6月21日的反欺诈联盟（中国保险同业联盟）联席会议在北京望京成功举行，本次会议邀请到反欺诈联盟成员单位代表及多位行业专家，针对近期保险行业反欺诈工作的开展情况和应对措施展开了讨论。DataVisor维择科技首席战略官郑骏出席并作“无监督机器学习在保险反欺诈领域的尝试”主题分享。

DataVisor维择科技首席战略官郑骏进行主题分享

郑骏谈到当前科技与反欺诈行业结合点有很多，但简单来说反欺诈技术主要涉及两大方面：数据和算法，数据像是食材，算法是厨艺，最后一道菜好不好吃，是看食材和厨艺的配合，好的算法厨艺能在最终的反欺诈效果中起到重要作用。目前运用AI机器学习打击欺诈的算法主要有无监督和有监督两种。有监督机器学习算法是通过打标签来训练机器模型从而识别坏用户，比如三个被标记为坏用户，通过这三个标签的特征提取来识别更多潜在的坏用户。

在风险领域我们通常很难获知全部标签，意味着有监督机器学习算法将无法有效识别全部坏用户。而无监督机器学习是从大量数据中识别数据的共性和关联，其基本原则是“聚类找相同或异常找不同”。当前黑产欺诈由个体行为逐渐趋于团伙行为，欺诈团伙利用模拟器、群控软件等实施犯罪，从数据层面看，此类行为数据就很可能有一些相似性。

如今医保欺诈形态变化多端，技术日渐先进，而欺诈团伙就像白骨精，会多次把自己伪装成不同形态的正常用户，如何确保医保不变成欺诈分子眼中的唐僧肉？无监督机器学习算法又是如何火眼金睛地识别欺诈白骨精的呢？

郑骏分享了几个DataVisor维择科技运用无监督机器学习为国内保险机构做的反医保欺诈的案例。比如，在一个案例中我们发现有11位投保人的行为有异常相似性，他们都是某寿险分公司内勤，在同一天投保健康险产品，全年提交理赔次数都在10次左右，且出现多人多次同一天就医的情况，就医在同一个医院的同一个科室，病种类似，事故发生到理赔申请都在5天内，全部案件3天内结案，单次就诊费用都在150元以内。单独看11位投保人每位的投保理赔都是正常的流程，尤其是对于此类小额理赔，平台可能会快速自动理赔，这种情况平台设置反欺诈规则是很难覆盖的，不过无监督机器学习算法的聚类可以实时地判断出这些投保人是异常用户，从而有效拦截此类欺诈。

郑骏介绍到，中国反欺诈行业面临严峻挑战，欺诈攻击渗透在互联网行业和传统行业多领域。DataVisor维择科技目前已经保护超过42亿全球用户数据，检测出2亿坏用户。不仅是保险行业，无监督机器学习算法还可以应用于诸如电商、社交、金融等多个场景。

中国保险同业联盟成立于2010年，由最初的成员单位共同发起，以服务于保险行业为主要目标。截至目前，联盟成员已有包括国寿、平安、太平洋、泰康、新华、人保寿等60多家，加盟会员包括各类保险科技、健康医疗、人才培养、创新项目、保险研究等方面的企业代表。DataVisor维择科技作为AI赋能保险反欺诈的先锋科技公司，于今年5月加入中国保险同业联盟。