如何用AI算法识别骗保行为？蚂蚁保险智能风控模型首次公开！

阿里妹导读：人生充满意外和不确定性，保险的使命，就是给人以安全感。风控是保险业务正常发展的重要环节，成长于互联网环境下的保险风控更为重要。

今天，阿里工程师正在利用跨平台体系下的海量数据资源和智能风控模型，优化保险风控，提升保险业务整体风控能力，让保险更好帮助人们对抗风险，减少后顾之忧。

保险风控的背景以及挑战

商业保险是一种用于保障未来的商业行为。除了我们常见的车险、财产险、健康险等传统保险以外，运费险、账户安全险等在互联网环境下应运而生。风控是保险业务正常发展的重要环节，成长于互联网环境下的保险风控更为重要，其中保险风控主要有两个重要部分：

• 核保/准入：判断是否承保，如何承保的过程，精准的准入能力对于骗保风险防控有非常重要意义，尤其是冷启动阶段

• 核赔：判断理赔是否符合保险保障条款，是防控骗保的核心手段之一

受到有限的数据、大规模计算平台缺乏等原因，传统保险公司只能基于有限的特征（如年龄、性别、出险情况），结合经验提炼出来一些简单规则（当然，有些公司尝试使用LR等方法建模）去辅助保险员的核保、核赔工作。

支付宝以及淘宝体系下的数据的积累，给我们提供了更好的资源来做风控，从中可以挖掘出用户的消费习惯、社会关系、经济能力等多维度深层次信息，一定程度上可以反映出用户的骗保概率、出险概率，用于甄别用户骗保行为。我们希望能够利用跨平台体系下的海量数据资源和智能风控模型，优化保险风控这两个重要环节，提升保险业务整体风控能力。

值得注意的是，在构建保险场景下的风控模型，以下两个重要的问题需要考虑：

• 可解释性：对于保险领域的模型来说，特别是风控模型，模型的可解释型是一个重中之重。

• 团伙性：大部分的骗保行为都是团伙行为。个体行为可能不明显或者容易伪装，但是潜在团伙关系是很难被完全掩饰的。如何挖掘图上的潜在信息，挖掘出团伙对甄别骗保行为有很大的帮助。

本文依托于超大规模机器学习框架参数服务器PS[1]开发的FastRep图算法和PS-SMART算法，并通过特征工程精细化账号行为属性等，最终在X产品的两个重要场景准入和核赔上上线，大大减少了骗保案件。