[发明专利]保险欺诈侦测方法及系统

权利要求书

1.一种保险欺诈侦测方法，其特征在于，包括：

数据库构建步骤：根据预设的维修厂数据、车主黑名单数据、普通查勘案件数据、涉案电话数据及已结案的欺诈案件数据构建数据库；

风险规则库步骤：根据预设的风险规则，采用数据建模技术建立包含多个对应风险规则模型的风险规则引擎库，并根据数据库内的数据训练风险规则模型，根据训练结果修改对应的风险规则引擎库；

自定义规则库步骤：接收用户通过用户端上传设置的自定义规则信息，根据所述规则信息建立对应自定义规则模型的自定义规则引擎库；及

接收计算步骤：接收用户端上传的可疑案件数据，对所述案件数据进行隐蔽处理，同时将上传结果反馈至用户端；根据风险规则模型及自定义规则模型对处理后的案件数据进行规则运算，并将运算出的风险等级结果以及对应的案件风险分析报告传输反馈至用户端。

2.如权利要求1所述的保险欺诈侦测方法，其特征在于，所述接收计算步骤之后还包括：

专家定性步骤：当风险等级结果超过预设的风险预警阈值时，将可疑案件数据及对应的案件风险分析报告发送至对应的专家端，通知对应线下专家调查服务，对案件风险进行定性；

接收专家端上传的案件风险定性结果，并将所述定性结果发送至用户端。

3.如权利要求1所述的保险欺诈侦测方法，其特征在于，所述接收计算步骤包括：

批量审计子步骤：对用户通过用户端批量上传的已结案的案件数据根据风险规则模型进行规则运算，并将运算出的各案件的风险等级结果以图形表的形式反馈至用户端；

理赔风险评级子步骤：对用户上传的理赔案件根据自定义规则模型进行规则运算，并将运算出的风险等级信息反馈至用户端，用于用户优化对应的理赔政策。

4.如权利要求3所述的保险欺诈侦测方法，其特征在于，所述批量审计子步骤之后还包括：

学习子步骤：根据用户批量上传的已结案的案件对风险规则模型进行训练，根据训练结果修改对应的风险规则模型，并保存至风险规则引擎库。

5.如权利要求1所述的保险欺诈侦测方法，其特征在于，接收计算步骤还包括：

脱敏子步骤：对所述案件数据通过预设的脱敏规则进行脱敏；及

加密子步骤：对案件数据的敏感部分依次加密、标签化及ID化进行隐蔽处理。

6.一种保险欺诈侦测系统，其特征在于，包括：

数据库构建模块：根据预设的维修厂数据、车主黑名单数据、普通查勘案件数据、涉案电话数据及已结案的欺诈案件数据构建数据库；

风险规则库模块：根据预设的风险规则，采用数据建模技术建立包含多个对应风险规则模型的风险规则引擎库，并根据数据库内的数据训练风险规则模型，根据训练结果修改对应的风险规则引擎库；

自定义规则库模块：接收用户通过用户端上传设置的自定义规则信息，根据所述规则信息建立对应自定义规则模型的自定义规则引擎库；及

接收计算模块：接收用户端上传的可疑案件数据，对所述案件数据进行隐蔽处理，同时将上传结果反馈至用户端；根据风险规则模型及自定义规则模型对处理后的案件数据进行规则运算，并将运算出的风险等级结果以及对应的案件风险分析报告传输反馈至用户端。

7.如权利要求6所述的保险欺诈侦测系统，其特征在于，还包括：

专家定性模块：当风险等级结果超过预设的风险预警阈值时，将可疑案件数据及对应的案件风险分析报告发送至对应的专家端，通知对应线下专家调查服务，对案件风险进行定性；接收专家端上传的案件风险定性结果，并将所述定性结果发送至用户端。

8.如权利要求6所述的保险欺诈侦测系统，其特征在于，所述接收计算模块包括：

批量审计子模块：对用户通过用户端批量上传的已结案的案件数据根据风险规则模型进行规则运算，并将运算出的各案件的风险等级结果以图形表的形式反馈至用户端；及

理赔风险评级子模块：对用户上传的理赔案件根据自定义规则模型进行规则运算，并将运算出的风险等级信息反馈至用户端，用于用户优化对应的理赔政策。

9.如权利要求8所述的保险欺诈侦测系统，其特征在于，所述接收计算模块还包括：

学习子模块：根据用户批量上传的已结案的案件对风险规则模型进行训练，根据训练结果修改对应的风险规则模型，并保存至风险规则引擎库。

10.如权利要求6所述的保险欺诈侦测系统，其特征在于，接收计算模块还包括：

脱敏子模块：对所述案件数据通过预设的脱敏规则进行脱敏；及

加密子模块：对案件数据的敏感部分依次加密、标签化及ID化进行隐蔽处理。