` | 核保风控体系，含风险分级表和异常标记规则 |\n| `references/claim_investigation_sop.md` | 理赔欺诈调查 SOP，含调查话术和流程图 |\n| `references/fraud_case_study.md` | 典型欺诈案例分析（含真实案例改编） |\n| `references/data_model_guide.md` | 反欺诈数据模型构建指南，含评分卡示例 |\n\nFile v5.0.3:_meta.json\n\n{\n  \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n  \"slug\": \"insurance-anti-fraud\",\n  \"version\": \"5.0.3\",\n  \"publishedAt\": 1788187232466\n}\n\nFile v5.0.3:skill-card.md\n\n## Description:\n\nAI-powered insurance anti-fraud analysis skill for identifying insurance fraud signals, scoring claim and underwriting risk, guiding investigation workflows, and reviewing China-focused anti-fraud controls.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[gechengling](https://clawhub.ai/user/gechengling)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nInsurance claims, risk control, underwriting, investigation, and compliance teams use this skill as an analytical checklist for fraud detection, risk scoring, investigation planning, and anti-fraud capability assessment. Outputs require qualified human review before claim, underwriting, reporting, referral, or enforcement decisions.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: The skill discusses workflows involving sensitive insurance, medical, identity, device, and law-enforcement-related data.\n\nMitigation: Use it only as a checklist or analytical aid, ensure any real data access is legally authorized and minimized, and keep final claim, underwriting, reporting, or referral decisions under qualified human review.\n\nRisk: Reference guidance could be mistaken for final financial, legal, insurance, or enforcement advice.\n\nMitigation: Require qualified human review before applying outputs to claim, underwriting, reporting, referral, or enforcement decisions.\n\n## Reference(s):\n\n\n## Skill Output:\n\n**Output Type(s):** [text, markdown, code, guidance]\n\n**Output Format:** [Markdown guidance with tables, checklists, workflow outlines, and illustrative code snippets]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Reference-only analytical output; no executable components are bundled.]\n\n## Skill Version(s):\n\n5.0.3 (source: frontmatter and server release evidence)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nArchive v2.1.1: 6 files, 14280 bytes\n\nFiles: README.md (3635b), references/anti_fraud_guide.md (5741b), references/underwriting_risk_assessment.md (3777b), skill-card.md (2335b), SKILL.md (14109b), _meta.json (139b)\n\nFile v2.1.1:SKILL.md\n\n---\r\nname: Insurance Anti-Fraud Expert\r\ndescription: 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.\r\nslug: insurance-anti-fraud\r\nversion: 2.1.1\r\n\r\ncapabilities:\r\n  - educational-reference\r\n  - advisory-only\r\n  - requires-human-review\r\n  - no-executable-code\r\n---\r\n\r\n# Insurance Anti-Fraud Expert / 保险反欺诈分析专家\r\n\r\n> **⚠️ SECURITY NOTICE / 安全声明**\r\n> - **Type:** Educational reference / analytical framework ONLY\r\n> - **No executable code, scripts, or binaries are included in this skill**\r\n> - **No persistent storage, network calls, background execution, or credential collection**\r\n> - **All outputs are for reference only and require human review before real-world application**\r\n> - **This skill does NOT provide financial, legal, or insurance advice**\r\n> - **Users must exercise their own judgment and consult qualified professionals**\r\n\r\n\r\n\r\n> **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.\r\n>\r\n> **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。\r\n\r\n---\r\n\r\n## Trigger Keywords / 触发关键词\r\n\r\n**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\r\n\r\n**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\r\n\r\n---\r\n\r\n\r\n### 保险监管最新动态 [2026-06-28更新]\r\n\r\n| 动态类型 | 内容摘要 | 发布时间 | 影响范围 |\r\n|---------|---------|---------|---------|\r\n| 监管发布 | 金融监管总局发布《关于银行业保险业人工智能安全开发应用的指导意见》，界定承保理赔、风险管理等为AI高风险应用场景 | 2026-06-18 | 保险AI应用合规与风险管控 |\r\n| 监管计划 | NFRA发布《2026年规章制定工作计划》：保险资金运用管理办法、偿付能力管理办法纳入修订，流动性风险、网络安全管理办法新制定 | 2026-06-23 | 保险监管全链条 |\r\n| 监管施行 | NFRA 2026年第2号令《银行保险机构许可证管理办法》6月1日起施行，取消保险许可证统一为金融许可证 | 2026-06-01 | 保险业务资质与合规管理 |\r\n\r\n> **数据截止**: 2026-06-28 | 来源：国家金融监督管理总局、行业公开信息\r\n> **声明**: 以上动态供参考，具体以官方最新发布为准\r\n\r\n## Core Capabilities / 核心能力\r\n\r\n### 0. 最新监管动态（截至2026年6月）\r\n\r\n| 时间 | 事项 | 反欺诈影响 |\r\n|------|------|---------|\r\n| **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 |\r\n| **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 |\r\n| **2026年6月** | NFRA第2号令：许可证管理办法施行，取消保险许可证统一金融许可证 | 反欺诈内控需纳入许可证管理合规要求 |\r\n| **2026年Q1** | 监管处罚个人追责条款落地，分级分类处罚标准实施 | 反欺诈履职不到位可被个人追责 |\r\n| **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 |\r\n| **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 |\r\n\r\n### 1. Regulatory Framework: Anti-Insurance Fraud Measures / 监管框架：《反保险欺诈工作办法》全解\r\n\r\n**法规来源**：国家金融监督管理总局，2024年7月22日发布实施\r\n\r\n#### 四位一体反欺诈工作体系\r\n\r\n```text\r\n┌─────────────────────────────────────────────────┐\r\n│                   四位一体体系                        │\r\n├─────────────────────────────────────────────────┤\r\n│  ① 行业反欺诈：银保信/精算师协会/保险行业协会协同    │\r\n│  ② 公司主体责任：各保险公司反欺诈组织架构           │\r\n│  ③ 公安司法机关：涉嫌犯罪的移送公安                │\r\n│  ④ 监管部门：日常监管+专项检查+处罚                │\r\n└─────────────────────────────────────────────────┘\r\n```\r\n\r\n#### 欺诈类型分类\r\n\r\n| 类型 | 定义 | 典型场景 | 涉案险种 |\r\n|------|------|---------|---------|\r\n| **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 |\r\n| **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 |\r\n| **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 |\r\n| **内部欺诈** | 内部人员参与 | 内外勾结、虚假理赔 | 各险种 |\r\n| **洗钱型欺诈** | 借保险洗白资金 | 趸交高额寿险退保 | 寿险 |\r\n\r\n### 2. Claims Fraud Identification Engine / 理赔欺诈识别引擎\r\n\r\n#### 健康险理赔欺诈十大特征\r\n\r\n| 特征序号 | 欺诈特征 | 识别信号 |\r\n|---------|---------|---------|\r\n| 1 | **短时间内集中投保** | 等待期刚过即集中大量理赔 |\r\n| 2 | **带病投保隐瞒病史** | 健康告知全为\"否\"，理赔时发现既往症 |\r\n| 3 | **虚假医院就诊** | 病历签名笔迹不一致、无实际治疗记录 |\r\n| 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 |\r\n| 5 | **团伙作案特征** | 同一天、同一家医院、同一病种的群体报案 |\r\n| 6 | **非正常高保额** | 收入与投保金额严重不符（意外险高保额） |\r\n| 7 | **频繁小额理赔** | 利用免赔额规则反复小额索赔 |\r\n| 8 | **跨公司重复索赔** | 利用信息不对称在多家公司重复索赔 |\r\n| 9 | **职业骗保** | 特定高风险职业频繁出险（矿工/高危行业） |\r\n| 10 | **重大事故造假** | 死亡/伤残事故真实性存疑 |\r\n\r\n#### 欺诈风险量化评分模型\r\n\r\n```python\r\n# Fraud Risk Scoring Model (simplified / 简化示例）\r\ndef fraud_score(case):\r\n    score = 0\r\n    \r\n    # 等待期观察（权重30%）\r\n    if case.waiting_period_days < 30:\r\n        score += 30\r\n    elif case.waiting_period_days < 90:\r\n        score += 15\r\n    \r\n    # 投保保额异常（权重25%）\r\n    if case.coverage_to_income_ratio > 10:\r\n        score += 25\r\n    elif case.coverage_to_income_ratio > 5:\r\n        score += 15\r\n    \r\n    # 就诊医院异常（权重20%）\r\n    if case.hospital_fraud_history:\r\n        score += 20\r\n    elif case.is_chain_hospital == False and case.amount > 50000:\r\n        score += 10\r\n    \r\n    # 既往理赔记录（权重15%）\r\n    if case.past_fraud_record:\r\n        score += 15\r\n    elif case.past_claim_count > 5:\r\n        score += 8\r\n    \r\n    # 同案关联（权重10%）\r\n    if case.linked_to_suspected_cases:\r\n        score += 10\r\n    \r\n    # 返回风险等级\r\n    if score >= 60: return \"HIGH_RISK - 立即调查\"\r\n    elif score >= 30: return \"MEDIUM_RISK - 重点审核\"\r\n    else: return \"LOW_RISK - 正常流程\"\r\n```\r\n\r\n### 3. Underwriting Risk Control / 核保风控体系\r\n\r\n#### 核保风险分级表\r\n\r\n| 风险等级 | 评估条件 | 核保决策 | 附加条件 |\r\n|---------|---------|---------|---------|\r\n| **标准体** | 健康告知全否、无异常记录 | 标准承保 | - |\r\n| **次标准体A** | 轻微异常（BMI偏高/脂肪肝） | 加费承保 | +10%-30%保费 |\r\n| **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 |\r\n| **延期体** | 病情不稳定或待确诊 | 延期观察 | 6-12个月后重核 |\r\n| **拒保体** | 重大既往症/高风险职业 | 拒保 | 不予承保 |\r\n\r\n### 4. Fraud Investigation Workflow / 欺诈案件调查流程\r\n\r\n```text\r\n受理报案\r\n    ↓\r\n初步审核（24小时内）\r\n  ├─ 资料完整性检查\r\n  ├─ 基本逻辑校验\r\n  └─ 欺诈特征快速筛查（AI模型打分）\r\n         ↓\r\n风险分级\r\n  ├─ LOW_RISK → 正常理赔流程\r\n  ├─ MEDIUM_RISK → 理赔调查（7天内）\r\n  └─ HIGH_RISK → 深度调查+报案\r\n         ↓\r\n调查阶段\r\n  ├─ 医疗数据核实（医保/医院调取）\r\n  ├─ 既往投保记录查询（银保信平台）\r\n  ├─ 现场走访/面访\r\n  └─ 第三方数据核查（大数据风控）\r\n         ↓\r\n结论处置\r\n  ├─ 正常赔付 → 快速支付\r\n  ├─ 协议赔付 → 减少金额达成和解\r\n  ├─ 拒赔处理 → 发拒赔通知+说明\r\n  └─ 报案追究 → 移送公安（涉嫌犯罪）\r\n```\r\n\r\n### 5. Anti-Fraud Capability Benchmark / 反欺诈能力建设\r\n\r\n| 指标 | 行业平均水平 | 先进水平 | 说明 |\r\n|------|------------|---------|------|\r\n| **欺诈渗漏率** | 15%-20% | <5% | 欺诈+渗漏（过度理赔）占保费比例 |\r\n| **欺诈识别率** | 30%-40% | >70% | 实际欺诈案件中被识别的比例 |\r\n| **案件调查周期** | 15-30天 | <7天 | 从报案到结论 |\r\n\r\n### 5. 黑灰产打击专项 / \"黑灰产\" Insurance Crime Crackdown|\r\n\r\n#### 2026年金融领域黑灰产打击重点\r\n\r\n| 黑产类型 | 作案方式 | 识别特征 | 打击措施 |\r\n|---------|---------|---------|---------|\r\n| **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 |\r\n| **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 |\r\n| **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 |\r\n| **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 |\r\n| **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 |\r\n\r\n#### 黑名单管理体系\r\n\r\n```python\r\n# 黑名单多维度关联查询框架\r\ndef blacklist_check(claimant_info):\r\n    checks = {\r\n        \"银保信欺诈黑名单\": query_nfra_blacklist(claimant_info.id),\r\n        \"公安人口信息核查\": query_police_id(claimant_info.id),\r\n        \"医保异常名单\": query_medical_insurance(claimant_info.id),\r\n        \"法院失信被执行人\": query_court_dishonesty(claimant_info.id),\r\n        \"跨公司理赔记录\": query_cross_company_claims(claimant_info.id),\r\n        \"设备指纹关联\": query_device_fingerprint(claimant_info.device_id),\r\n        \"关联人身份\": query_related_persons(claimant_info.id),\r\n    }\r\n    hit_count = sum(1 for v in checks.values() if v.is_hit)\r\n    risk_level = \"HIGH\" if hit_count >= 3 else \"MEDIUM\" if hit_count >= 1 else \"LOW\"\r\n    return {\"checks\": checks, \"hit_count\": hit_count, \"risk_level\": risk_level}\r\n```\r\n\r\n### 6. AI-Driven Anti-Fraud Technology / AI大数据反欺诈技术|\r\n\r\n#### 主流反欺诈建模技术栈\r\n\r\n| 技术 | 应用场景 | 效果 |\r\n|------|---------|------|\r\n| **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 |\r\n| **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 |\r\n| **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% |\r\n| **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 |\r\n| **时序行为分析** | 投保→理赔时间序列异常 | 等待期欺诈识别 |\r\n\r\n---\r\n\r\n## Reference Files / 参考文件\r\n\r\n| File / 文件 | Content / 内容说明 |\r\n|------|---------|\r\n| `references/anti_fraud_guide.md` | 反欺诈工作办法解读 + 各险种欺诈特征详解 |\r\n| `references/underwriting_risk_assessment.md` | 核保风控体系，含风险分级表和异常标记规则 |\r\n| `references/claim_investigation_sop.md` | 理赔欺诈调查 SOP，含调查话术和流程图 |\r\n| `references/fraud_case_study.md` | 典型欺诈案例分析（含真实案例改编） |\r\n| `references/data_model_guide.md` | 反欺诈数据模型构建指南，含评分卡示例 |\n\nFile v2.1.1:README.md\n\n# Insurance Anti-Fraud Expert / 保险反欺诈分析专家#\r\n\r\n> **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.\r\n\r\n**Keywords:** insurance fraud, anti-fraud, claims fraud, risk control, underwriting, insurance crime, CBIRC, China insurance*\r\n\r\n## ✨ Features#\r\n\r\n- ✅ **CBIRC Anti-Fraud Framework** — 4-pillar anti-fraud system (industry/company responsibility/judicial/regulatory)\r\n- ✅ **Claims Fraud Identification Engine** — 10 fraud features with identification signals + quantitative scoring model (Python)*\r\n- ✅ **Underwriting Risk Control System** — 5-tier risk classification table + abnormal marking rules*\r\n- ✅ **Fraud Investigation Workflow** — standard SOP from report → preliminary review → risk grading → investigation → conclusion*\r\n- ✅ **Big Data Anti-Fraud Tech** — ML model, relationship graph, medical data integration, OCR, NLP applications*\r\n\r\n## 🚀 Quick Start#\r\n\r\n```bash\r\n# Install this skill\r\nnpx clawhub install @gechengling/insurance-anti-fraud\r\n\r\n# Use in WorkBuddy\r\n/insurance-anti-fraud \"Analyze this claim case for fraud risk\"\r\n/insurance-anti-fraud \"Generate fraud risk scoring for these 10 cases\"\r\n```\r\n\r\n---\r\n\r\n> **中文介绍：** 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。\r\n\r\n**关键词：** 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*\r\n\r\n## ✨ 核心功能#\r\n\r\n- ✅ **四位一体反欺诈工作体系** — 行业/公司主体责任/公安司法/监管部门协同*\r\n- ✅ **理赔欺诈识别引擎** — 10大欺诈特征 + 量化评分模型（Python代码）*\r\n- ✅ **核保风控体系** — 5级风险分级表 + 异常标记规则（高风险/中风险触发条件）*\r\n- ✅ **欺诈案件调查流程** — 报案→初步审核→风险分级→调查→结论处置（正常/协议/拒赔/报案）*\r\n- ✅ **反欺诈能力建设** — 欺诈渗漏率基准、大数据反欺诈技术应用（机器学习/关系图谱/NLP）*\r\n\r\n## 🚀 快速上手#\r\n\r\n```bash\r\n# 安装此技能\r\nnpx clawhub install @gechengling/insurance-anti-fraud\r\n\r\n# 在WorkBuddy中使用\r\n/insurance-anti-fraud \"分析这个理赔案件的欺诈风险\"\r\n/insurance-anti-fraud \"为这10个案件生成欺诈风险评分\"\r\n```\r\n\r\n## 📖 What's Included / 包含内容#\r\n\r\n| File / 文件 | Content / 内容说明 |\r\n|------|---------|\r\n| `SKILL.md` | Full skill definition / 完整技能定义 |\r\n| `references/anti_fraud_guide.md` | 反欺诈工作办法解读 + 各险种欺诈特征详解 |\r\n| `references/underwriting_risk_assessment.md` | 核保风控体系，含风险分级表和异常标记规则 |\r\n| `references/claim_investigation_sop.md` | 理赔欺诈调查SOP，含调查话术和流程图 |\r\n| `references/fraud_case_study.md` | 典型欺诈案例分析（含真实案例改编） |\n\nFile v2.1.1:_meta.json\n\n{\n  \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n  \"slug\": \"insurance-anti-fraud\",\n  \"version\": \"2.1.1\",\n  \"publishedAt\": 1782652260552\n}\n\nFile v2.1.1:references/anti_fraud_guide.md\n\n# 反保险欺诈工作办法解读与各险种欺诈特征\r\n\r\n> 本文件为 `insurance-anti-fraud` Skill 配套参考\r\n\r\n## 一、《反保险欺诈工作办法》核心内容（2024年）\r\n\r\n**发布机构**：国家金融监督管理总局\r\n**实施时间**：2024年7月22日\r\n\r\n### 1.1 四位一体工作体系\r\n\r\n```\r\n┌─────────────────────────────────────────────────────┐\r\n│                   四位一体体系                        │\r\n├─────────────────────────────────────────────────────┤\r\n│ ① 行业协作：银保信平台 + 精算师协会 + 保险行业协会   │\r\n│ ② 公司主体：各保险公司建立反欺诈组织和内控制度       │\r\n│ ③ 司法联动：涉嫌犯罪的案件移送公安/检察机关          │\r\n│ ④ 监管约束：日常监管 + 专项检查 + 行政处罚           │\r\n└─────────────────────────────────────────────────────┘\r\n```\r\n\r\n### 1.2 保险公司主体责任清单\r\n\r\n| 责任 | 具体要求 |\r\n|------|---------|\r\n| 组织架构 | 建立反欺诈部门或岗位，指定高管负责 |\r\n| 制度建设 | 制定反欺诈管理制度和操作规程 |\r\n| 系统建设 | 建立欺诈风险识别和预警系统 |\r\n| 人员培训 | 定期开展反欺诈培训和考核 |\r\n| 信息报送 | 定期向监管部门报送欺诈数据 |\r\n| 案件处置 | 配合司法调查，主动报案 |\r\n\r\n### 1.3 欺诈渗漏率基准\r\n\r\n- 行业平均欺诈渗漏率：**15%-20%**\r\n- 先进水平（优秀公司）：**<5%**\r\n- 差距来源：技术投入不足、数据孤岛、调查能力弱\r\n\r\n## 二、各险种欺诈特征详解\r\n\r\n### 2.1 重疾险欺诈十大特征\r\n\r\n| 特征 | 描述 | 核查方法 |\r\n|------|------|---------|\r\n| 带病投保 | 健康告知全为\"否\"，理赔时发现既往症 | 调取体检记录、医保数据 |\r\n| 虚假诊断 | 伪造重大疾病诊断证明 | 医院核查、专家会诊 |\r\n| 夸大病情 | 轻症夸大成重疾 | 病理报告复查 |\r\n| 等待期出险 | 等待期刚过即集中报案 | 核查投保时间与发病时间 |\r\n| 团伙作案 | 多人同时投保同家公司同种重疾 | 关联案件分析 |\r\n| 重复索赔 | 多家保险公司重复申请同种重疾 | 银保信数据查询 |\r\n| 高额保额 | 低收入人群购买超高保额 | 财务证明核查 |\r\n| 指定受益人异常 | 受益人为陌生人或存在债务关系 | 受益人关系调查 |\r\n| 病历造假 | 病历签名笔迹不一致 | 笔迹鉴定 |\r\n| 恶意投保 | 明知已患重疾后投保 | 全行业投保记录协查 |\r\n\r\n### 2.2 医疗险欺诈特征\r\n\r\n| 欺诈类型 | 具体手法 | 识别信号 |\r\n|---------|---------|---------|\r\n| 虚增费用 | 医疗费用虚高，超出正常水平 | 费用合理性分析，对标同类医院 |\r\n| 挂床住院 | 办理住院但实际未住院 | 住院日志核查、病房查房记录 |\r\n| 过度医疗 | 不必要的检查和治疗 | 临床路径核查 |\r\n| 冒名顶替 | 非被保险人就医 | 核验身份信息 |\r\n| 虚假病历 | 伪造住院记录、诊断证明 | 医院直接核查 |\r\n| 机构合谋 | 医院与患者联手造假 | 异常医院黑名单库 |\r\n| 倒卖保单 | 收购他人保单申请理赔 | 频繁更换受益人 |\r\n\r\n### 2.3 意外险欺诈特征\r\n\r\n| 欺诈类型 | 具体手法 | 识别信号 |\r\n|---------|---------|---------|\r\n| 伪造事故 | 虚构意外事故经过 | 事故现场勘查、监控调取 |\r\n| 制造意外 | 故意制造意外事故 | 事故合理性分析 |\r\n| 酒后顶包 | 酒驾后找人顶替报案 | 笔录矛盾点 |\r\n| 高危职业虚假 | 投保时隐瞒高危职业 | 职业核实 |\r\n| 死亡骗保 | 故意杀害被保险人 | 刑侦介入调查 |\r\n| 自残骗保 | 故意自残获取意外赔偿 | 伤情与事故不符 |\r\n\r\n### 2.4 车险欺诈特征（补充参考）\r\n\r\n| 欺诈类型 | 描述 |\r\n|---------|------|\r\n| 故意碰撞 | 利用修车厂实施有预谋的车辆碰撞 |\r\n| 扩大损失 | 小刮蹭夸大维修范围 |\r\n| 虚假三者 | 编造不存在的第三方受害者 |\r\n| 重复索赔 | 已赔付案件再次索赔 |\r\n| 酒驾顶包 | 酒驾事故找人顶替 |\r\n| 套牌骗赔 | 使用假车牌或套牌车索赔 |\r\n\r\n## 三、欺诈风险评分卡\r\n\r\n### 3.1 健康险欺诈评分（0-100分）\r\n\r\n| 评分项 | 分值范围 | 评分规则 |\r\n|--------|---------|---------|\r\n| 等待期 | 0-30分 | 等待期≤30天=30分，31-90天=15分，>90天=0分 |\r\n| 保额收入比 | 0-25分 | >20倍=25分，10-20倍=15分，<10倍=0分 |\r\n| 医院欺诈历史 | 0-20分 | 该医院有欺诈记录=20分，核查难度高=10分，正常=0分 |\r\n| 既往索赔记录 | 0-15分 | 有拒赔/欺诈记录=15分，多次索赔=8分，首次=0分 |\r\n| 同案关联 | 0-10分 | 与疑似欺诈案件关联=10分，正常=0分 |\r\n\r\n**风险等级**：\r\n- ≥60分：**HIGH_RISK** → 立即启动深度调查，必要时报案\r\n- 30-59分：**MEDIUM_RISK** → 重点审核，补充调查材料\r\n- <30分：**LOW_RISK** → 正常理赔流程\r\n\r\n## 四、大数据反欺诈技术路线\r\n\r\n| 技术 | 应用场景 | 预期效果 |\r\n|------|---------|---------|\r\n| 机器学习评分 | 理赔欺诈评分 | 识别准确率提升30%-50% |\r\n| 关系图谱 | 团伙欺诈识别 | 发现隐藏关联关系 |\r\n| 自然语言处理 | 病历真实性分析 | 识别虚假病历 |\r\n| 声纹/OCR | 身份核实 | 防冒名顶替 |\r\n| 知识图谱 | 反向骗保识别 | 发现异常投保行为 |\n\nFile v2.1.1:references/underwriting_risk_assessment.md\n\n# 核保风控体系与异常标记规则\r\n\r\n> 本文件为 `insurance-anti-fraud` Skill 配套参考\r\n\r\n## 一、核保风险分级标准\r\n\r\n### 1.1 寿险核保风险等级\r\n\r\n| 风险等级 | 评估条件 | 核保结论 | 附加条件 |\r\n|---------|---------|---------|---------|\r\n| **标准体（Preferred）** | 完全健康告知、无异常、无家族风险 | 标准承保 | 无 |\r\n| **次标准体A** | 轻微异常（超重10%内、脂肪肝早期） | 加费承保 | 保费+10%-30% |\r\n| **次标准体B** | 中等异常（高血压控制良好、糖尿病早期） | 有条件承保 | 除外责任+加费 |\r\n| **延期体** | 病情不稳定、待确诊 | 延期观察 | 6-12个月后重核 |\r\n| **拒保体** | 重大既往症、高风险职业 | 拒保 | 不予承保 |\r\n\r\n### 1.2 常见异常核保处理\r\n\r\n| 异常情况 | 评估方法 | 核保结论 |\r\n|---------|---------|---------|\r\n| BMI 28-30 | 轻度肥胖，体检正常 | 加费10%-20% |\r\n| BMI >30 | 中重度肥胖 | 加费20%-30%或拒保 |\r\n| 轻度高血压（<160/100） | 无并发症，控制良好 | 加费15%-25% |\r\n| 重度高血压（≥160/100） | 有并发症风险 | 拒保或延期 |\r\n| 乙肝病毒携带 | 肝功能正常 | 除外承保或加费 |\r\n| 甲状腺结节 | TI-RADS分级1-2级 | 除外甲状腺癌 |\r\n| 乳腺结节 | BI-RADS分级1-2级 | 除外乳腺癌 |\r\n| 既往拒保记录 | 详细调查问卷 | 综合评估 |\r\n\r\n### 1.3 高风险职业分级（意外险）\r\n\r\n| 职业类别 | 典型职业 | 附加保费 |\r\n|---------|---------|---------|\r\n| 1类（最低风险） | 办公室职员、老师、公务员 | 0 |\r\n| 2类（低风险） | 销售员、服务员 | +20% |\r\n| 3类（中等风险） | 司机、建筑工人 | +50% |\r\n| 4类（高风险） | 电工、焊工 | +100% |\r\n| 5类（极高风险） | 矿工、悬崖作业 | +200%或拒保 |\r\n| 6类（不可保） | 试飞员、爆破工人 | 拒保 |\r\n\r\n## 二、异常标记规则（自动核保引擎）\r\n\r\n### 2.1 自动标记规则表\r\n\r\n| 异常信号 | 标记级别 | 自动动作 | 人工复核 |\r\n|---------|---------|---------|---------|\r\n| 同一天多张保单（多家公司） | 🔴HIGH | 进入反欺诈协查 | 必须 |\r\n| 高保额低净值（保额/收入>20倍） | 🔴HIGH | 要求财务证明 | 必须 |\r\n| 既往拒保/延期记录 | 🔴HIGH | 详细调查问卷 | 必须 |\r\n| 等待期≤30天+高保额 | 🔴HIGH | 深度核保 | 必须 |\r\n| 短期内多次投保健康险 | 🟡MEDIUM | 体检要求 | 建议 |\r\n| 高风险职业 | 🟡MEDIUM | 职业核保专项 | 建议 |\r\n| 既往理赔次数>5次 | 🟡MEDIUM | 历史分析报告 | 建议 |\r\n| 年龄>65岁首次投保高额寿险 | 🟡MEDIUM | 财务+健康双核 | 必须 |\r\n| 受益人关系异常 | 🟡MEDIUM | 受益人关系核实 | 必须 |\r\n| 正常告知 | 🟢LOW | 自动通过 | 无需 |\r\n\r\n### 2.2 核保决定时效标准\r\n\r\n| 案件类型 | 核保时效 | 说明 |\r\n|---------|---------|------|\r\n| 标准体 | 1个工作日 | 自动通过 |\r\n| 次标准体 | 3个工作日 | 需核保人员评估 |\r\n| 高保额件（>100万） | 5个工作日 | 体检+财务核查 |\r\n| 高风险案件 | 7个工作日 | 深度调查 |\r\n| 拒保/延期 | 3个工作日 | 需高级核保审批 |\r\n\r\n## 三、保险金额与财务核验标准\r\n\r\n| 年缴保费/家庭年收入 | 可承受保额上限参考 | 说明 |\r\n|------------------|-----------------|------|\r\n| <5% | 保额的10倍 | 国际标准 |\r\n| 5%-10% | 保额的15倍 | 合理范围 |\r\n| 10%-20% | 保额的20倍 | 上限 |\r\n| >20% | 需要财务证明 | 核查真实需求 |\r\n\r\n**常见财务核验指标**：\r\n- 年收入与累计保费比例\r\n- 职业收入合理性\r\n- 企业主资产核实（工商数据）\r\n- 关联人保费累加（配偶/子女）\n\nFile v2.1.1:skill-card.md\n\n## Description: <br>\nProvides China-oriented insurance anti-fraud reference material for claims fraud identification, underwriting risk control, investigation workflows, and compliance-oriented risk analysis. <br>\n\nThis skill is ready for commercial/non-commercial use. <br>\n\n## Publisher: <br>\n[gechengling](https://clawhub.ai/user/gechengling) <br>\n\n### License/Terms of Use: <br>\nMIT-0 <br>\n\n\n## Use Case: <br>\nInsurance claims, risk control, underwriting, and compliance teams use this skill to structure fraud-risk review, identify suspicious claim or application patterns, and prepare human-reviewed investigation guidance. <br>\n\n### Deployment Geography for Use: <br>\nGlobal <br>\n\n## Known Risks and Mitigations: <br>\nRisk: Users may treat fraud-risk guidance as legal, financial, underwriting, or claim-denial authority. <br>\nMitigation: Require qualified human review and professional judgment before using outputs in real-world insurance decisions. <br>\nRisk: Insurance review workflows can involve sensitive personal, medical, financial, or claim data. <br>\nMitigation: Minimize, redact, or avoid unnecessary sensitive data when prompting the skill and follow applicable privacy controls. <br>\nRisk: Regulatory and fraud-pattern guidance may become outdated or be wrong for a specific case. <br>\nMitigation: Verify current regulations, internal policies, and case evidence before relying on any recommendation. <br>\n\n\n## Reference(s): <br>\n- [Anti Fraud Guide](artifact/references/anti_fraud_guide.md) <br>\n- [Underwriting Risk Assessment](artifact/references/underwriting_risk_assessment.md) <br>\n\n\n## Skill Output: <br>\n**Output Type(s):** [Analysis, Markdown, Guidance] <br>\n**Output Format:** [Markdown text with risk summaries, scoring tables, checklists, and investigation guidance] <br>\n**Output Parameters:** [1D] <br>\n**Other Properties Related to Output:** [Advisory reference output that requires qualified human review before real-world use.] <br>\n\n## Skill Version(s): <br>\n2.1.1 (source: frontmatter and server release evidence) <br>\n\n## Ethical Considerations: <br>\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment. <br>\n\nArchive v2.1.0: 6 files, 13914 bytes\n\nFiles: README.md (3635b), references/anti_fraud_guide.md (5741b), references/underwriting_risk_assessment.md (3777b), skill-card.md (2538b), SKILL.md (12870b), _meta.json (139b)\n\nFile v2.1.0:SKILL.md\n\n---\nname: Insurance Anti-Fraud Expert\ndescription: 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.\nslug: insurance-anti-fraud\nversion: 2.1.0\n\ncapabilities:\n  - educational-reference\n  - advisory-only\n  - requires-human-review\n  - no-executable-code\n---\n\n# Insurance Anti-Fraud Expert / 保险反欺诈分析专家\n\n> **⚠️ SECURITY NOTICE / 安全声明**\n> - **Type:** Educational reference / analytical framework ONLY\n> - **No executable code, scripts, or binaries are included in this skill**\n> - **No persistent storage, network calls, background execution, or credential collection**\n> - **All outputs are for reference only and require human review before real-world application**\n> - **This skill does NOT provide financial, legal, or insurance advice**\n> - **Users must exercise their own judgment and consult qualified professionals**\n\n\n\n> **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.\n>\n> **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。\n\n---\n\n## Trigger Keywords / 触发关键词\n\n**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\n\n**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\n\n---\n\n## Core Capabilities / 核心能力\n\n### 0. 最新监管动态（截至2026年6月）\n\n| 时间 | 事项 | 反欺诈影响 |\n|------|------|---------|\n| **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 |\n| **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 |\n| **2026年6月** | NFRA第2号令：许可证管理办法施行，取消保险许可证统一金融许可证 | 反欺诈内控需纳入许可证管理合规要求 |\n| **2026年Q1** | 监管处罚个人追责条款落地，分级分类处罚标准实施 | 反欺诈履职不到位可被个人追责 |\n| **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 |\n| **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 |\n\n### 1. Regulatory Framework: Anti-Insurance Fraud Measures / 监管框架：《反保险欺诈工作办法》全解\n\n**法规来源**：国家金融监督管理总局，2024年7月22日发布实施\n\n#### 四位一体反欺诈工作体系\n\n```text\n┌─────────────────────────────────────────────────┐\n│                   四位一体体系                        │\n├─────────────────────────────────────────────────┤\n│  ① 行业反欺诈：银保信/精算师协会/保险行业协会协同    │\n│  ② 公司主体责任：各保险公司反欺诈组织架构           │\n│  ③ 公安司法机关：涉嫌犯罪的移送公安                │\n│  ④ 监管部门：日常监管+专项检查+处罚                │\n└─────────────────────────────────────────────────┘\n```\n\n#### 欺诈类型分类\n\n| 类型 | 定义 | 典型场景 | 涉案险种 |\n|------|------|---------|---------|\n| **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 |\n| **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 |\n| **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 |\n| **内部欺诈** | 内部人员参与 | 内外勾结、虚假理赔 | 各险种 |\n| **洗钱型欺诈** | 借保险洗白资金 | 趸交高额寿险退保 | 寿险 |\n\n### 2. Claims Fraud Identification Engine / 理赔欺诈识别引擎\n\n#### 健康险理赔欺诈十大特征\n\n| 特征序号 | 欺诈特征 | 识别信号 |\n|---------|---------|---------|\n| 1 | **短时间内集中投保** | 等待期刚过即集中大量理赔 |\n| 2 | **带病投保隐瞒病史** | 健康告知全为\"否\"，理赔时发现既往症 |\n| 3 | **虚假医院就诊** | 病历签名笔迹不一致、无实际治疗记录 |\n| 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 |\n| 5 | **团伙作案特征** | 同一天、同一家医院、同一病种的群体报案 |\n| 6 | **非正常高保额** | 收入与投保金额严重不符（意外险高保额） |\n| 7 | **频繁小额理赔** | 利用免赔额规则反复小额索赔 |\n| 8 | **跨公司重复索赔** | 利用信息不对称在多家公司重复索赔 |\n| 9 | **职业骗保** | 特定高风险职业频繁出险（矿工/高危行业） |\n| 10 | **重大事故造假** | 死亡/伤残事故真实性存疑 |\n\n#### 欺诈风险量化评分模型\n\n```python\n# Fraud Risk Scoring Model (simplified / 简化示例）\ndef fraud_score(case):\n    score = 0\n    \n    # 等待期观察（权重30%）\n    if case.waiting_period_days < 30:\n        score += 30\n    elif case.waiting_period_days < 90:\n        score += 15\n    \n    # 投保保额异常（权重25%）\n    if case.coverage_to_income_ratio > 10:\n        score += 25\n    elif case.coverage_to_income_ratio > 5:\n        score += 15\n    \n    # 就诊医院异常（权重20%）\n    if case.hospital_fraud_history:\n        score += 20\n    elif case.is_chain_hospital == False and case.amount > 50000:\n        score += 10\n    \n    # 既往理赔记录（权重15%）\n    if case.past_fraud_record:\n        score += 15\n    elif case.past_claim_count > 5:\n        score += 8\n    \n    # 同案关联（权重10%）\n    if case.linked_to_suspected_cases:\n        score += 10\n    \n    # 返回风险等级\n    if score >= 60: return \"HIGH_RISK - 立即调查\"\n    elif score >= 30: return \"MEDIUM_RISK - 重点审核\"\n    else: return \"LOW_RISK - 正常流程\"\n```\n\n### 3. Underwriting Risk Control / 核保风控体系\n\n#### 核保风险分级表\n\n| 风险等级 | 评估条件 | 核保决策 | 附加条件 |\n|---------|---------|---------|---------|\n| **标准体** | 健康告知全否、无异常记录 | 标准承保 | - |\n| **次标准体A** | 轻微异常（BMI偏高/脂肪肝） | 加费承保 | +10%-30%保费 |\n| **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 |\n| **延期体** | 病情不稳定或待确诊 | 延期观察 | 6-12个月后重核 |\n| **拒保体** | 重大既往症/高风险职业 | 拒保 | 不予承保 |\n\n### 4. Fraud Investigation Workflow / 欺诈案件调查流程\n\n```text\n受理报案\n    ↓\n初步审核（24小时内）\n  ├─ 资料完整性检查\n  ├─ 基本逻辑校验\n  └─ 欺诈特征快速筛查（AI模型打分）\n         ↓\n风险分级\n  ├─ LOW_RISK → 正常理赔流程\n  ├─ MEDIUM_RISK → 理赔调查（7天内）\n  └─ HIGH_RISK → 深度调查+报案\n         ↓\n调查阶段\n  ├─ 医疗数据核实（医保/医院调取）\n  ├─ 既往投保记录查询（银保信平台）\n  ├─ 现场走访/面访\n  └─ 第三方数据核查（大数据风控）\n         ↓\n结论处置\n  ├─ 正常赔付 → 快速支付\n  ├─ 协议赔付 → 减少金额达成和解\n  ├─ 拒赔处理 → 发拒赔通知+说明\n  └─ 报案追究 → 移送公安（涉嫌犯罪）\n```\n\n### 5. Anti-Fraud Capability Benchmark / 反欺诈能力建设\n\n| 指标 | 行业平均水平 | 先进水平 | 说明 |\n|------|------------|---------|------|\n| **欺诈渗漏率** | 15%-20% | <5% | 欺诈+渗漏（过度理赔）占保费比例 |\n| **欺诈识别率** | 30%-40% | >70% | 实际欺诈案件中被识别的比例 |\n| **案件调查周期** | 15-30天 | <7天 | 从报案到结论 |\n\n### 5. 黑灰产打击专项 / \"黑灰产\" Insurance Crime Crackdown|\n\n#### 2026年金融领域黑灰产打击重点\n\n| 黑产类型 | 作案方式 | 识别特征 | 打击措施 |\n|---------|---------|---------|---------|\n| **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 |\n| **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 |\n| **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 |\n| **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 |\n| **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 |\n\n#### 黑名单管理体系\n\n```python\n# 黑名单多维度关联查询框架\ndef blacklist_check(claimant_info):\n    checks = {\n        \"银保信欺诈黑名单\": query_nfra_blacklist(claimant_info.id),\n        \"公安人口信息核查\": query_police_id(claimant_info.id),\n        \"医保异常名单\": query_medical_insurance(claimant_info.id),\n        \"法院失信被执行人\": query_court_dishonesty(claimant_info.id),\n        \"跨公司理赔记录\": query_cross_company_claims(claimant_info.id),\n        \"设备指纹关联\": query_device_fingerprint(claimant_info.device_id),\n        \"关联人身份\": query_related_persons(claimant_info.id),\n    }\n    hit_count = sum(1 for v in checks.values() if v.is_hit)\n    risk_level = \"HIGH\" if hit_count >= 3 else \"MEDIUM\" if hit_count >= 1 else \"LOW\"\n    return {\"checks\": checks, \"hit_count\": hit_count, \"risk_level\": risk_level}\n```\n\n### 6. AI-Driven Anti-Fraud Technology / AI大数据反欺诈技术|\n\n#### 主流反欺诈建模技术栈\n\n| 技术 | 应用场景 | 效果 |\n|------|---------|------|\n| **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 |\n| **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 |\n| **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% |\n| **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 |\n| **时序行为分析** | 投保→理赔时间序列异常 | 等待期欺诈识别 |\n\n---\n\n## Reference Files / 参考文件\n\n| File / 文件 | Content / 内容说明 |\n|------|---------|\n| `references/anti_fraud_guide.md` | 反欺诈工作办法解读 + 各险种欺诈特征详解 |\n| `references/underwriting_risk_assessment.md` | 核保风控体系，含风险分级表和异常标记规则 |\n| `references/claim_investigation_sop.md` | 理赔欺诈调查 SOP，含调查话术和流程图 |\n| `references/fraud_case_study.md` | 典型欺诈案例分析（含真实案例改编） |\n| `references/data_model_guide.md` | 反欺诈数据模型构建指南，含评分卡示例 |\n\nFile v2.1.0:README.md\n\n# Insurance Anti-Fraud Expert / 保险反欺诈分析专家#\r\n\r\n> **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.\r\n\r\n**Keywords:** insurance fraud, anti-fraud, claims fraud, risk control, underwriting, insurance crime, CBIRC, China insurance*\r\n\r\n## ✨ Features#\r\n\r\n- ✅ **CBIRC Anti-Fraud Framework** — 4-pillar anti-fraud system (industry/company responsibility/judicial/regulatory)\r\n- ✅ **Claims Fraud Identification Engine** — 10 fraud features with identification signals + quantitative scoring model (Python)*\r\n- ✅ **Underwriting Risk Control System** — 5-tier risk classification table + abnormal marking rules*\r\n- ✅ **Fraud Investigation Workflow** — standard SOP from report → preliminary review → risk grading → investigation → conclusion*\r\n- ✅ **Big Data Anti-Fraud Tech** — ML model, relationship graph, medical data integration, OCR, NLP applications*\r\n\r\n## 🚀 Quick Start#\r\n\r\n```bash\r\n# Install this skill\r\nnpx clawhub install @gechengling/insurance-anti-fraud\r\n\r\n# Use in WorkBuddy\r\n/insurance-anti-fraud \"Analyze this claim case for fraud risk\"\r\n/insurance-anti-fraud \"Generate fraud risk scoring for these 10 cases\"\r\n```\r\n\r\n---\r\n\r\n> **中文介绍：** 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。\r\n\r\n**关键词：** 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*\r\n\r\n## ✨ 核心功能#\r\n\r\n- ✅ **四位一体反欺诈工作体系** — 行业/公司主体责任/公安司法/监管部门协同*\r\n- ✅ **理赔欺诈识别引擎** — 10大欺诈特征 + 量化评分模型（Python代码）*\r\n- ✅ **核保风控体系** — 5级风险分级表 + 异常标记规则（高风险/中风险触发条件）*\r\n- ✅ **欺诈案件调查流程** — 报案→初步审核→风险分级→调查→结论处置（正常/协议/拒赔/报案）*\r\n- ✅ **反欺诈能力建设** — 欺诈渗漏率基准、大数据反欺诈技术应用（机器学习/关系图谱/NLP）*\r\n\r\n## 🚀 快速上手#\r\n\r\n```bash\r\n# 安装此技能\r\nnpx clawhub install @gechengling/insurance-anti-fraud\r\n\r\n# 在WorkBuddy中使用\r\n/insurance-anti-fraud \"分析这个理赔案件的欺诈风险\"\r\n/insurance-anti-fraud \"为这10个案件生成欺诈风险评分\"\r\n```\r\n\r\n## 📖 What's Included / 包含内容#\r\n\r\n| File / 文件 | Content / 内容说明 |\r\n|------|---------|\r\n| `SKILL.md` | Full skill definition / 完整技能定义 |\r\n| `references/anti_fraud_guide.md` | 反欺诈工作办法解读 + 各险种欺诈特征详解 |\r\n| `references/underwriting_risk_assessment.md` | 核保风控体系，含风险分级表和异常标记规则 |\r\n| `references/claim_investigation_sop.md` | 理赔欺诈调查SOP，含调查话术和流程图 |\r\n| `references/fraud_case_study.md` | 典型欺诈案例分析（含真实案例改编） |\n\nFile v2.1.0:_meta.json\n\n{\n  \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n  \"slug\": \"insurance-anti-fraud\",\n  \"version\": \"2.1.0\",\n  \"publishedAt\": 1781504240669\n}\n\nFile v2.1.0:references/anti_fraud_guide.md\n\n# 反保险欺诈工作办法解读与各险种欺诈特征\r\n\r\n> 本文件为 `insurance-anti-fraud` Skill 配套参考\r\n\r\n## 一、《反保险欺诈工作办法》核心内容（2024年）\r\n\r\n**发布机构**：国家金融监督管理总局\r\n**实施时间**：2024年7月22日\r\n\r\n### 1.1 四位一体工作体系\r\n\r\n```\r\n┌─────────────────────────────────────────────────────┐\r\n│                   四位一体体系                        │\r\n├─────────────────────────────────────────────────────┤\r\n│ ① 行业协作：银保信平台 + 精算师协会 + 保险行业协会   │\r\n│ ② 公司主体：各保险公司建立反欺诈组织和内控制度       │\r\n│ ③ 司法联动：涉嫌犯罪的案件移送公安/检察机关          │\r\n│ ④ 监管约束：日常监管 + 专项检查 + 行政处罚           │\r\n└─────────────────────────────────────────────────────┘\r\n```\r\n\r\n### 1.2 保险公司主体责任清单\r\n\r\n| 责任 | 具体要求 |\r\n|------|---------|\r\n| 组织架构 | 建立反欺诈部门或岗位，指定高管负责 |\r\n| 制度建设 | 制定反欺诈管理制度和操作规程 |\r\n| 系统建设 | 建立欺诈风险识别和预警系统 |\r\n| 人员培训 | 定期开展反欺诈培训和考核 |\r\n| 信息报送 | 定期向监管部门报送欺诈数据 |\r\n| 案件处置 | 配合司法调查，主动报案 |\r\n\r\n### 1.3 欺诈渗漏率基准\r\n\r\n- 行业平均欺诈渗漏率：**15%-20%**\r\n- 先进水平（优秀公司）：**<5%**\r\n- 差距来源：技术投入不足、数据孤岛、调查能力弱\r\n\r\n## 二、各险种欺诈特征详解\r\n\r\n### 2.1 重疾险欺诈十大特征\r\n\r\n| 特征 | 描述 | 核查方法 |\r\n|------|------|---------|\r\n| 带病投保 | 健康告知全为\"否\"，理赔时发现既往症 | 调取体检记录、医保数据 |\r\n| 虚假诊断 | 伪造重大疾病诊断证明 | 医院核查、专家会诊 |\r\n| 夸大病情 | 轻症夸大成重疾 | 病理报告复查 |\r\n| 等待期出险 | 等待期刚过即集中报案 | 核查投保时间与发病时间 |\r\n| 团伙作案 | 多人同时投保同家公司同种重疾 | 关联案件分析 |\r\n| 重复索赔 | 多家保险公司重复申请同种重疾 | 银保信数据查询 |\r\n| 高额保额 | 低收入人群购买超高保额 | 财务证明核查 |\r\n| 指定受益人异常 | 受益人为陌生人或存在债务关系 | 受益人关系调查 |\r\n| 病历造假 | 病历签名笔迹不一致 | 笔迹鉴定 |\r\n| 恶意投保 | 明知已患重疾后投保 | 全行业投保记录协查 |\r\n\r\n### 2.2 医疗险欺诈特征\r\n\r\n| 欺诈类型 | 具体手法 | 识别信号 |\r\n|---------|---------|---------|\r\n| 虚增费用 | 医疗费用虚高，超出正常水平 | 费用合理性分析，对标同类医院 |\r\n| 挂床住院 | 办理住院但实际未住院 | 住院日志核查、病房查房记录 |\r\n| 过度医疗 | 不必要的检查和治疗 | 临床路径核查 |\r\n| 冒名顶替 | 非被保险人就医 | 核验身份信息 |\r\n| 虚假病历 | 伪造住院记录、诊断证明 | 医院直接核查 |\r\n| 机构合谋 | 医院与患者联手造假 | 异常医院黑名单库 |\r\n| 倒卖保单 | 收购他人保单申请理赔 | 频繁更换受益人 |\r\n\r\n### 2.3 意外险欺诈特征\r\n\r\n| 欺诈类型 | 具体手法 | 识别信号 |\r\n|---------|---------|---------|\r\n| 伪造事故 | 虚构意外事故经过 | 事故现场勘查、监控调取 |\r\n| 制造意外 | 故意制造意外事故 | 事故合理性分析 |\r\n| 酒后顶包 | 酒驾后找人顶替报案 | 笔录矛盾点 |\r\n| 高危职业虚假 | 投保时隐瞒高危职业 | 职业核实 |\r\n| 死亡骗保 | 故意杀害被保险人 | 刑侦介入调查 |\r\n| 自残骗保 | 故意自残获取意外赔偿 | 伤情与事故不符 |\r\n\r\n### 2.4 车险欺诈特征（补充参考）\r\n\r\n| 欺诈类型 | 描述 |\r\n|---------|------|\r\n| 故意碰撞 | 利用修车厂实施有预谋的车辆碰撞 |\r\n| 扩大损失 | 小刮蹭夸大维修范围 |\r\n| 虚假三者 | 编造不存在的第三方受害者 |\r\n| 重复索赔 | 已赔付案件再次索赔 |\r\n| 酒驾顶包 | 酒驾事故找人顶替 |\r\n| 套牌骗赔 | 使用假车牌或套牌车索赔 |\r\n\r\n## 三、欺诈风险评分卡\r\n\r\n### 3.1 健康险欺诈评分（0-100分）\r\n\r\n| 评分项 | 分值范围 | 评分规则 |\r\n|--------|---------|---------|\r\n| 等待期 | 0-30分 | 等待期≤30天=30分，31-90天=15分，>90天=0分 |\r\n| 保额收入比 | 0-25分 | >20倍=25分，10-20倍=15分，<10倍=0分 |\r\n| 医院欺诈历史 | 0-20分 | 该医院有欺诈记录=20分，核查难度高=10分，正常=0分 |\r\n| 既往索赔记录 | 0-15分 | 有拒赔/欺诈记录=15分，多次索赔=8分，首次=0分 |\r\n| 同案关联 | 0-10分 | 与疑似欺诈案件关联=10分，正常=0分 |\r\n\r\n**风险等级**：\r\n- ≥60分：**HIGH_RISK** → 立即启动深度调查，必要时报案\r\n- 30-59分：**MEDIUM_RISK** → 重点审核，补充调查材料\r\n- <30分：**LOW_RISK** → 正常理赔流程\r\n\r\n## 四、大数据反欺诈技术路线\r\n\r\n| 技术 | 应用场景 | 预期效果 |\r\n|------|---------|---------|\r\n| 机器学习评分 | 理赔欺诈评分 | 识别准确率提升30%-50% |\r\n| 关系图谱 | 团伙欺诈识别 | 发现隐藏关联关系 |\r\n| 自然语言处理 | 病历真实性分析 | 识别虚假病历 |\r\n| 声纹/OCR | 身份核实 | 防冒名顶替 |\r\n| 知识图谱 | 反向骗保识别 | 发现异常投保行为 |\n\nFile v2.1.0:references/underwriting_risk_assessment.md\n\n# 核保风控体系与异常标记规则\r\n\r\n> 本文件为 `insurance-anti-fraud` Skill 配套参考\r\n\r\n## 一、核保风险分级标准\r\n\r\n### 1.1 寿险核保风险等级\r\n\r\n| 风险等级 | 评估条件 | 核保结论 | 附加条件 |\r\n|---------|---------|---------|---------|\r\n| **标准体（Preferred）** | 完全健康告知、无异常、无家族风险 | 标准承保 | 无 |\r\n| **次标准体A** | 轻微异常（超重10%内、脂肪肝早期） | 加费承保 | 保费+10%-30% |\r\n| **次标准体B** | 中等异常（高血压控制良好、糖尿病早期） | 有条件承保 | 除外责任+加费 |\r\n| **延期体** | 病情不稳定、待确诊 | 延期观察 | 6-12个月后重核 |\r\n| **拒保体** | 重大既往症、高风险职业 | 拒保 | 不予承保 |\r\n\r\n### 1.2 常见异常核保处理\r\n\r\n| 异常情况 | 评估方法 | 核保结论 |\r\n|---------|---------|---------|\r\n| BMI 28-30 | 轻度肥胖，体检正常 | 加费10%-20% |\r\n| BMI >30 | 中重度肥胖 | 加费20%-30%或拒保 |\r\n| 轻度高血压（<160/100） | 无并发症，控制良好 | 加费15%-25% |\r\n| 重度高血压（≥160/100） | 有并发症风险 | 拒保或延期 |\r\n| 乙肝病毒携带 | 肝功能正常 | 除外承保或加费 |\r\n| 甲状腺结节 | TI-RADS分级1-2级 | 除外甲状腺癌 |\r\n| 乳腺结节 | BI-RADS分级1-2级 | 除外乳腺癌 |\r\n| 既往拒保记录 | 详细调查问卷 | 综合评估 |\r\n\r\n### 1.3 高风险职业分级（意外险）\r\n\r\n| 职业类别 | 典型职业 | 附加保费 |\r\n|---------|---------|---------|\r\n| 1类（最低风险） | 办公室职员、老师、公务员 | 0 |\r\n| 2类（低风险） | 销售员、服务员 | +20% |\r\n| 3类（中等风险） | 司机、建筑工人 | +50% |\r\n| 4类（高风险） | 电工、焊工 | +100% |\r\n| 5类（极高风险） | 矿工、悬崖作业 | +200%或拒保 |\r\n| 6类（不可保） | 试飞员、爆破工人 | 拒保 |\r\n\r\n## 二、异常标记规则（自动核保引擎）\r\n\r\n### 2.1 自动标记规则表\r\n\r\n| 异常信号 | 标记级别 | 自动动作 | 人工复核 |\r\n|---------|---------|---------|---------|\r\n| 同一天多张保单（多家公司） | 🔴HIGH | 进入反欺诈协查 | 必须 |\r\n| 高保额低净值（保额/收入>20倍） | 🔴HIGH | 要求财务证明 | 必须 |\r\n| 既往拒保/延期记录 | 🔴HIGH | 详细调查问卷 | 必须 |\r\n| 等待期≤30天+高保额 | 🔴HIGH | 深度核保 | 必须 |\r\n| 短期内多次投保健康险 | 🟡MEDIUM | 体检要求 | 建议 |\r\n| 高风险职业 | 🟡MEDIUM | 职业核保专项 | 建议 |\r\n| 既往理赔次数>5次 | 🟡MEDIUM | 历史分析报告 | 建议 |\r\n| 年龄>65岁首次投保高额寿险 | 🟡MEDIUM | 财务+健康双核 | 必须 |\r\n| 受益人关系异常 | 🟡MEDIUM | 受益人关系核实 | 必须 |\r\n| 正常告知 | 🟢LOW | 自动通过 | 无需 |\r\n\r\n### 2.2 核保决定时效标准\r\n\r\n| 案件类型 | 核保时效 | 说明 |\r\n|---------|---------|------|\r\n| 标准体 | 1个工作日 | 自动通过 |\r\n| 次标准体 | 3个工作日 | 需核保人员评估 |\r\n| 高保额件（>100万） | 5个工作日 | 体检+财务核查 |\r\n| 高风险案件 | 7个工作日 | 深度调查 |\r\n| 拒保/延期 | 3个工作日 | 需高级核保审批 |\r\n\r\n## 三、保险金额与财务核验标准\r\n\r\n| 年缴保费/家庭年收入 | 可承受保额上限参考 | 说明 |\r\n|------------------|-----------------|------|\r\n| <5% | 保额的10倍 | 国际标准 |\r\n| 5%-10% | 保额的15倍 | 合理范围 |\r\n| 10%-20% | 保额的20倍 | 上限 |\r\n| >20% | 需要财务证明 | 核查真实需求 |\r\n\r\n**常见财务核验指标**：\r\n- 年收入与累计保费比例\r\n- 职业收入合理性\r\n- 企业主资产核实（工商数据）\r\n- 关联人保费累加（配偶/子女）\n\nFile v2.1.0:skill-card.md\n\n## Description: <br>\nInsurance Anti Fraud is an advisory reference skill for identifying insurance fraud signals, underwriting risk issues, investigation workflows, and anti-fraud controls for the Chinese insurance market. <br>\n\nThis skill is ready for commercial/non-commercial use. <br>\n\n## Publisher: <br>\n[gechengling](https://clawhub.ai/user/gechengling) <br>\n\n### License/Terms of Use: <br>\nMIT-0 <br>\n\n\n## Use Case: <br>\nInsurance claims, risk control, underwriting, compliance, and investigation teams use this skill to review suspected fraud patterns, score claim and underwriting risk indicators, and structure human-reviewed anti-fraud workflows. It is an advisory reference and should not be used as the sole basis for claim denial, investigation, reporting, or other real-world insurance decisions. <br>\n\n### Deployment Geography for Use: <br>\nGlobal <br>\n\n## Known Risks and Mitigations: <br>\nRisk: The skill may be used with sensitive claim, medical, financial, or identity information. <br>\nMitigation: Redact or summarize unnecessary personal data, confirm lawful authority to process the information, and avoid pasting unneeded sensitive details into prompts. <br>\nRisk: Advisory fraud analysis could be mistaken for a final claim, underwriting, investigation, denial, or reporting decision. <br>\nMitigation: Keep all real-world insurance decisions under qualified human review and consult appropriate legal, compliance, or insurance professionals. <br>\n\n\n## Reference(s): <br>\n- [ClawHub skill page](https://clawhub.ai/gechengling/insurance-anti-fraud) <br>\n- [Anti-fraud guide](references/anti_fraud_guide.md) <br>\n- [Underwriting risk assessment](references/underwriting_risk_assessment.md) <br>\n\n\n## Skill Output: <br>\n**Output Type(s):** [text, markdown, guidance] <br>\n**Output Format:** [Markdown advisory analysis with risk scoring tables, investigation workflow guidance, and compliance checklists] <br>\n**Output Parameters:** [1D] <br>\n**Other Properties Related to Output:** [No executable code or hidden actions are included; outputs require qualified human review and careful handling of personal, medical, financial, and identity data.] <br>\n\n## Skill Version(s): <br>\n2.1.0 (source: frontmatter and server release evidence) <br>\n\n## Ethical Considerations: <br>\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment. <br>\n\nArchive v5.0.2: 6 files, 13832 bytes\n\nFiles: README.md (3635b), references/anti_fraud_guide.md (5741b), references/underwriting_risk_assessment.md (3777b), skill-card.md (2580b), SKILL.md (12790b), _meta.json (139b)\n\nFile v5.0.2:SKILL.md\n\n---\r\nname: Insurance Anti-Fraud Expert\r\ndescription: 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.\r\nslug: insurance-anti-fraud\r\nversion: 2.0.0\r\n\ncapabilities:\n  - educational-reference\n  - advisory-only\n  - requires-human-review\n  - no-executable-code\n---\r\n\r\n# Insurance Anti-Fraud Expert / 保险反欺诈分析专家\n\n> **⚠️ SECURITY NOTICE / 安全声明**\n> - **Type:** Educational reference / analytical framework ONLY\n> - **No executable code, scripts, or binaries are included in this skill**\n> - **No persistent storage, network calls, background execution, or credential collection**\n> - **All outputs are for reference only and require human review before real-world application**\n> - **This skill does NOT provide financial, legal, or insurance advice**\n> - **Users must exercise their own judgment and consult qualified professionals**\n\n\r\n\r\n> **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.\r\n>\r\n> **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。\r\n\r\n---\r\n\r\n## Trigger Keywords / 触发关键词\r\n\r\n**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\r\n\r\n**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\r\n\r\n---\r\n\r\n## Core Capabilities / 核心能力\r\n\r\n### 0. 最新监管动态（截至2026年5月）\r\n\r\n| 时间 | 事项 | 反欺诈影响 |\r\n|------|------|---------|\r\n| **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 |\r\n| **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 |\r\n| **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 |\r\n| **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 |\r\n\r\n### 1. Regulatory Framework: Anti-Insurance Fraud Measures / 监管框架：《反保险欺诈工作办法》全解\r\n\r\n**法规来源**：国家金融监督管理总局，2024年7月22日发布实施\r\n\r\n#### 四位一体反欺诈工作体系\r\n\r\n```text\r\n┌─────────────────────────────────────────────────┐\r\n│                   四位一体体系                        │\r\n├─────────────────────────────────────────────────┤\r\n│  ① 行业反欺诈：银保信/精算师协会/保险行业协会协同    │\r\n│  ② 公司主体责任：各保险公司反欺诈组织架构           │\r\n│  ③ 公安司法机关：涉嫌犯罪的移送公安                │\r\n│  ④ 监管部门：日常监管+专项检查+处罚                │\r\n└─────────────────────────────────────────────────┘\r\n```\r\n\r\n#### 欺诈类型分类\r\n\r\n| 类型 | 定义 | 典型场景 | 涉案险种 |\r\n|------|------|---------|---------|\r\n| **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 |\r\n| **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 |\r\n| **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 |\r\n| **内部欺诈** | 内部人员参与 | 内外勾结、虚假理赔 | 各险种 |\r\n| **洗钱型欺诈** | 借保险洗白资金 | 趸交高额寿险退保 | 寿险 |\r\n\r\n### 2. Claims Fraud Identification Engine / 理赔欺诈识别引擎\r\n\r\n#### 健康险理赔欺诈十大特征\r\n\r\n| 特征序号 | 欺诈特征 | 识别信号 |\r\n|---------|---------|---------|\r\n| 1 | **短时间内集中投保** | 等待期刚过即集中大量理赔 |\r\n| 2 | **带病投保隐瞒病史** | 健康告知全为\"否\"，理赔时发现既往症 |\r\n| 3 | **虚假医院就诊** | 病历签名笔迹不一致、无实际治疗记录 |\r\n| 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 |\r\n| 5 | **团伙作案特征** | 同一天、同一家医院、同一病种的群体报案 |\r\n| 6 | **非正常高保额** | 收入与投保金额严重不符（意外险高保额） |\r\n| 7 | **频繁小额理赔** | 利用免赔额规则反复小额索赔 |\r\n| 8 | **跨公司重复索赔** | 利用信息不对称在多家公司重复索赔 |\r\n| 9 | **职业骗保** | 特定高风险职业频繁出险（矿工/高危行业） |\r\n| 10 | **重大事故造假** | 死亡/伤残事故真实性存疑 |\r\n\r\n#### 欺诈风险量化评分模型\r\n\r\n```python\r\n# Fraud Risk Scoring Model (simplified / 简化示例）\r\ndef fraud_score(case):\r\n    score = 0\r\n    \r\n    # 等待期观察（权重30%）\r\n    if case.waiting_period_days < 30:\r\n        score += 30\r\n    elif case.waiting_period_days < 90:\r\n        score += 15\r\n    \r\n    # 投保保额异常（权重25%）\r\n    if case.coverage_to_income_ratio > 10:\r\n        score += 25\r\n    elif case.coverage_to_income_ratio > 5:\r\n        score += 15\r\n    \r\n    # 就诊医院异常（权重20%）\r\n    if case.hospital_fraud_history:\r\n        score += 20\r\n    elif case.is_chain_hospital == False and case.amount > 50000:\r\n        score += 10\r\n    \r\n    # 既往理赔记录（权重15%）\r\n    if case.past_fraud_record:\r\n        score += 15\r\n    elif case.past_claim_count > 5:\r\n        score += 8\r\n    \r\n    # 同案关联（权重10%）\r\n    if case.linked_to_suspected_cases:\r\n        score += 10\r\n    \r\n    # 返回风险等级\r\n    if score >= 60: return \"HIGH_RISK - 立即调查\"\r\n    elif score >= 30: return \"MEDIUM_RISK - 重点审核\"\r\n    else: return \"LOW_RISK - 正常流程\"\r\n```\r\n\r\n### 3. Underwriting Risk Control / 核保风控体系\r\n\r\n#### 核保风险分级表\r\n\r\n| 风险等级 | 评估条件 | 核保决策 | 附加条件 |\r\n|---------|---------|---------|---------|\r\n| **标准体** | 健康告知全否、无异常记录 | 标准承保 | - |\r\n| **次标准体A** | 轻微异常（BMI偏高/脂肪肝） | 加费承保 | +10%-30%保费 |\r\n| **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 |\r\n| **延期体** | 病情不稳定或待确诊 | 延期观察 | 6-12个月后重核 |\r\n| **拒保体** | 重大既往症/高风险职业 | 拒保 | 不予承保 |\r\n\r\n### 4. Fraud Investigation Workflow / 欺诈案件调查流程\r\n\r\n```text\r\n受理报案\r\n    ↓\r\n初步审核（24小时内）\r\n  ├─ 资料完整性检查\r\n  ├─ 基本逻辑校验\r\n  └─ 欺诈特征快速筛查（AI模型打分）\r\n         ↓\r\n风险分级\r\n  ├─ LOW_RISK → 正常理赔流程\r\n  ├─ MEDIUM_RISK → 理赔调查（7天内）\r\n  └─ HIGH_RISK → 深度调查+报案\r\n         ↓\r\n调查阶段\r\n  ├─ 医疗数据核实（医保/医院调取）\r\n  ├─ 既往投保记录查询（银保信平台）\r\n  ├─ 现场走访/面访\r\n  └─ 第三方数据核查（大数据风控）\r\n         ↓\r\n结论处置\r\n  ├─ 正常赔付 → 快速支付\r\n  ├─ 协议赔付 → 减少金额达成和解\r\n  ├─ 拒赔处理 → 发拒赔通知+说明\r\n  └─ 报案追究 → 移送公安（涉嫌犯罪）\r\n```\r\n\r\n### 5. Anti-Fraud Capability Benchmark / 反欺诈能力建设\r\n\r\n| 指标 | 行业平均水平 | 先进水平 | 说明 |\r\n|------|------------|---------|------|\r\n| **欺诈渗漏率** | 15%-20% | <5% | 欺诈+渗漏（过度理赔）占保费比例 |\r\n| **欺诈识别率** | 30%-40% | >70% | 实际欺诈案件中被识别的比例 |\r\n| **案件调查周期** | 15-30天 | <7天 | 从报案到结论 |\r\n\r\n### 5. 黑灰产打击专项 / \"黑灰产\" Insurance Crime Crackdown|\r\n\r\n#### 2026年金融领域黑灰产打击重点\r\n\r\n| 黑产类型 | 作案方式 | 识别特征 | 打击措施 |\r\n|---------|---------|---------|---------|\r\n| **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 |\r\n| **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 |\r\n| **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 |\r\n| **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 |\r\n| **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 |\r\n\r\n#### 黑名单管理体系\r\n\r\n```python\r\n# 黑名单多维度关联查询框架\r\ndef blacklist_check(claimant_info):\r\n    checks = {\r\n        \"银保信欺诈黑名单\": query_nfra_blacklist(claimant_info.id),\r\n        \"公安人口信息核查\": query_police_id(claimant_info.id),\r\n        \"医保异常名单\": query_medical_insurance(claimant_info.id),\r\n        \"法院失信被执行人\": query_court_dishonesty(claimant_info.id),\r\n        \"跨公司理赔记录\": query_cross_company_claims(claimant_info.id),\r\n        \"设备指纹关联\": query_device_fingerprint(claimant_info.device_id),\r\n        \"关联人身份\": query_related_persons(claimant_info.id),\r\n    }\r\n    hit_count = sum(1 for v in checks.values() if v.is_hit)\r\n    risk_level = \"HIGH\" if hit_count >= 3 else \"MEDIUM\" if hit_count >= 1 else \"LOW\"\r\n    return {\"checks\": checks, \"hit_count\": hit_count, \"risk_level\": risk_level}\r\n```\r\n\r\n### 6. AI-Driven Anti-Fraud Technology / AI大数据反欺诈技术|\r\n\r\n#### 主流反欺诈建模技术栈\r\n\r\n| 技术 | 应用场景 | 效果 |\r\n|------|---------|------|\r\n| **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 |\r\n| **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 |\r\n| **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% |\r\n| **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 |\r\n| **时序行为分析** | 投保→理赔时间序列异常 | 等待期欺诈识别 |\r\n\r\n---\r\n\r\n## Reference Files / 参考文件\r\n\r\n| File / 文件 | Content / 内容说明 |\r\n|------|---------|\r\n| `references/anti_fraud_guide.md` | 反欺诈工作办法解读 + 各险种欺诈特征详解 |\r\n| `references/underwriting_risk_assessment.md` | 核保风控体系，含风险分级表和异常标记规则 |\r\n| `references/claim_investigation_sop.md` | 理赔欺诈调查 SOP，含调查话术和流程图 |\r\n| `references/fraud_case_study.md` | 典型欺诈案例分析（含真实案例改编） |\r\n| `references/data_model_guide.md` | 反欺诈数据模型构建指南，含评分卡示例 |\n\nFile v5.0.2:README.md\n\n# Insurance Anti-Fraud Expert / 保险反欺诈分析专家#\r\n\r\n> **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.\r\n\r\n**Keywords:** insurance fraud, anti-fraud, claims fraud, risk control, underwriting, insurance crime, CBIRC, China insurance*\r\n\r\n## ✨ Features#\r\n\r\n- ✅ **CBIRC Anti-Fraud Framework** — 4-pillar anti-fraud system (industry/company responsibility/judicial/regulatory)\r\n- ✅ **Claims Fraud Identification Engine** — 10 fraud features with identification signals + quantitative scoring model (Python)*\r\n- ✅ **Underwriting Risk Control System** — 5-tier risk classification table + abnormal marking rules*\r\n- ✅ **Fraud Investigation Workflow** — standard SOP from report → preliminary review → risk grading → investigation → conclusion*\r\n- ✅ **Big Data Anti-Fraud Tech** — ML model, relationship graph, medical data integration, OCR, NLP applications*\r\n\r\n## 🚀 Quick Start#\r\n\r\n```bash\r\n# Install this skill\r\nnpx clawhub install @gechengling/insurance-anti-fraud\r\n\r\n# Use in WorkBuddy\r\n/insurance-anti-fraud \"Analyze this claim case for fraud risk\"\r\n/insurance-anti-fraud \"Generate fraud risk scoring for these 10 cases\"\r\n```\r\n\r\n---\r\n\r\n> **中文介绍：** 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。\r\n\r\n**关键词：** 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*\r\n\r\n## ✨ 核心功能#\r\n\r\n- ✅ **四位一体反欺诈工作体系** — 行业/公司主体责任/公安司法/监管部门协同*\r\n- ✅ **理赔欺诈识别引擎** — 10大欺诈特征 + 量化评分模型（Python代码）*\r\n- ✅ **核保风控体系** — 5级风险分级表 + 异常标记规则（高风险/中风险触发条件）*\r\n- ✅ **欺诈案件调查流程** — 报案→初步审核→风险分级→调查→结论处置（正常/协议/拒赔/报案）*\r\n- ✅ **反欺诈能力建设** — 欺诈渗漏率基准、大数据反欺诈技术应用（机器学习/关系图谱/NLP）*\r\n\r\n## 🚀 快速上手#\r\n\r\n```bash\r\n# 安装此技能\r\nnpx clawhub install @gechengling/insurance-anti-fraud\r\n\r\n# 在WorkBuddy中使用\r\n/insurance-anti-fraud \"分析这个理赔案件的欺诈风险\"\r\n/insurance-anti-fraud \"为这10个案件生成欺诈风险评分\"\r\n```\r\n\r\n## 📖 What's Included / 包含内容#\r\n\r\n| File / 文件 | Content / 内容说明 |\r\n|------|---------|\r\n| `SKILL.md` | Full skill definition / 完整技能定义 |\r\n| `references/anti_fraud_guide.md` | 反欺诈工作办法解读 + 各险种欺诈特征详解 |\r\n| `references/underwriting_risk_assessment.md` | 核保风控体系，含风险分级表和异常标记规则 |\r\n| `references/claim_investigation_sop.md` | 理赔欺诈调查SOP，含调查话术和流程图 |\r\n| `references/fraud_case_study.md` | 典型欺诈案例分析（含真实案例改编） |\n\nFile v5.0.2:_meta.json\n\n{\n  \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n  \"slug\": \"insurance-anti-fraud\",\n  \"version\": \"5.0.2\",\n  \"publishedAt\": 1780353318232\n}\n\nFile v5.0.2:references/anti_fraud_guide.md\n\n# 反保险欺诈工作办法解读与各险种欺诈特征\r\n\r\n> 本文件为 `insurance-anti-fraud` Skill 配套参考\r\n\r\n## 一、《反保险欺诈工作办法》核心内容（2024年）\r\n\r\n**发布机构**：国家金融监督管理总局\r\n**实施时间**：2024年7月22日\r\n\r\n### 1.1 四位一体工作体系\r\n\r\n```\r\n┌─────────────────────────────────────────────────────┐\r\n│                   四位一体体系                        │\r\n├─────────────────────────────────────────────────────┤\r\n│ ① 行业协作：银保信平台 + 精算师协会 + 保险行业协会   │\r\n│ ② 公司主体：各保险公司建立反欺诈组织和内控制度       │\r\n│ ③ 司法联动：涉嫌犯罪的案件移送公安/检察机关          │\r\n│ ④ 监管约束：日常监管 + 专项检查 + 行政处罚           │\r\n└─────────────────────────────────────────────────────┘\r\n```\r\n\r\n### 1.2 保险公司主体责任清单\r\n\r\n| 责任 | 具体要求 |\r\n|------|---------|\r\n| 组织架构 | 建立反欺诈部门或岗位，指定高管负责 |\r\n| 制度建设 | 制定反欺诈管理制度和操作规程 |\r\n| 系统建设 | 建立欺诈风险识别和预警系统 |\r\n| 人员培训 | 定期开展反欺诈培训和考核 |\r\n| 信息报送 | 定期向监管部门报送欺诈数据 |\r\n| 案件处置 | 配合司法调查，主动报案 |\r\n\r\n### 1.3 欺诈渗漏率基准\r\n\r\n- 行业平均欺诈渗漏率：**15%-20%**\r\n- 先进水平（优秀公司）：**<5%**\r\n- 差距来源：技术投入不足、数据孤岛、调查能力弱\r\n\r\n## 二、各险种欺诈特征详解\r\n\r\n### 2.1 重疾险欺诈十大特征\r\n\r\n| 特征 | 描述 | 核查方法 |\r\n|------|------|---------|\r\n| 带病投保 | 健康告知全为\"否\"，理赔时发现既往症 | 调取体检记录、医保数据 |\r\n| 虚假诊断 | 伪造重大疾病诊断证明 | 医院核查、专家会诊 |\r\n| 夸大病情 | 轻症夸大成重疾 | 病理报告复查 |\r\n| 等待期出险 | 等待期刚过即集中报案 | 核查投保时间与发病时间 |\r\n| 团伙作案 | 多人同时投保同家公司同种重疾 | 关联案件分析 |\r\n| 重复索赔 | 多家保险公司重复申请同种重疾 | 银保信数据查询 |\r\n| 高额保额 | 低收入人群购买超高保额 | 财务证明核查 |\r\n| 指定受益人异常 | 受益人为陌生人或存在债务关系 | 受益人关系调查 |\r\n| 病历造假 | 病历签名笔迹不一致 | 笔迹鉴定 |\r\n| 恶意投保 | 明知已患重疾后投保 | 全行业投保记录协查 |\r\n\r\n### 2.2 医疗险欺诈特征\r\n\r\n| 欺诈类型 | 具体手法 | 识别信号 |\r\n|---------|---------|---------|\r\n| 虚增费用 | 医疗费用虚高，超出正常水平 | 费用合理性分析，对标同类医院 |\r\n| 挂床住院 | 办理住院但实际未住院 | 住院日志核查、病房查房记录 |\r\n| 过度医疗 | 不必要的检查和治疗 | 临床路径核查 |\r\n| 冒名顶替 | 非被保险人就医 | 核验身份信息 |\r\n| 虚假病历 | 伪造住院记录、诊断证明 | 医院直接核查 |\r\n| 机构合谋 | 医院与患者联手造假 | 异常医院黑名单库 |\r\n| 倒卖保单 | 收购他人保单申请理赔 | 频繁更换受益人 |\r\n\r\n### 2.3 意外险欺诈特征\r\n\r\n| 欺诈类型 | 具体手法 | 识别信号 |\r\n|---------|---------|---------|\r\n| 伪造事故 | 虚构意外事故经过 | 事故现场勘查、监控调取 |\r\n| 制造意外 | 故意制造意外事故 | 事故合理性分析 |\r\n| 酒后顶包 | 酒驾后找人顶替报案 | 笔录矛盾点 |\r\n| 高危职业虚假 | 投保时隐瞒高危职业 | 职业核实 |\r\n| 死亡骗保 | 故意杀害被保险人 | 刑侦介入调查 |\r\n| 自残骗保 | 故意自残获取意外赔偿 | 伤情与事故不符 |\r\n\r\n### 2.4 车险欺诈特征（补充参考）\r\n\r\n| 欺诈类型 | 描述 |\r\n|---------|------|\r\n| 故意碰撞 | 利用修车厂实施有预谋的车辆碰撞 |\r\n| 扩大损失 | 小刮蹭夸大维修范围 |\r\n| 虚假三者 | 编造不存在的第三方受害者 |\r\n| 重复索赔 | 已赔付案件再次索赔 |\r\n| 酒驾顶包 | 酒驾事故找人顶替 |\r\n| 套牌骗赔 | 使用假车牌或套牌车索赔 |\r\n\r\n## 三、欺诈风险评分卡\r\n\r\n### 3.1 健康险欺诈评分（0-100分）\r\n\r\n| 评分项 | 分值范围 | 评分规则 |\r\n|--------|---------|---------|\r\n| 等待期 | 0-30分 | 等待期≤30天=30分，31-90天=15分，>90天=0分 |\r\n| 保额收入比 | 0-25分 | >20倍=25分，10-20倍=15分，<10倍=0分 |\r\n| 医院欺诈历史 | 0-20分 | 该医院有欺诈记录=20分，核查难度高=10分，正常=0分 |\r\n| 既往索赔记录 | 0-15分 | 有拒赔/欺诈记录=15分，多次索赔=8分，首次=0分 |\r\n| 同案关联 | 0-10分 | 与疑似欺诈案件关联=10分，正常=0分 |\r\n\r\n**风险等级**：\r\n- ≥60分：**HIGH_RISK** → 立即启动深度调查，必要时报案\r\n- 30-59分：**MEDIUM_RISK** → 重点审核，补充调查材料\r\n- <30分：**LOW_RISK** → 正常理赔流程\r\n\r\n## 四、大数据反欺诈技术路线\r\n\r\n| 技术 | 应用场景 | 预期效果 |\r\n|------|---------|---------|\r\n| 机器学习评分 | 理赔欺诈评分 | 识别准确率提升30%-50% |\r\n| 关系图谱 | 团伙欺诈识别 | 发现隐藏关联关系 |\r\n| 自然语言处理 | 病历真实性分析 | 识别虚假病历 |\r\n| 声纹/OCR | 身份核实 | 防冒名顶替 |\r\n| 知识图谱 | 反向骗保识别 | 发现异常投保行为 |\n\nFile v5.0.2:references/underwriting_risk_assessment.md\n\n# 核保风控体系与异常标记规则\r\n\r\n> 本文件为 `insurance-anti-fraud` Skill 配套参考\r\n\r\n## 一、核保风险分级标准\r\n\r\n### 1.1 寿险核保风险等级\r\n\r\n| 风险等级 | 评估条件 | 核保结论 | 附加条件 |\r\n|---------|---------|---------|---------|\r\n| **标准体（Preferred）** | 完全健康告知、无异常、无家族风险 | 标准承保 | 无 |\r\n| **次标准体A** | 轻微异常（超重10%内、脂肪肝早期） | 加费承保 | 保费+10%-30% |\r\n| **次标准体B** | 中等异常（高血压控制良好、糖尿病早期） | 有条件承保 | 除外责任+加费 |\r\n| **延期体** | 病情不稳定、待确诊 | 延期观察 | 6-12个月后重核 |\r\n| **拒保体** | 重大既往症、高风险职业 | 拒保 | 不予承保 |\r\n\r\n### 1.2 常见异常核保处理\r\n\r\n| 异常情况 | 评估方法 | 核保结论 |\r\n|---------|---------|---------|\r\n| BMI 28-30 | 轻度肥胖，体检正常 | 加费10%-20% |\r\n| BMI >30 | 中重度肥胖 | 加费20%-30%或拒保 |\r\n| 轻度高血压（<160/100） | 无并发症，控制良好 | 加费15%-25% |\r\n| 重度高血压（≥160/100） | 有并发症风险 | 拒保或延期 |\r\n| 乙肝病毒携带 | 肝功能正常 | 除外承保或加费 |\r\n| 甲状腺结节 | TI-RADS分级1-2级 | 除外甲状腺癌 |\r\n| 乳腺结节 | BI-RADS分级1-2级 | 除外乳腺癌 |\r\n| 既往拒保记录 | 详细调查问卷 | 综合评估 |\r\n\r\n### 1.3 高风险职业分级（意外险）\r\n\r\n| 职业类别 | 典型职业 | 附加保费 |\r\n|---------|---------|---------|\r\n| 1类（最低风险） | 办公室职员、老师、公务员 | 0 |\r\n| 2类（低风险） | 销售员、服务员 | +20% |\r\n| 3类（中等风险） | 司机、建筑工人 | +50% |\r\n| 4类（高风险） | 电工、焊工 | +100% |\r\n| 5类（极高风险） | 矿工、悬崖作业 | +200%或拒保 |\r\n| 6类（不可保） | 试飞员、爆破工人 | 拒保 |\r\n\r\n## 二、异常标记规则（自动核保引擎）\r\n\r\n### 2.1 自动标记规则表\r\n\r\n| 异常信号 | 标记级别 | 自动动作 | 人工复核 |\r\n|---------|---------|---------|---------|\r\n| 同一天多张保单（多家公司） | 🔴HIGH | 进入反欺诈协查 | 必须 |\r\n| 高保额低净值（保额/收入>20倍） | 🔴HIGH | 要求财务证明 | 必须 |\r\n| 既往拒保/延期记录 | 🔴HIGH | 详细调查问卷 | 必须 |\r\n| 等待期≤30天+高保额 | 🔴HIGH | 深度核保 | 必须 |\r\n| 短期内多次投保健康险 | 🟡MEDIUM | 体检要求 | 建议 |\r\n| 高风险职业 | 🟡MEDIUM | 职业核保专项 | 建议 |\r\n| 既往理赔次数>5次 | 🟡MEDIUM | 历史分析报告 | 建议 |\r\n| 年龄>65岁首次投保高额寿险 | 🟡MEDIUM | 财务+健康双核 | 必须 |\r\n| 受益人关系异常 | 🟡MEDIUM | 受益人关系核实 | 必须 |\r\n| 正常告知 | 🟢LOW | 自动通过 | 无需 |\r\n\r\n### 2.2 核保决定时效标准\r\n\r\n| 案件类型 | 核保时效 | 说明 |\r\n|---------|---------|------|\r\n| 标准体 | 1个工作日 | 自动通过 |\r\n| 次标准体 | 3个工作日 | 需核保人员评估 |\r\n| 高保额件（>100万） | 5个工作日 | 体检+财务核查 |\r\n| 高风险案件 | 7个工作日 | 深度调查 |\r\n| 拒保/延期 | 3个工作日 | 需高级核保审批 |\r\n\r\n## 三、保险金额与财务核验标准\r\n\r\n| 年缴保费/家庭年收入 | 可承受保额上限参考 | 说明 |\r\n|------------------|-----------------|------|\r\n| <5% | 保额的10倍 | 国际标准 |\r\n| 5%-10% | 保额的15倍 | 合理范围 |\r\n| 10%-20% | 保额的20倍 | 上限 |\r\n| >20% | 需要财务证明 | 核查真实需求 |\r\n\r\n**常见财务核验指标**：\r\n- 年收入与累计保费比例\r\n- 职业收入合理性\r\n- 企业主资产核实（工商数据）\r\n- 关联人保费累加（配偶/子女）\n\nFile v5.0.2:skill-card.md\n\n## Description: <br>\nAI-powered insurance anti-fraud analysis skill that provides an advisory framework for claim fraud detection, underwriting risk control, investigation workflows, and insurance risk review. <br>\n\nThis skill is ready for commercial/non-commercial use. <br>\n\n## Publisher: <br>\n[gechengling](https://clawhub.ai/user/gechengling) <br>\n\n### License/Terms of Use: <br>\nMIT-0 <br>\n\n\n## Use Case: <br>\nInsurance claims, risk control, compliance, and underwriting teams use this skill to structure fraud-risk review, identify common claim and underwriting red flags, and prepare investigation or review guidance. Outputs are advisory and require authorized human professional review before use in real claim, underwriting, or compliance decisions. <br>\n\n### Deployment Geography for Use: <br>\nChina <br>\n\n## Known Risks and Mitigations: <br>\nRisk: Fraud indicators, scoring thresholds, and underwriting examples could be mistaken for final legal, financial, medical, or insurance advice. <br>\nMitigation: Use the skill only as an advisory reference and require authorized human professional review before applying outputs to claim, underwriting, compliance, or customer decisions. <br>\nRisk: The workflow discusses personal data checks, medical records, claim histories, and fraud flags that may involve sensitive or regulated information. <br>\nMitigation: Apply the guidance only with proper authorization, privacy controls, data-minimization practices, and organization-approved investigation procedures. <br>\n\n\n## Reference(s): <br>\n- [Skill page](https://clawhub.ai/gechengling/insurance-anti-fraud) <br>\n- [Insurance Anti-Fraud Expert README](README.md) <br>\n- [Anti-Fraud Guide](references/anti_fraud_guide.md) <br>\n- [Underwriting Risk Assessment](references/underwriting_risk_assessment.md) <br>\n\n\n## Skill Output: <br>\n**Output Type(s):** [text, markdown, guidance] <br>\n**Output Format:** [Markdown advisory analysis with tables, scoring guidance, checklists, and review workflows] <br>\n**Output Parameters:** [1D] <br>\n**Other Properties Related to Output:** [No executable code, network access, persistent storage, or credential collection is included in the artifact.] <br>\n\n## Skill Version(s): <br>\n5.0.2 (source: server release evidence; artifact frontmatter says 2.0.0) <br>\n\n## Ethical Considerations: <br>\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment. <br>\n\nArchive v5.0.1: 6 files, 15637 bytes\n\nFiles: README.md (3635b), references/anti_fraud_guide.md (5741b), references/underwriting_risk_assessment.md (3777b), skill-card.md (2710b), SKILL.md (17032b), _meta.json (139b)\n\nFile v5.0.1:SKILL.md\n\n---\nname: Insurance Anti-Fraud Expert\ndescription: 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.\nslug: insurance-anti-fraud\nversion: \"5.0.0\"\n\ncapabilities:\n  - educational-reference\n  - advisory-only\n  - requires-human-review\n  - no-executable-code\n---\n\n# Insurance Anti-Fraud Expert / 保险反欺诈分析专家\n> **⚠️ SECURITY NOTICE**\n> - **Type:** Educational reference / analytical framework ONLY\n> - **No executable code, scripts, or binaries included**\n> - **No persistent storage, network calls, or background execution**\n> - **No credential collection, PII processing, or system access**\n> - **All outputs require human review before real-world application**\n> - **NOT financial, legal, or insurance advice**\n\n\n\n\n### 保险监管最新动态 [2026-05-25更新]\n\n| 动态类型 | 内容摘要 | 影响范围 |\n|---------|---------|---------|\n| 保险监管 | 2026年Q1反洗钱监管力度加大，洗钱风险评估要求提升 | 反欺诈模型需整合合规审查和快速理赔风控逻辑 |\n| 保险监管 | NFRA 2026年Q1保险业处罚数据更新，合规管理持续深化 | 反欺诈模型需整合合规审查和快速理赔风控逻辑 |\n| 保险监管 | 车险理赔提速：5000元以下小额事故'一键理赔、24小时到账' | 反欺诈模型需整合合规审查和快速理赔风控逻辑 |\n\n> **数据截止**: 2026-05-25 | 来源：国家金融监督管理总局、安永Q1分析、行业公开信息\n> **声明**: 以上动态供参考，具体以官方最新发布为准\n\n> **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.\n>\n> **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。\n\n---\n\n## Trigger Keywords / 触发关键词\n\n**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\n\n**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\n\n---\n\n## Core Capabilities / 核心能力\n\n### 0. 最新监管动态（截至2026年5月）\n\n| 时间 | 事项 | 反欺诈影响 |\n|------|------|---------|\n| **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 |\n| **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 |\n| **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 |\n| **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 |\n\n### 1. Regulatory Framework: Anti-Insurance Fraud Measures / 监管框架：《反保险欺诈工作办法》全解\n\n**法规来源**：国家金融监督管理总局，2024年7月22日发布实施\n\n#### 四位一体反欺诈工作体系\n\n```text\n┌─────────────────────────────────────────────────┐\n│                   四位一体体系                        │\n├─────────────────────────────────────────────────┤\n│  ① 行业反欺诈：银保信/精算师协会/保险行业协会协同    │\n│  ② 公司主体责任：各保险公司反欺诈组织架构           │\n│  ③ 公安司法机关：涉嫌犯罪的移送公安                │\n│  ④ 监管部门：日常监管+专项检查+处罚                │\n└─────────────────────────────────────────────────┘\n```\n\n#### 欺诈类型分类\n\n| 类型 | 定义 | 典型场景 | 涉案险种 |\n|------|------|---------|---------|\n| **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 |\n| **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 |\n| **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 |\n| **内部欺诈** | 内部人员参与 | 内外勾结、虚假理赔 | 各险种 |\n| **洗钱型欺诈** | 借保险洗白资金 | 趸交高额寿险退保 | 寿险 |\n\n### 2. Claims Fraud Identification Engine / 理赔欺诈识别引擎\n\n#### 健康险理赔欺诈十大特征\n\n| 特征序号 | 欺诈特征 | 识别信号 |\n|---------|---------|---------|\n| 1 | **短时间内集中投保** | 等待期刚过即集中大量理赔 |\n| 2 | **带病投保隐瞒病史** | 健康告知全为\"否\"，理赔时发现既往症 |\n| 3 | **虚假医院就诊** | 病历签名笔迹不一致、无实际治疗记录 |\n| 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 |\n| 5 | **团伙作案特征** | 同一天、同一家医院、同一病种的群体报案 |\n| 6 | **非正常高保额** | 收入与投保金额严重不符（意外险高保额） |\n| 7 | **频繁小额理赔** | 利用免赔额规则反复小额索赔 |\n| 8 | **跨公司重复索赔** | 利用信息不对称在多家公司重复索赔 |\n| 9 | **职业骗保** | 特定高风险职业频繁出险（矿工/高危行业） |\n| 10 | **重大事故造假** | 死亡/伤残事故真实性存疑 |\n\n#### 欺诈风险量化评分模型\n\n```python\n# Fraud Risk Scoring Model (simplified / 简化示例）\ndef fraud_score(case):\n    score = 0\n    \n    # 等待期观察（权重30%）\n    if case.waiting_period_days < 30:\n        score += 30\n    elif case.waiting_period_days < 90:\n        score += 15\n    \n    # 投保保额异常（权重25%）\n    if case.coverage_to_income_ratio > 10:\n        score += 25\n    elif case.coverage_to_income_ratio > 5:\n        score += 15\n    \n    # 就诊医院异常（权重20%）\n    if case.hospital_fraud_history:\n        score += 20\n    elif case.is_chain_hospital == False and case.amount > 50000:\n        score += 10\n    \n    # 既往理赔记录（权重15%）\n    if case.past_fraud_record:\n        score += 15\n    elif case.past_claim_count > 5:\n        score += 8\n    \n    # 同案关联（权重10%）\n    if case.linked_to_suspected_cases:\n        score += 10\n    \n    # 返回风险等级\n    if score >= 60: return \"HIGH_RISK - 立即调查\"\n    elif score >= 30: return \"MEDIUM_RISK - 重点审核\"\n    else: return \"LOW_RISK - 正常流程\"\n```\n\n### 3. Underwriting Risk Control / 核保风控体系\n\n#### 核保风险分级表\n\n| 风险等级 | 评估条件 | 核保决策 | 附加条件 |\n|---------|---------|---------|---------|\n| **标准体** | 健康告知全否、无异常记录 | 标准承保 | - |\n| **次标准体A** | 轻微异常（BMI偏高/脂肪肝） | 加费承保 | +10%-30%保费 |\n| **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 |\n| **延期体** | 病情不稳定或待确诊 | 延期观察 | 6-12个月后重核 |\n| **拒保体** | 重大既往症/高风险职业 | 拒保 | 不予承保 |\n\n### 4. Fraud Investigation Workflow / 欺诈案件调查流程\n\n```text\n受理报案\n    ↓\n初步审核（24小时内）\n  ├─ 资料完整性检查\n  ├─ 基本逻辑校验\n  └─ 欺诈特征快速筛查（AI模型打分）\n         ↓\n风险分级\n  ├─ LOW_RISK → 正常理赔流程\n  ├─ MEDIUM_RISK → 理赔调查（7天内）\n  └─ HIGH_RISK → 深度调查+报案\n         ↓\n调查阶段\n  ├─ 医疗数据核实（医保/医院调取）\n  ├─ 既往投保记录查询（银保信平台）\n  ├─ 现场走访/面访\n  └─ 第三方数据核查（大数据风控）\n         ↓\n结论处置\n  ├─ 正常赔付 → 快速支付\n  ├─ 协议赔付 → 减少金额达成和解\n  ├─ 拒赔处理 → 发拒赔通知+说明\n  └─ 报案追究 → 移送公安（涉嫌犯罪）\n```\n\n### 5. Anti-Fraud Capability Benchmark / 反欺诈能力建设\n\n| 指标 | 行业平均水平 | 先进水平 | 说明 |\n|------|------------|---------|------|\n| **欺诈渗漏率** | 15%-20% | <5% | 欺诈+渗漏（过度理赔）占保费比例 |\n| **欺诈识别率** | 30%-40% | >70% | 实际欺诈案件中被识别的比例 |\n| **案件调查周期** | 15-30天 | <7天 | 从报案到结论 |\n\n### 5. 黑灰产打击专项 / \"黑灰产\" Insurance Crime Crackdown|\n\n#### 2026年金融领域黑灰产打击重点\n\n| 黑产类型 | 作案方式 | 识别特征 | 打击措施 |\n|---------|---------|---------|---------|\n| **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 |\n| **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 |\n| **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 |\n| **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 |\n| **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 |\n\n#### 黑名单管理体系\n\n```python\n# 黑名单多维度关联查询框架\ndef blacklist_check(claimant_info):\n    checks = {\n        \"银保信欺诈黑名单\": query_nfra_blacklist(claimant_info.id),\n        \"公安人口信息核查\": query_police_id(claimant_info.id),\n        \"医保异常名单\": query_medical_insurance(claimant_info.id),\n        \"法院失信被执行人\": query_court_dishonesty(claimant_info.id),\n        \"跨公司理赔记录\": query_cross_company_claims(claimant_info.id),\n        \"设备指纹关联\": query_device_fingerprint(claimant_info.device_id),\n        \"关联人身份\": query_related_persons(claimant_info.id),\n    }\n    hit_count = sum(1 for v in checks.values() if v.is_hit)\n    risk_level = \"HIGH\" if hit_count >= 3 else \"MEDIUM\" if hit_count >= 1 else \"LOW\"\n    return {\"checks\": checks, \"hit_count\": hit_count, \"risk_level\": risk_level}\n```\n\n### 6. AI-Driven Anti-Fraud Technology / AI大数据反欺诈技术|\n\n#### 主流反欺诈建模技术栈\n\n| 技术 | 应用场景 | 效果 |\n|------|---------|------|\n| **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 |\n| **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 |\n| **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% |\n| **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 |\n| **时序行为分析** | 投保→理赔时间序列异常 | 等待期欺诈识别 |\n\n---\n\n## Reference Files / 参考文件\n\n| File / 文件 | Content / 内容说明 |\n|------|---------|\n| `references/anti_fraud_guide.md` | 反欺诈工作办法解读 + 各险种欺诈特征详解 |\n| `references/underwriting_risk_assessment.md` | 核保风控体系，含风险分级表和异常标记规则 |\n| `references/claim_investigation_sop.md` | 理赔欺诈调查 SOP，含调查话术和流程图 |\n| `references/fraud_case_study.md` | 典型欺诈案例分析（含真实案例改编） |\n| `references/data_model_guide.md` | 反欺诈数据模型构建指南，含评分卡示例 |\n\n---\n\n## 附录G：阿里点金(Dianjin)融合精华 — 理赔欺诈检测与异常模式识别\n\n### G.1 核心工作流程（Dianjin融合版）\n\n#### 步骤1：理赔欺诈特征识别\n| 欺诈类型 | 识别特征 | 风险信号 |\n|---------|---------|---------|\n| **虚构事故** | 事故时间/地点/天气交叉验证 | 事故描述矛盾、天气不符、地点异常 |\n| **夸大损失** | 维修估价vs市场价、定损单比对 | 估价超市场价30%、定损单不一致 |\n| **重复索赔** | 历史索赔记录、跨公司查询 | 同一事故多公司索赔、相似事故频繁 |\n| **团伙作案** | 关系图谱、IP/MAC地址聚类 | 多案件关联同一修理厂/医院 |\n\n#### 步骤2：风险量化评分\n| 评分维度 | 评分指标 | 权重 | 风险阈值 |\n|---------|---------|------|---------|\n| 材料异常 | 伪造检测得分、交叉验证结果 | 30% | 伪造检测得分<60分 |\n| 行为异常 | 索赔频率、跨公司记录 | 25% | 12个月内索赔>3次 |\n| 损失异常 | 损失程度与事故匹配度 | 20% | 损失程度异常超30% |\n| 关联异常 | 与修理厂/医院关联关系 | 15% | 关联修理厂/医院历史欺诈率>10% |\n| 合规异常 | 理赔时效、客户服务合规 | 10% | 超理赔时效或客户投诉 |\n\n#### 步骤3：异常模式挖掘\n- **关系网络分析**：被保险人-修理厂-医院关系图谱\n- **时空模式分析**：事故时间/地点聚类分析\n- **金额模式分析**：索赔金额分布异常检测\n- **行为序列分析**：索赔前行为模式异常\n\n#### 步骤4：处置决策与报告\n- **处置决策**：正常赔付/加强调查/拒赔/报警\n- **调查报告**：欺诈调查报告、证据链文档\n- **监管报送**：重大欺诈案件监管报送\n\n---\n\n### G.2 风险评分机制（Dianjin精髓）\n\n**综合风险等级**：\n- 低风险（0-20分）：正常赔付，标准流程\n- 中风险（21-40分）：加强调查，必要时现场查勘\n- 高风险（41-60分）：重点调查，必要时外调或第三方公估\n- 极高风险（61-80分）：疑似欺诈，移交反欺诈部门或报警\n\n---\n\n### G.3 合规约束（Dianjin精髓）\n\n1. **不适用边界**：本技能不适用于法律诉讼代理、刑事责任认定，此类需求需转交法律合规部门\n2. **禁止承诺**：不使用\"一定拒赔\"\"guaranteed denial\"等承诺性表述\n3. **禁止替代决策**：仅输出分析建议，最终理赔决策由理赔主管/核赔师出具\n4. **数据溯源**：医疗数据、事故证据必须标注来源和获取日期\n5. **隐私保护**：客户信息、调查细节必须保密\n6. **客观中立**：分析不得受绩效考核影响，须客观呈现风险\n\n---\n\n### G.4 测试用例（Dianjin精髓）\n\n| 用例ID | 输入场景 | 预期输出 | 验证点 |\n|--------|---------|---------|---------|\n| TC001 | 车险：事故损伤轻微但定损5万，关联修理厂历史欺诈率15% | 极高风险（70分），建议移交反欺诈调查 | 关联异常识别准确 |\n| TC002 | 医疗险：诊断感冒但发票2万，患者12个月内索赔5次 | 极高风险（75分），建议医院调查+费用核查 | 行为异常识别准确 |\n| TC003 | 财产险：火灾索赔500万，同类事故3次，关系网含3家修理厂 | 极高风险（80分），建议公安报案 | 团伙模式识别准确 |\n\n---\n\n### G.5 关联技能（Dianjin精髓）\n\n- **保险理赔专家**（`insurance-claims-intelligence`）：提供理赔材料分析、责任认定、理赔流程\n- **保险核保专家**（`insurance-actuarial-cn`）：提供核保规则、健康核验、风险分类\n- **保险代理人**（`insurance-agent-trainer`）：提供客户画像、保障缺口分析\n\n---\n\n*融合来源：阿里点金(Dianjin) claim-expert*\n*融合时间：2026-05-31*\n\nFile v5.0.1:README.md\n\n# Insurance Anti-Fraud Expert / 保险反欺诈分析专家#\r\n\r\n> **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.\r\n\r\n**Keywords:** insurance fraud, anti-fraud, claims fraud, risk control, underwriting, insurance crime, CBIRC, China insurance*\r\n\r\n## ✨ Features#\r\n\r\n- ✅ **CBIRC Anti-Fraud Framework** — 4-pillar anti-fraud system (industry/company responsibility/judicial/regulatory)\r\n- ✅ **Claims Fraud Identification Engine** — 10 fraud features with identification signals + quantitative scoring model (Python)*\r\n- ✅ **Underwriting Risk Control System** — 5-tier risk classification table + abnormal marking rules*\r\n- ✅ **Fraud Investigation Workflow** — standard SOP from report → preliminary review → risk grading → investigation → conclusion*\r\n- ✅ **Big Data Anti-Fraud Tech** — ML model, relationship graph, medical data integration, OCR, NLP applications*\r\n\r\n## 🚀 Quick Start#\r\n\r\n```bash\r\n# Install this skill\r\nnpx clawhub install @gechengling/insurance-anti-fraud\r\n\r\n# Use in WorkBuddy\r\n/insurance-anti-fraud \"Analyze this claim case for fraud risk\"\r\n/insurance-anti-fraud \"Generate fraud risk scoring for these 10 cases\"\r\n```\r\n\r\n---\r\n\r\n> **中文介绍：** 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。\r\n\r\n**关键词：** 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*\r\n\r\n## ✨ 核心功能#\r\n\r\n- ✅ **四位一体反欺诈工作体系** — 行业/公司主体责任/公安司法/监管部门协同*\r\n- ✅ **理赔欺诈识别引擎** — 10大欺诈特征 + 量化评分模型（Python代码）*\r\n- ✅ **核保风控体系** — 5级风险分级表 + 异常标记规则（高风险/中风险触发条件）*\r\n- ✅ **欺诈案件调查流程** — 报案→初步审核→风险分级→调查→结论处置（正常/协议/拒赔/报案）*\r\n- ✅ **反欺诈能力建设** — 欺诈渗漏率基准、大数据反欺诈技术应用（机器学习/关系图谱/NLP）*\r\n\r\n## 🚀 快速上手#\r\n\r\n```bash\r\n# 安装此技能\r\nnpx clawhub install @gechengling/insurance-anti-fraud\r\n\r\n# 在WorkBuddy中使用\r\n/insurance-anti-fraud \"分析这个理赔案件的欺诈风险\"\r\n/insurance-anti-fraud \"为这10个案件生成欺诈风险评分\"\r\n```\r\n\r\n## 📖 What's Included / 包含内容#\r\n\r\n| File / 文件 | Content / 内容说明 |\r\n|------|---------|\r\n| `SKILL.md` | Full skill definition / 完整技能定义 |\r\n| `references/anti_fraud_guide.md` | 反欺诈工作办法解读 + 各险种欺诈特征详解 |\r\n| `references/underwriting_risk_assessment.md` | 核保风控体系，含风险分级表和异常标记规则 |\r\n| `references/claim_investigation_sop.md` | 理赔欺诈调查SOP，含调查话术和流程图 |\r\n| `references/fraud_case_study.md` | 典型欺诈案例分析（含真实案例改编） |\n\nFile v5.0.1:_meta.json\n\n{\n  \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n  \"slug\": \"insurance-anti-fraud\",\n  \"version\": \"5.0.1\",\n  \"publishedAt\": 1780326699090\n}\n\nFile v5.0.1:references/anti_fraud_guide.md\n\n# 反保险欺诈工作办法解读与各险种欺诈特征\r\n\r\n> 本文件为 `insurance-anti-fraud` Skill 配套参考\r\n\r\n## 一、《反保险欺诈工作办法》核心内容（2024年）\r\n\r\n**发布机构**：国家金融监督管理总局\r\n**实施时间**：2024年7月22日\r\n\r\n### 1.1 四位一体工作体系\r\n\r\n```\r\n┌─────────────────────────────────────────────────────┐\r\n│                   四位一体体系                        │\r\n├─────────────────────────────────────────────────────┤\r\n│ ① 行业协作：银保信平台 + 精算师协会 + 保险行业协会   │\r\n│ ② 公司主体：各保险公司建立反欺诈组织和内控制度       │\r\n│ ③ 司法联动：涉嫌犯罪的案件移送公安/检察机关          │\r\n│ ④ 监管约束：日常监管 + 专项检查 + 行政处罚           │\r\n└─────────────────────────────────────────────────────┘\r\n```\r\n\r\n### 1.2 保险公司主体责任清单\r\n\r\n| 责任 | 具体要求 |\r\n|------|---------|\r\n| 组织架构 | 建立反欺诈部门或岗位，指定高管负责 |\r\n| 制度建设 | 制定反欺诈管理制度和操作规程 |\r\n| 系统建设 | 建立欺诈风险识别和预警系统 |\r\n| 人员培训 | 定期开展反欺诈培训和考核 |\r\n| 信息报送 | 定期向监管部门报送欺诈数据 |\r\n| 案件处置 | 配合司法调查，主动报案 |\r\n\r\n### 1.3 欺诈渗漏率基准\r\n\r\n- 行业平均欺诈渗漏率：**15%-20%**\r\n- 先进水平（优秀公司）：**<5%**\r\n- 差距来源：技术投入不足、数据孤岛、调查能力弱\r\n\r\n## 二、各险种欺诈特征详解\r\n\r\n### 2.1 重疾险欺诈十大特征\r\n\r\n| 特征 | 描述 | 核查方法 |\r\n|------|------|---------|\r\n| 带病投保 | 健康告知全为\"否\"，理赔时发现既往症 | 调取体检记录、医保数据 |\r\n| 虚假诊断 | 伪造重大疾病诊断证明 | 医院核查、专家会诊 |\r\n| 夸大病情 | 轻症夸大成重疾 | 病理报告复查 |\r\n| 等待期出险 | 等待期刚过即集中报案 | 核查投保时间与发病时间 |\r\n| 团伙作案 | 多人同时投保同家公司同种重疾 | 关联案件分析 |\r\n| 重复索赔 | 多家保险公司重复申请同种重疾 | 银保信数据查询 |\r\n| 高额保额 | 低收入人群购买超高保额 | 财务证明核查 |\r\n| 指定受益人异常 | 受益人为陌生人或存在债务关系 | 受益人关系调查 |\r\n| 病历造假 | 病历签名笔迹不一致 | 笔迹鉴定 |\r\n| 恶意投保 | 明知已患重疾后投保 | 全行业投保记录协查 |\r\n\r\n### 2.2 医疗险欺诈特征\r\n\r\n| 欺诈类型 | 具体手法 | 识别信号 |\r\n|---------|---------|---------|\r\n| 虚增费用 | 医疗费用虚高，超出正常水平 | 费用合理性分析，对标同类医院 |\r\n| 挂床住院 | 办理住院但实际未住院 | 住院日志核查、病房查房记录 |\r\n| 过度医疗 | 不必要的检查和治疗 | 临床路径核查 |\r\n| 冒名顶替 | 非被保险人就医 | 核验身份信息 |\r\n| 虚假病历 | 伪造住院记录、诊断证明 | 医院直接核查 |\r\n| 机构合谋 | 医院与患者联手造假 | 异常医院黑名单库 |\r\n| 倒卖保单 | 收购他人保单申请理赔 | 频繁更换受益人 |\r\n\r\n### 2.3 意外险欺诈特征\r\n\r\n| 欺诈类型 | 具体手法 | 识别信号 |\r\n|---------|---------|---------|\r\n| 伪造事故 | 虚构意外事故经过 | 事故现场勘查、监控调取 |\r\n| 制造意外 | 故意制造意外事故 | 事故合理性分析 |\r\n| 酒后顶包 | 酒驾后找人顶替报案 | 笔录矛盾点 |\r\n| 高危职业虚假 | 投保时隐瞒高危职业 | 职业核实 |\r\n| 死亡骗保 | 故意杀害被保险人 | 刑侦介入调查 |\r\n| 自残骗保 | 故意自残获取意外赔偿 | 伤情与事故不符 |\r\n\r\n### 2.4 车险欺诈特征（补充参考）\r\n\r\n| 欺诈类型 | 描述 |\r\n|---------|------|\r\n| 故意碰撞 | 利用修车厂实施有预谋的车辆碰撞 |\r\n| 扩大损失 | 小刮蹭夸大维修范围 |\r\n| 虚假三者 | 编造不存在的第三方受害者 |\r\n| 重复索赔 | 已赔付案件再次索赔 |\r\n| 酒驾顶包 | 酒驾事故找人顶替 |\r\n| 套牌骗赔 | 使用假车牌或套牌车索赔 |\r\n\r\n## 三、欺诈风险评分卡\r\n\r\n### 3.1 健康险欺诈评分（0-100分）\r\n\r\n| 评分项 | 分值范围 | 评分规则 |\r\n|--------|---------|---------|\r\n| 等待期 | 0-30分 | 等待期≤30天=30分，31-90天=15分，>90天=0分 |\r\n| 保额收入比 | 0-25分 | >20倍=25分，10-20倍=15分，<10倍=0分 |\r\n| 医院欺诈历史 | 0-20分 | 该医院有欺诈记录=20分，核查难度高=10分，正常=0分 |\r\n| 既往索赔记录 | 0-15分 | 有拒赔/欺诈记录=15分，多次索赔=8分，首次=0分 |\r\n| 同案关联 | 0-10分 | 与疑似欺诈案件关联=10分，正常=0分 |\r\n\r\n**风险等级**：\r\n- ≥60分：**HIGH_RISK** → 立即启动深度调查，必要时报案\r\n- 30-59分：**MEDIUM_RISK** → 重点审核，补充调查材料\r\n- <30分：**LOW_RISK** → 正常理赔流程\r\n\r\n## 四、大数据反欺诈技术路线\r\n\r\n| 技术 | 应用场景 | 预期效果 |\r\n|------|---------|---------|\r\n| 机器学习评分 | 理赔欺诈评分 | 识别准确率提升30%-50% |\r\n| 关系图谱 | 团伙欺诈识别 | 发现隐藏关联关系 |\r\n| 自然语言处理 | 病历真实性分析 | 识别虚假病历 |\r\n| 声纹/OCR | 身份核实 | 防冒名顶替 |\r\n| 知识图谱 | 反向骗保识别 | 发现异常投保行为 |\n\nFile v5.0.1:references/underwriting_risk_assessment.md\n\n# 核保风控体系与异常标记规则\r\n\r\n> 本文件为 `insurance-anti-fraud` Skill 配套参考\r\n\r\n## 一、核保风险分级标准\r\n\r\n### 1.1 寿险核保风险等级\r\n\r\n| 风险等级 | 评估条件 | 核保结论 | 附加条件 |\r\n|---------|---------|---------|---------|\r\n| **标准体（Preferred）** | 完全健康告知、无异常、无家族风险 | 标准承保 | 无 |\r\n| **次标准体A** | 轻微异常（超重10%内、脂肪肝早期） | 加费承保 | 保费+10%-30% |\r\n| **次标准体B** | 中等异常（高血压控制良好、糖尿病早期） | 有条件承保 | 除外责任+加费 |\r\n| **延期体** | 病情不稳定、待确诊 | 延期观察 | 6-12个月后重核 |\r\n| **拒保体** | 重大既往症、高风险职业 | 拒保 | 不予承保 |\r\n\r\n### 1.2 常见异常核保处理\r\n\r\n| 异常情况 | 评估方法 | 核保结论 |\r\n|---------|---------|---------|\r\n| BMI 28-30 | 轻度肥胖，体检正常 | 加费10%-20% |\r\n| BMI >30 | 中重度肥胖 | 加费20%-30%或拒保 |\r\n| 轻度高血压（<160/100） | 无并发症，控制良好 | 加费15%-25% |\r\n| 重度高血压（≥160/100） | 有并发症风险 | 拒保或延期 |\r\n| 乙肝病毒携带 | 肝功能正常 | 除外承保或加费 |\r\n| 甲状腺结节 | TI-RADS分级1-2级 | 除外甲状腺癌 |\r\n| 乳腺结节 | BI-RADS分级1-2级 | 除外乳腺癌 |\r\n| 既往拒保记录 | 详细调查问卷 | 综合评估 |\r\n\r\n### 1.3 高风险职业分级（意外险）\r\n\r\n| 职业类别 | 典型职业 | 附加保费 |\r\n|---------|---------|---------|\r\n| 1类（最低风险） | 办公室职员、老师、公务员 | 0 |\r\n| 2类（低风险） | 销售员、服务员 | +20% |\r\n| 3类（中等风险） | 司机、建筑工人 | +50% |\r\n| 4类（高风险） | 电工、焊工 | +100% |\r\n| 5类（极高风险） | 矿工、悬崖作业 | +200%或拒保 |\r\n| 6类（不可保） | 试飞员、爆破工人 | 拒保 |\r\n\r\n## 二、异常标记规则（自动核保引擎）\r\n\r\n### 2.1 自动标记规则表\r\n\r\n| 异常信号 | 标记级别 | 自动动作 | 人工复核 |\r\n|---------|---------|---------|---------|\r\n| 同一天多张保单（多家公司） | 🔴HIGH | 进入反欺诈协查 | 必须 |\r\n| 高保额低净值（保额/收入>20倍） | 🔴HIGH | 要求财务证明 | 必须 |\r\n| 既往拒保/延期记录 | 🔴HIGH | 详细调查问卷 | 必须 |\r\n| 等待期≤30天+高保额 | 🔴HIGH | 深度核保 | 必须 |\r\n| 短期内多次投保健康险 | 🟡MEDIUM | 体检要求 | 建议 |\r\n| 高风险职业 | 🟡MEDIUM | 职业核保专项 | 建议 |\r\n| 既往理赔次数>5次 | 🟡MEDIUM | 历史分析报告 | 建议 |\r\n| 年龄>65岁首次投保高额寿险 | 🟡MEDIUM | 财务+健康双核 | 必须 |\r\n| 受益人关系异常 | 🟡MEDIUM | 受益人关系核实 | 必须 |\r\n| 正常告知 | 🟢LOW | 自动通过 | 无需 |\r\n\r\n### 2.2 核保决定时效标准\r\n\r\n| 案件类型 | 核保时效 | 说明 |\r\n|---------|---------|------|\r\n| 标准体 | 1个工作日 | 自动通过 |\r\n| 次标准体 | 3个工作日 | 需核保人员评估 |\r\n| 高保额件（>100万） | 5个工作日 | 体检+财务核查 |\r\n| 高风险案件 | 7个工作日 | 深度调查 |\r\n| 拒保/延期 | 3个工作日 | 需高级核保审批 |\r\n\r\n## 三、保险金额与财务核验标准\r\n\r\n| 年缴保费/家庭年收入 | 可承受保额上限参考 | 说明 |\r\n|------------------|-----------------|------|\r\n| <5% | 保额的10倍 | 国际标准 |\r\n| 5%-10% | 保额的15倍 | 合理范围 |\r\n| 10%-20% | 保额的20倍 | 上限 |\r\n| >20% | 需要财务证明 | 核查真实需求 |\r\n\r\n**常见财务核验指标**：\r\n- 年收入与累计保费比例\r\n- 职业收入合理性\r\n- 企业主资产核实（工商数据）\r\n- 关联人保费累加（配偶/子女）\n\nFile v5.0.1:skill-card.md\n\n## Description: <br>\nAI-powered insurance anti-fraud analysis skill for identifying claims fraud signals, underwriting risk factors, investigation workflows, and compliance-oriented anti-fraud controls for the Chinese insurance market. <br>\n\nThis skill is ready for commercial/non-commercial use. <br>\n\n## Publisher: <br>\n[gechengling](https://clawhub.ai/user/gechengling) <br>\n\n### License/Terms of Use: <br>\nMIT-0 <br>\n\n\n## Use Case: <br>\nInsurance claims, risk control, underwriting, and compliance teams use this skill to frame fraud-risk reviews, identify suspicious claim or underwriting patterns, and prepare human-reviewed investigation recommendations. <br>\n\n### Deployment Geography for Use: <br>\nChina <br>\n\n## Known Risks and Mitigations: <br>\nRisk: Sensitive insurance, medical, police, court, device, or cross-company claims data could be exposed or misused during fraud analysis. <br>\nMitigation: Use only authorized, legally obtained data; minimize or redact personal data where possible; and keep investigation details confidential. <br>\nRisk: Fraud-risk outputs could be mistaken for final claim denial, blacklisting, reporting, legal, financial, or insurance advice. <br>\nMitigation: Treat outputs as advisory references only and require review by qualified claims, underwriting, compliance, or legal personnel before action. <br>\nRisk: The guidance is centered on Chinese insurance anti-fraud workflows and may not fit other jurisdictions or current regulatory obligations. <br>\nMitigation: Validate any operational use against current applicable law, regulator guidance, company policy, and local compliance requirements. <br>\n\n\n## Reference(s): <br>\n- [ClawHub skill page](https://clawhub.ai/gechengling/insurance-anti-fraud) <br>\n- [Anti Fraud Guide](references/anti_fraud_guide.md) <br>\n- [Underwriting Risk Assessment](references/underwriting_risk_assessment.md) <br>\n- [README](README.md) <br>\n\n\n## Skill Output: <br>\n**Output Type(s):** [text, markdown, code, guidance] <br>\n**Output Format:** [Markdown analysis with tables, scoring examples, workflow steps, and advisory recommendations] <br>\n**Output Parameters:** [1D] <br>\n**Other Properties Related to Output:** [Advisory-only outputs require qualified human review before operational, legal, claims, reporting, or underwriting decisions.] <br>\n\n## Skill Version(s): <br>\n5.0.1 (source: server release evidence; artifact frontmatter lists 5.0.0) <br>\n\n## Ethical Considerations: <br>\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment. <br>\n\nArchive v5.0.0: 6 files, 15298 bytes\n\nFiles: README.md (3635b), references/anti_fraud_guide.md (5741b), references/underwriting_risk_assessment.md (3777b), skill-card.md (2699b), SKILL.md (16513b), _meta.json (139b)\n\nFile v5.0.0:SKILL.md\n\n---\nname: Insurance Anti-Fraud Expert\ndescription: 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.\nslug: insurance-anti-fraud\nversion: \"5.0.0\"\n---\n\n# Insurance Anti-Fraud Expert / 保险反欺诈分析专家\n\n\n### 保险监管最新动态 [2026-05-25更新]\n\n| 动态类型 | 内容摘要 | 影响范围 |\n|---------|---------|---------|\n| 保险监管 | 2026年Q1反洗钱监管力度加大，洗钱风险评估要求提升 | 反欺诈模型需整合合规审查和快速理赔风控逻辑 |\n| 保险监管 | NFRA 2026年Q1保险业处罚数据更新，合规管理持续深化 | 反欺诈模型需整合合规审查和快速理赔风控逻辑 |\n| 保险监管 | 车险理赔提速：5000元以下小额事故'一键理赔、24小时到账' | 反欺诈模型需整合合规审查和快速理赔风控逻辑 |\n\n> **数据截止**: 2026-05-25 | 来源：国家金融监督管理总局、安永Q1分析、行业公开信息\n> **声明**: 以上动态供参考，具体以官方最新发布为准\n\n> **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.\n>\n> **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。\n\n---\n\n## Trigger Keywords / 触发关键词\n\n**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\n\n**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\n\n---\n\n## Core Capabilities / 核心能力\n\n### 0. 最新监管动态（截至2026年5月）\n\n| 时间 | 事项 | 反欺诈影响 |\n|------|------|---------|\n| **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 |\n| **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 |\n| **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 |\n| **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 |\n\n### 1. Regulatory Framework: Anti-Insurance Fraud Measures / 监管框架：《反保险欺诈工作办法》全解\n\n**法规来源**：国家金融监督管理总局，2024年7月22日发布实施\n\n#### 四位一体反欺诈工作体系\n\n```text\n┌─────────────────────────────────────────────────┐\n│                   四位一体体系                        │\n├─────────────────────────────────────────────────┤\n│  ① 行业反欺诈：银保信/精算师协会/保险行业协会协同    │\n│  ② 公司主体责任：各保险公司反欺诈组织架构           │\n│  ③ 公安司法机关：涉嫌犯罪的移送公安                │\n│  ④ 监管部门：日常监管+专项检查+处罚                │\n└─────────────────────────────────────────────────┘\n```\n\n#### 欺诈类型分类\n\n| 类型 | 定义 | 典型场景 | 涉案险种 |\n|------|------|---------|---------|\n| **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 |\n| **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 |\n| **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 |\n| **内部欺诈** | 内部人员参与 | 内外勾结、虚假理赔 | 各险种 |\n| **洗钱型欺诈** | 借保险洗白资金 | 趸交高额寿险退保 | 寿险 |\n\n### 2. Claims Fraud Identification Engine / 理赔欺诈识别引擎\n\n#### 健康险理赔欺诈十大特征\n\n| 特征序号 | 欺诈特征 | 识别信号 |\n|---------|---------|---------|\n| 1 | **短时间内集中投保** | 等待期刚过即集中大量理赔 |\n| 2 | **带病投保隐瞒病史** | 健康告知全为\"否\"，理赔时发现既往症 |\n| 3 | **虚假医院就诊** | 病历签名笔迹不一致、无实际治疗记录 |\n| 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 |\n| 5 | **团伙作案特征** | 同一天、同一家医院、同一病种的群体报案 |\n| 6 | **非正常高保额** | 收入与投保金额严重不符（意外险高保额） |\n| 7 | **频繁小额理赔** | 利用免赔额规则反复小额索赔 |\n| 8 | **跨公司重复索赔** | 利用信息不对称在多家公司重复索赔 |\n| 9 | **职业骗保** | 特定高风险职业频繁出险（矿工/高危行业） |\n| 10 | **重大事故造假** | 死亡/伤残事故真实性存疑 |\n\n#### 欺诈风险量化评分模型\n\n```python\n# Fraud Risk Scoring Model (simplified / 简化示例）\ndef fraud_score(case):\n    score = 0\n    \n    # 等待期观察（权重30%）\n    if case.waiting_period_days < 30:\n        score += 30\n    elif case.waiting_period_days < 90:\n        score += 15\n    \n    # 投保保额异常（权重25%）\n    if case.coverage_to_income_ratio > 10:\n        score += 25\n    elif case.coverage_to_income_ratio > 5:\n        score += 15\n    \n    # 就诊医院异常（权重20%）\n    if case.hospital_fraud_history:\n        score += 20\n    elif case.is_chain_hospital == False and case.amount > 50000:\n        score += 10\n    \n    # 既往理赔记录（权重15%）\n    if case.past_fraud_record:\n        score += 15\n    elif case.past_claim_count > 5:\n        score += 8\n    \n    # 同案关联（权重10%）\n    if case.linked_to_suspected_cases:\n        score += 10\n    \n    # 返回风险等级\n    if score >= 60: return \"HIGH_RISK - 立即调查\"\n    elif score >= 30: return \"MEDIUM_RISK - 重点审核\"\n    else: return \"LOW_RISK - 正常流程\"\n```\n\n### 3. Underwriting Risk Control / 核保风控体系\n\n#### 核保风险分级表\n\n| 风险等级 | 评估条件 | 核保决策 | 附加条件 |\n|---------|---------|---------|---------|\n| **标准体** | 健康告知全否、无异常记录 | 标准承保 | - |\n| **次标准体A** | 轻微异常（BMI偏高/脂肪肝） | 加费承保 | +10%-30%保费 |\n| **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 |\n| **延期体** | 病情不稳定或待确诊 | 延期观察 | 6-12个月后重核 |\n| **拒保体** | 重大既往症/高风险职业 | 拒保 | 不予承保 |\n\n### 4. Fraud Investigation Workflow / 欺诈案件调查流程\n\n```text\n受理报案\n    ↓\n初步审核（24小时内）\n  ├─ 资料完整性检查\n  ├─ 基本逻辑校验\n  └─ 欺诈特征快速筛查（AI模型打分）\n         ↓\n风险分级\n  ├─ LOW_RISK → 正常理赔流程\n  ├─ MEDIUM_RISK → 理赔调查（7天内）\n  └─ HIGH_RISK → 深度调查+报案\n         ↓\n调查阶段\n  ├─ 医疗数据核实（医保/医院调取）\n  ├─ 既往投保记录查询（银保信平台）\n  ├─ 现场走访/面访\n  └─ 第三方数据核查（大数据风控）\n         ↓\n结论处置\n  ├─ 正常赔付 → 快速支付\n  ├─ 协议赔付 → 减少金额达成和解\n  ├─ 拒赔处理 → 发拒赔通知+说明\n  └─ 报案追究 → 移送公安（涉嫌犯罪）\n```\n\n### 5. Anti-Fraud Capability Benchmark / 反欺诈能力建设\n\n| 指标 | 行业平均水平 | 先进水平 | 说明 |\n|------|------------|---------|------|\n| **欺诈渗漏率** | 15%-20% | <5% | 欺诈+渗漏（过度理赔）占保费比例 |\n| **欺诈识别率** | 30%-40% | >70% | 实际欺诈案件中被识别的比例 |\n| **案件调查周期** | 15-30天 | <7天 | 从报案到结论 |\n\n### 5. 黑灰产打击专项 / \"黑灰产\" Insurance Crime Crackdown|\n\n#### 2026年金融领域黑灰产打击重点\n\n| 黑产类型 | 作案方式 | 识别特征 | 打击措施 |\n|---------|---------|---------|---------|\n| **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 |\n| **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 |\n| **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 |\n| **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 |\n| **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 |\n\n#### 黑名单管理体系\n\n```python\n# 黑名单多维度关联查询框架\ndef blacklist_check(claimant_info):\n    checks = {\n        \"银保信欺诈黑名单\": query_nfra_blacklist(claimant_info.id),\n        \"公安人口信息核查\": query_police_id(claimant_info.id),\n        \"医保异常名单\": query_medical_insurance(claimant_info.id),\n        \"法院失信被执行人\": query_court_dishonesty(claimant_info.id),\n        \"跨公司理赔记录\": query_cross_company_claims(claimant_info.id),\n        \"设备指纹关联\": query_device_fingerprint(claimant_info.device_id),\n        \"关联人身份\": query_related_persons(claimant_info.id),\n    }\n    hit_count = sum(1 for v in checks.values() if v.is_hit)\n    risk_level = \"HIGH\" if hit_count >= 3 else \"MEDIUM\" if hit_count >= 1 else \"LOW\"\n    return {\"checks\": checks, \"hit_count\": hit_count, \"risk_level\": risk_level}\n```\n\n### 6. AI-Driven Anti-Fraud Technology / AI大数据反欺诈技术|\n\n#### 主流反欺诈建模技术栈\n\n| 技术 | 应用场景 | 效果 |\n|------|---------|------|\n| **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 |\n| **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 |\n| **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% |\n| **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 |\n| **时序行为分析** | 投保→理赔时间序列异常 | 等待期欺诈识别 |\n\n---\n\n## Reference Files / 参考文件\n\n| File / 文件 | Content / 内容说明 |\n|------|---------|\n| `references/anti_fraud_guide.md` | 反欺诈工作办法解读 + 各险种欺诈特征详解 |\n| `references/underwriting_risk_assessment.md` | 核保风控体系，含风险分级表和异常标记规则 |\n| `references/claim_investigation_sop.md` | 理赔欺诈调查 SOP，含调查话术和流程图 |\n| `references/fraud_case_study.md` | 典型欺诈案例分析（含真实案例改编） |\n| `references/data_model_guide.md` | 反欺诈数据模型构建指南，含评分卡示例 |\n\n---\n\n## 附录G：阿里点金(Dianjin)融合精华 — 理赔欺诈检测与异常模式识别\n\n### G.1 核心工作流程（Dianjin融合版）\n\n#### 步骤1：理赔欺诈特征识别\n| 欺诈类型 | 识别特征 | 风险信号 |\n|---------|---------|---------|\n| **虚构事故** | 事故时间/地点/天气交叉验证 | 事故描述矛盾、天气不符、地点异常 |\n| **夸大损失** | 维修估价vs市场价、定损单比对 | 估价超市场价30%、定损单不一致 |\n| **重复索赔** | 历史索赔记录、跨公司查询 | 同一事故多公司索赔、相似事故频繁 |\n| **团伙作案** | 关系图谱、IP/MAC地址聚类 | 多案件关联同一修理厂/医院 |\n\n#### 步骤2：风险量化评分\n| 评分维度 | 评分指标 | 权重 | 风险阈值 |\n|---------|---------|------|---------|\n| 材料异常 | 伪造检测得分、交叉验证结果 | 30% | 伪造检测得分<60分 |\n| 行为异常 | 索赔频率、跨公司记录 | 25% | 12个月内索赔>3次 |\n| 损失异常 | 损失程度与事故匹配度 | 20% | 损失程度异常超30% |\n| 关联异常 | 与修理厂/医院关联关系 | 15% | 关联修理厂/医院历史欺诈率>10% |\n| 合规异常 | 理赔时效、客户服务合规 | 10% | 超理赔时效或客户投诉 |\n\n#### 步骤3：异常模式挖掘\n- **关系网络分析**：被保险人-修理厂-医院关系图谱\n- **时空模式分析**：事故时间/地点聚类分析\n- **金额模式分析**：索赔金额分布异常检测\n- **行为序列分析**：索赔前行为模式异常\n\n#### 步骤4：处置决策与报告\n- **处置决策**：正常赔付/加强调查/拒赔/报警\n- **调查报告**：欺诈调查报告、证据链文档\n- **监管报送**：重大欺诈案件监管报送\n\n---\n\n### G.2 风险评分机制（Dianjin精髓）\n\n**综合风险等级**：\n- 低风险（0-20分）：正常赔付，标准流程\n- 中风险（21-40分）：加强调查，必要时现场查勘\n- 高风险（41-60分）：重点调查，必要时外调或第三方公估\n- 极高风险（61-80分）：疑似欺诈，移交反欺诈部门或报警\n\n---\n\n### G.3 合规约束（Dianjin精髓）\n\n1. **不适用边界**：本技能不适用于法律诉讼代理、刑事责任认定，此类需求需转交法律合规部门\n2. **禁止承诺**：不使用\"一定拒赔\"\"guaranteed denial\"等承诺性表述\n3. **禁止替代决策**：仅输出分析建议，最终理赔决策由理赔主管/核赔师出具\n4. **数据溯源**：医疗数据、事故证据必须标注来源和获取日期\n5. **隐私保护**：客户信息、调查细节必须保密\n6. **客观中立**：分析不得受绩效考核影响，须客观呈现风险\n\n---\n\n### G.4 测试用例（Dianjin精髓）\n\n| 用例ID | 输入场景 | 预期输出 | 验证点 |\n|--------|---------|---------|---------|\n| TC001 | 车险：事故损伤轻微但定损5万，关联修理厂历史欺诈率15% | 极高风险（70分），建议移交反欺诈调查 | 关联异常识别准确 |\n| TC002 | 医疗险：诊断感冒但发票2万，患者12个月内索赔5次 | 极高风险（75分），建议医院调查+费用核查 | 行为异常识别准确 |\n| TC003 | 财产险：火灾索赔500万，同类事故3次，关系网含3家修理厂 | 极高风险（80分），建议公安报案 | 团伙模式识别准确 |\n\n---\n\n### G.5 关联技能（Dianjin精髓）\n\n- **保险理赔专家**（`insurance-claims-intelligence`）：提供理赔材料分析、责任认定、理赔流程\n- **保险核保专家**（`insurance-actuarial-cn`）：提供核保规则、健康核验、风险分类\n- **保险代理人**（`insurance-agent-trainer`）：提供客户画像、保障缺口分析\n\n---\n\n*融合来源：阿里点金(Dianjin) claim-expert*\n*融合时间：2026-05-31*\n\nFile v5.0.0:README.md\n\n# Insurance Anti-Fraud Expert / 保险反欺诈分析专家#\r\n\r\n> **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.\r\n\r\n**Keywords:** insurance fraud, anti-fraud, claims fraud, risk control, underwriting, insurance crime, CBIRC, China insurance*\r\n\r\n## ✨ Features#\r\n\r\n- ✅ **CBIRC Anti-Fraud Framework** — 4-pillar anti-fraud system (industry/company responsibility/judicial/regulatory)\r\n- ✅ **Claims Fraud Identification Engine** — 10 fraud features with identification signals + quantitative scoring model (Python)*\r\n- ✅ **Underwriting Risk Control System** — 5-tier risk classification table + abnormal marking rules*\r\n- ✅ **Fraud Investigation Workflow** — standard SOP from report → preliminary review → risk grading → investigation → conclusion*\r\n- ✅ **Big Data Anti-Fraud Tech** — ML model, relationship graph, medical data integration, OCR, NLP applications*\r\n\r\n## 🚀 Quick Start#\r\n\r\n```bash\r\n# Install this skill\r\nnpx clawhub install @gechengling/insurance-anti-fraud\r\n\r\n# Use in WorkBuddy\r\n/insurance-anti-fraud \"Analyze this claim case for fraud risk\"\r\n/insurance-anti-fraud \"Generate fraud risk scoring for these 10 cases\"\r\n```\r\n\r\n---\r\n\r\n> **中文介绍：** 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。\r\n\r\n**关键词：** 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*\r\n\r\n## ✨ 核心功能#\r\n\r\n- ✅ **四位一体反欺诈工作体系** — 行业/公司主体责任/公安司法/监管部门协同*\r\n- ✅ **理赔欺诈识别引擎** — 10大欺诈特征 + 量化评分模型（Python代码）*\r\n- ✅ **核保风控体系** — 5级风险分级表 + 异常标记规则（高风险/中风险触发条件）*\r\n- ✅ **欺诈案件调查流程** — 报案→初步审核→风险分级→调查→结论处置（正常/协议/拒赔/报案）*\r\n- ✅ **反欺诈能力建设** — 欺诈渗漏率基准、大数据反欺诈技术应用（机器学习/关系图谱/NLP）*\r\n\r\n## 🚀 快速上手#\r\n\r\n```bash\r\n# 安装此技能\r\nnpx clawhub install @gechengling/insurance-anti-fraud\r\n\r\n# 在WorkBuddy中使用\r\n/insurance-anti-fraud \"分析这个理赔案件的欺诈风险\"\r\n/insurance-anti-fraud \"为这10个案件生成欺诈风险评分\"\r\n```\r\n\r\n## 📖 What's Included / 包含内容#\r\n\r\n| File / 文件 | Content / 内容说明 |\r\n|------|---------|\r\n| `SKILL.md` | Full skill definition / 完整技能定义 |\r\n| `references/anti_fraud_guide.md` | 反欺诈工作办法解读 + 各险种欺诈特征详解 |\r\n| `references/underwriting_risk_assessment.md` | 核保风控体系，含风险分级表和异常标记规则 |\r\n| `references/claim_investigation_sop.md` | 理赔欺诈调查SOP，含调查话术和流程图 |\r\n| `references/fraud_case_study.md` | 典型欺诈案例分析（含真实案例改编） |\n\nFile v5.0.0:_meta.json\n\n{\n  \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n  \"slug\": \"insurance-anti-fraud\",\n  \"version\": \"5.0.0\",\n  \"publishedAt\": 1780193479758\n}\n\nFile v5.0.0:references/anti_fraud_guide.md\n\n# 反保险欺诈工作办法解读与各险种欺诈特征\r\n\r\n> 本文件为 `insurance-anti-fraud` Skill 配套参考\r\n\r\n## 一、《反保险欺诈工作办法》核心内容（2024年）\r\n\r\n**发布机构**：国家金融监督管理总局\r\n**实施时间**：2024年7月22日\r\n\r\n### 1.1 四位一体工作体系\r\n\r\n```\r\n┌─────────────────────────────────────────────────────┐\r\n│                   四位一体体系                        │\r\n├─────────────────────────────────────────────────────┤\r\n│ ① 行业协作：银保信平台 + 精算师协会 + 保险行业协会   │\r\n│ ② 公司主体：各保险公司建立反欺诈组织和内控制度       │\r\n│ ③ 司法联动：涉嫌犯罪的案件移送公安/检察机关          │\r\n│ ④ 监管约束：日常监管 + 专项检查 + 行政处罚           │\r\n└─────────────────────────────────────────────────────┘\r\n```\r\n\r\n### 1.2 保险公司主体责任清单\r\n\r\n| 责任 | 具体要求 |\r\n|------|---------|\r\n| 组织架构 | 建立反欺诈部门或岗位，指定高管负责 |\r\n| 制度建设 | 制定反欺诈管理制度和操作规程 |\r\n| 系统建设 | 建立欺诈风险识别和预警系统 |\r\n| 人员培训 | 定期开展反欺诈培训和考核 |\r\n| 信息报送 | 定期向监管部门报送欺诈数据 |\r\n| 案件处置 | 配合司法调查，主动报案 |\r\n\r\n### 1.3 欺诈渗漏率基准\r\n\r\n- 行业平均欺诈渗漏率：**15%-20%**\r\n- 先进水平（优秀公司）：**<5%**\r\n- 差距来源：技术投入不足、数据孤岛、调查能力弱\r\n\r\n## 二、各险种欺诈特征详解\r\n\r\n### 2.1 重疾险欺诈十大特征\r\n\r\n| 特征 | 描述 | 核查方法 |\r\n|------|------|---------|\r\n| 带病投保 | 健康告知全为\"否\"，理赔时发现既往症 | 调取体检记录、医保数据 |\r\n| 虚假诊断 | 伪造重大疾病诊断证明 | 医院核查、专家会诊 |\r\n| 夸大病情 | 轻症夸大成重疾 | 病理报告复查 |\r\n| 等待期出险 | 等待期刚过即集中报案 | 核查投保时间与发病时间 |\r\n| 团伙作案 | 多人同时投保同家公司同种重疾 | 关联案件分析 |\r\n| 重复索赔 | 多家保险公司重复申请同种重疾 | 银保信数据查询 |\r\n| 高额保额 | 低收入人群购买超高保额 | 财务证明核查 |\r\n| 指定受益人异常 | 受益人为陌生人或存在债务关系 | 受益人关系调查 |\r\n| 病历造假 | 病历签名笔迹不一致 | 笔迹鉴定 |\r\n| 恶意投保 | 明知已患重疾后投保 | 全行业投保记录协查 |\r\n\r\n### 2.2 医疗险欺诈特征\r\n\r\n| 欺诈类型 | 具体手法 | 识别信号 |\r\n|---------|---------|---------|\r\n| 虚增费用 | 医疗费用虚高，超出正常水平 | 费用合理性分析，对标同类医院 |\r\n| 挂床住院 | 办理住院但实际未住院 | 住院日志核查、病房查房记录 |\r\n| 过度医疗 | 不必要的检查和治疗 | 临床路径核查 |\r\n| 冒名顶替 | 非被保险人就医 | 核验身份信息 |\r\n| 虚假病历 | 伪造住院记录、诊断证明 | 医院直接核查 |\r\n| 机构合谋 | 医院与患者联手造假 | 异常医院黑名单库 |\r\n| 倒卖保单 | 收购他人保单申请理赔 | 频繁更换受益人 |\r\n\r\n### 2.3 意外险欺诈特征\r\n\r\n| 欺诈类型 | 具体手法 | 识别信号 |\r\n|---------|---------|---------|\r\n| 伪造事故 | 虚构意外事故经过 | 事故现场勘查、监控调取 |\r\n| 制造意外 | 故意制造意外事故 | 事故合理性分析 |\r\n| 酒后顶包 | 酒驾后找人顶替报案 | 笔录矛盾点 |\r\n| 高危职业虚假 | 投保时隐瞒高危职业 | 职业核实 |\r\n| 死亡骗保 | 故意杀害被保险人 | 刑侦介入调查 |\r\n| 自残骗保 | 故意自残获取意外赔偿 | 伤情与事故不符 |\r\n\r\n### 2.4 车险欺诈特征（补充参考）\r\n\r\n| 欺诈类型 | 描述 |\r\n|---------|------|\r\n| 故意碰撞 | 利用修车厂实施有预谋的车辆碰撞 |\r\n\n\nArchive v4.0.1: 6 files, 13674 bytes\n\nFiles: README.md (3635b), references/anti_fraud_guide.md (5741b), references/underwriting_risk_assessment.md (3777b), skill-card.md (2338b), SKILL.md (12947b), _meta.json (139b)\n\nArchive v2.0.0: 5 files, 12124 bytes\n\nFiles: README.md (3635b), references/anti_fraud_guide.md (5741b), references/underwriting_risk_assessment.md (3777b), SKILL.md (12004b), _meta.json (139b)","readmeExcerpt":"Skill: Insurance Anti Fraud Owner: gechengling Summary: 基于国家监管办法，提供保险理赔和核保欺诈识别、风险评分、调查流程及防范建议，助力风控合规。 Tags: CBIRC:1.1.0, anti-fraud:5.0.4, banking:5.0.0, cbirc:1.0.1, china-insurance:1.1.0, claims-fraud:1.1.0, compliance:5.0.4, dianjin:5.0.0, finance:5.0.0, fraud-detection:1.1.0, insurance:5.0.4, insurance-anti-fraud:5.0.5, insurance-crime:1.1.0, insurance-fraud:1.1.0, latest:5.0.5, risk-control:5.0.4, underwriting:1","codeSnippets":[],"executableExamples":[{"language":"text","snippet":"┌─────────────────────────────────────────────────┐\n│                   四位一体体系                        │\n├─────────────────────────────────────────────────┤\n│  ① 行业反欺诈：银保信/精算师协会/保险行业协会协同    │\n│  ② 公司主体责任：各保险公司反欺诈组织架构           │\n│  ③ 公安司法机关：涉嫌犯罪的移送公安                │\n│  ④ 监管部门：日常监管+专项检查+处罚                │\n└─────────────────────────────────────────────────┘"},{"language":"python","snippet":"# Fraud Risk Scoring Model (simplified / 简化示例）\ndef fraud_score(case):\n    score = 0\n    \n    # 等待期观察（权重30%）\n    if case.waiting_period_days < 30:\n        score += 30\n    elif case.waiting_period_days < 90:\n        score += 15\n    \n    # 投保保额异常（权重25%）\n    if case.coverage_to_income_ratio > 10:\n        score += 25\n    elif case.coverage_to_income_ratio > 5:\n        score += 15\n    \n    # 就诊医院异常（权重20%）\n    if case.hospital_fraud_history:\n        score += 20\n    elif case.is_chain_hospital == False and case.amount > 50000:\n        score += 10\n    \n    # 既往理赔记录（权重15%）\n    if case.past_fraud_record:\n        score += 15\n    elif case.past_claim_count > 5:\n        score += 8\n    \n    # 同案关联（权重10%）\n    if case.linked_to_suspected_cases:\n        score += 10\n    \n    # 返回风险等级\n    if score >= 60: return \"HIGH_RISK - 立即调查\"\n    elif score >= 30: return \"MEDIUM_RISK - 重点审核\"\n    else: return \"LOW_RISK - 正常流程\""},{"language":"text","snippet":"受理报案\n    ↓\n初步审核（24小时内）\n  ├─ 资料完整性检查\n  ├─ 基本逻辑校验\n  └─ 欺诈特征快速筛查（AI模型打分）\n         ↓\n风险分级\n  ├─ LOW_RISK → 正常理赔流程\n  ├─ MEDIUM_RISK → 理赔调查（7天内）\n  └─ HIGH_RISK → 深度调查+报案\n         ↓\n调查阶段\n  ├─ 医疗数据核实（医保/医院调取）\n  ├─ 既往投保记录查询（银保信平台）\n  ├─ 现场走访/面访\n  └─ 第三方数据核查（大数据风控）\n         ↓\n结论处置\n  ├─ 正常赔付 → 快速支付\n  ├─ 协议赔付 → 减少金额达成和解\n  ├─ 拒赔处理 → 发拒赔通知+说明\n  └─ 报案追究 → 移送公安（涉嫌犯罪）"},{"language":"python","snippet":"# 黑名单多维度关联查询框架\ndef blacklist_check(claimant_info):\n    checks = {\n        \"银保信欺诈黑名单\": query_nfra_blacklist(claimant_info.id),\n        \"公安人口信息核查\": query_police_id(claimant_info.id),\n        \"医保异常名单\": query_medical_insurance(claimant_info.id),\n        \"法院失信被执行人\": query_court_dishonesty(claimant_info.id),\n        \"跨公司理赔记录\": query_cross_company_claims(claimant_info.id),\n        \"设备指纹关联\": query_device_fingerprint(claimant_info.device_id),\n        \"关联人身份\": query_related_persons(claimant_info.id),\n    }\n    hit_count = sum(1 for v in checks.values() if v.is_hit)\n    risk_level = \"HIGH\" if hit_count >= 3 else \"MEDIUM\" if hit_count >= 1 else \"LOW\"\n    return {\"checks\": checks, \"hit_count\": hit_count, \"risk_level\": risk_level}"},{"language":"text","snippet":"┌─────────────────────────────────────────────────┐\n│                   四位一体体系                        │\n├─────────────────────────────────────────────────┤\n│  ① 行业反欺诈：银保信/精算师协会/保险行业协会协同    │\n│  ② 公司主体责任：各保险公司反欺诈组织架构           │\n│  ③ 公安司法机关：涉嫌犯罪的移送公安                │\n│  ④ 监管部门：日常监管+专项检查+处罚                │\n└─────────────────────────────────────────────────┘"},{"language":"python","snippet":"# Fraud Risk Scoring Model (simplified / 简化示例）\ndef fraud_score(case):\n    score = 0\n    \n    # 等待期观察（权重30%）\n    if case.waiting_period_days < 30:\n        score += 30\n    elif case.waiting_period_days < 90:\n        score += 15\n    \n    # 投保保额异常（权重25%）\n    if case.coverage_to_income_ratio > 10:\n        score += 25\n    elif case.coverage_to_income_ratio > 5:\n        score += 15\n    \n    # 就诊医院异常（权重20%）\n    if case.hospital_fraud_history:\n        score += 20\n    elif case.is_chain_hospital == False and case.amount > 50000:\n        score += 10\n    \n    # 既往理赔记录（权重15%）\n    if case.past_fraud_record:\n        score += 15\n    elif case.past_claim_count > 5:\n        score += 8\n    \n    # 同案关联（权重10%）\n    if case.linked_to_suspected_cases:\n        score += 10\n    \n    # 返回风险等级\n    if score >= 60: return \"HIGH_RISK - 立即调查\"\n    elif score >= 30: return \"MEDIUM_RISK - 重点审核\"\n    else: return \"LOW_RISK - 正常流程\""}],"parameters":null,"dependencies":[],"permissions":[],"extractedFiles":[{"path":"SKILL.md","content":"---\nname: Insurance Anti-Fraud Expert\ndescription: 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.\nslug: insurance-anti-fraud\nversion: 5.0.5\n\ncapabilities:\n  - educational-reference\n  - advisory-only\n  - requires-human-review\n  - illustrative-code-samples\n---\n\n# Insurance Anti-Fraud Expert / 保险反欺诈分析专家\n\n> **⚠️ SECURITY NOTICE / 安全声明**\n> - **Type:** Educational reference / analytical framework ONLY\n> - **No executable code, scripts, or binaries are bundled or run by this skill** — the Python fragments below are illustrative scoring logic for the user's own environment\n> - **No persistent storage, network calls, background execution, or credential collection**\n> - **All outputs are for reference only and require human review before real-world application**\n> - **This skill does NOT provide financial, legal, or insurance advice**\n> - **Users must exercise their own judgment and consult qualified professionals**\n\n\n\n> **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.\n>\n> **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。\n\n---\n\n## Trigger Keywords / 触发关键词\n\n**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\n\n**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\n\n---\n\n## 数据最小化与合规前置声明 / Data Minimisation（2026-09-24 新增）\n\n使用本技能任何模块前，先执行下列四条：\n1. **只处理必要字段**：核查所需的最小信息集（如出险时间、就诊机构、金额、险种），不采集与目标无关的病史细节、家庭成员信息、位置轨迹。\n2. **脱敏后输入**：姓名用“张**”，证件号仅保留前后各 2 位，联系电话与银行账号以哈希或编号替代。\n3. **授权与最小必要**：调取医保、公安、法院、银保信等外部数据须有明确授权与业务必要性说明，禁止“先取后想”。\n4. **预览后落盘**：任何风险评分、调查报告、移送建议，先在对话中完整展示给用户预览，经明确确认后再写入文件或对外报送。\n\n> 本技能不内置可运行的查询接口与外部数据连接；文中的查询函数名为**示意性命名**，\n> 需由使用方在自己的合规环境中实现。\n\n---\n\n## Core Capabilities / 核心能力\n\n### 0. 最新监管动态（截至 2026-09-24）\n\n| 时间 |"},{"path":"_meta.json","content":"{\n  \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n  \"slug\": \"insurance-anti-fraud\",\n  \"version\": \"5.0.5\",\n  \"publishedAt\": 1790227501668\n}"},{"path":"skill-card.md","content":"## Description:\n\nAI-powered insurance anti-fraud analysis skill for detecting and preventing insurance fraud across major insurance types, with claim fraud indicators, underwriting risk controls, investigation workflows, and big-data anti-fraud model guidance for the Chinese insurance market.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[gechengling](https://clawhub.ai/user/gechengling)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nInsurance claims, risk control, underwriting, compliance, and fraud investigation teams use this skill to review fraud indicators, structure risk scoring, plan investigation steps, and draft human-reviewed anti-fraud analysis. It is advisory only and should not be used as the sole basis for claim denial, regulatory reporting, or legal conclusions.\n\n### Deployment Geography for Use:\n\nChina\n\n## Known Risks and Mitigations:\n\nRisk: Regulatory statements, scoring thresholds, and workflows may be outdated or incomplete for a live insurance decision.\n\nMitigation: Verify China-specific regulatory content against current official sources and qualified legal or compliance reviewers before operational use.\n\nRisk: Fraud scores or model outputs could be treated as conclusive evidence and cause incorrect claim denial or escalation.\n\nMitigation: Use scores only as investigation signals, require independent supporting evidence, and keep human review in the decision process.\n\nRisk: Anti-fraud investigations can involve sensitive personal, medical, financial, and law-enforcement-related data.\n\nMitigation: Apply data minimization, de-identification, explicit authorization, and documented business necessity before using external or sensitive data.\n\nRisk: Generated reports or referral recommendations could be sent externally before review.\n\nMitigation: Preview risk scores, investigation reports, and referral recommendations with the user, then require explicit confirmation and legal or compliance review before saving or reporting.\n\n## Reference(s):\n\n- [ClawHub skill page](https://clawhub.ai/gechengling/skills/insurance-anti-fraud)\n- [Artifact skill definition](artifact/SKILL.md)\n\n## Skill Output:\n\n**Output Type(s):** [text, markdown, code, guidance]\n\n**Output Format:** [Markdown with structured tables, checklists, workflows, and illustrative Python snippets]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Advisory outputs require human review and user confirmation before file creation, external reporting, or operational use.]\n\n## Skill Version(s):\n\n5.0.5 (source: frontmatter and server release evidence)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment."}],"languages":[],"docsSourceLabel":"CLAWHUB","editorialOverview":"基于国家监管办法，提供保险理赔和核保欺诈识别、风险评分、调查流程及防范建议，助力风控合规。 Skill: Insurance Anti Fraud Owner: gechengling Summary: 基于国家监管办法，提供保险理赔和核保欺诈识别、风险评分、调查流程及防范建议，助力风控合规。 Tags: CBIRC:1.1.0, anti-fraud:5.0.4, banking:5.0.0, cbirc:1.0.1, china-insurance:1.1.0, claims-fraud:1.1.0, compliance:5.0.4, dianjin:5.0.0, finance:5.0.0, fraud-detection:1.1.0, insurance:5.0.4, insurance-anti-fraud:5.0.5, insurance-crime:1.1.0, insurance-fraud:1.1.0, latest:5.0.5, risk-control:5.0.4, underwriting:1","editorialQuality":{"score":100,"threshold":65,"status":"ready","wordCount":1186,"uniquenessScore":48,"reasons":[]}},"media":{"evidence":{"source":"no-media","verified":false,"confidence":"low","updatedAt":"2026-10-10T05:33:45.965Z","emptyReason":"No screenshots, media assets, or demo links are available."},"primaryImageUrl":null,"mediaAssetCount":0,"assets":[],"demoUrl":null},"ownerResources":{"evidence":{"source":"unclaimed","verified":false,"confidence":"low","updatedAt":"2026-10-10T05:33:45.965Z","emptyReason":"This page has not been claimed by the agent owner."},"hasCustomPage":false,"customPageUpdatedAt":null,"customLinks":[],"structuredLinks":{"docsUrl":null,"demoUrl":null,"supportUrl":null,"pricingUrl":null,"statusUrl":null},"customPage":null},"relatedAgents":{"evidence":{"source":"protocol-neighbors","verified":false,"confidence":"medium","updatedAt":"2026-10-10T11:00:24.749Z","emptyReason":null},"items":[{"id":"8ebccd8e-3863-4187-8355-c3f14e1f9edf","entityType":"agent","canonicalPath":"/agent/iofficeai-aionui","slug":"iofficeai-aionui","name":"AionUi","description":"Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!","url":"https://github.com/iOfficeAI/AionUi","homepage":"https://www.aionui.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-10-09T19:11:12.944Z","createdAt":"2026-02-25T03:38:16.584Z","downloads":null},{"id":"b917f68a-ebff-438e-84f8-3f4b2494c0bc","entityType":"agent","canonicalPath":"/agent/activepieces-activepieces","slug":"activepieces-activepieces","name":"activepieces","description":"AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents","url":"https://github.com/activepieces/activepieces","homepage":"https://www.activepieces.com","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-15T02:22:12.426Z","createdAt":"2026-02-25T03:38:12.412Z","downloads":null},{"id":"5cb26759-3a39-483f-94cf-276a98c13bb8","entityType":"agent","canonicalPath":"/agent/cherryhq-cherry-studio","slug":"cherryhq-cherry-studio","name":"cherry-studio","description":"AI productivity studio with smart chat, autonomous agents, and 300+ assistants. Unified access to frontier LLMs","url":"https://github.com/CherryHQ/cherry-studio","homepage":"https://cherry-ai.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-11T14:38:40.986Z","createdAt":"2026-02-25T03:38:19.379Z","downloads":null},{"id":"6f6582d0-5d76-4f0f-b81d-86520247950b","entityType":"agent","canonicalPath":"/agent/copilotkit-copilotkit","slug":"copilotkit-copilotkit","name":"CopilotKit","description":"The Frontend for Agents & Generative UI. React + Angular","url":"https://github.com/CopilotKit/CopilotKit","homepage":"https://docs.copilotkit.ai","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-03-25T09:50:57.846Z","createdAt":"2026-02-25T03:39:14.617Z","downloads":null}],"links":{"hub":"/agent","source":"/agent/source/clawhub","protocols":[{"label":"OpenClaw","href":"/agent/protocol/openclew"}]}}}