CN111127226A - 健康险欺诈识别方法、装置、设备及计算机可读存储介质 - Google Patents

Abstract

本公开提供一种健康险欺诈识别方法、装置、设备及计算机可读存储介质，包括：接收待核保人的标识信息；根据标识信息获取待核保人的通信数据，并根据通信数据确定待核保人的行为信息；根据行为信息确定待核保人的行为因子，并根据行为因子确定待核保人的健康险欺诈风险评分。本公开提供的方法、装置、设备及计算机可读存储介质，可以利用待核保人的通信数据，进而分析出待核保人的行为信息，再通过对行为信息进行分析确定出其是否存在健康险欺诈的风险，能够在核保阶段就高效、准确的进行健康险欺诈的识别，以解决现有技术中的健康险欺诈识别方法只适应用于保险理赔的应用场景的问题。

Description

健康险欺诈识别方法、装置、设备及计算机可读存储介质

技术领域

本公开涉及数据处理技术，尤其涉及一种健康险欺诈识别方法、装置、设备及计算机可读存储介质。

背景技术

目前，市面上的保险种类较多，例如健康保险。随着经济水平的提高，健康保险越来越受到人们的重视，同时，随着健康保险的普及，健康险欺诈情况也频频发生。

为了解决这一问题，现有技术中存在一些健康险欺诈识别方法，适用于保险理赔的场景，其基于某个地域的医院内部各类就诊数据提供保险欺诈的检测方法。

其主要存在以下缺陷：一方面这些数据不够全面，仅能反应用户在某个地域或者某个医院的数据，存在片面性，影响检测方法的准确度；另一方面这些检测方法都是针对用户理赔场景下的欺诈检测方法，而保险欺诈并不仅存在于保险理赔场景，保险核保场景同样存在欺诈现象。

发明内容

本公开提供一种健康险欺诈识别方法、装置、设备及计算机可读存储介质，以解决现有技术中的健康险欺诈识别方法无法在核保阶段进行欺诈识别的问题。

本公开的第一个方面是提供一种健康险欺诈识别方法，包括：

接收待核保人的标识信息；

根据所述标识信息获取所述待核保人的通信数据，并根据所述通信数据确定所述待核保人的行为信息；

根据所述行为信息确定所述待核保人的行为因子，并根据所述行为因子确定所述待核保人的健康险欺诈风险评分。

本公开的另一个方面是提供一种装置，包括：

接收模块，用于接收待核保人的标识信息；

行为确定模块，用于根据所述标识信息获取所述待核保人的通信数据，并根据所述通信数据确定所述待核保人的行为信息；

评分模块，用于根据所述行为信息确定所述待核保人的行为因子，并根据所述行为因子确定所述待核保人的健康险欺诈风险评分。

本公开的又一个方面是提供一种健康险欺诈识别设备，包括：

存储器；

处理器；以及

计算机程序；

其中，所述计算机程序存储在所述存储器中，并配置为由所述处理器执行以实现如上述第一方面所述的健康险欺诈识别方法。

本公开的又一个方面是提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现如上述第一方面所述的健康险欺诈识别方法。

本公开提供的健康险欺诈识别方法、装置、设备及计算机可读存储介质的技术效果是：

本公开提供的健康险欺诈识别方法、装置、设备及计算机可读存储介质，包括：接收待核保人的标识信息；根据标识信息获取待核保人的通信数据，并根据通信数据确定待核保人的行为信息；根据行为信息确定待核保人的行为因子，并根据行为因子确定待核保人的健康险欺诈风险评分。本公开提供的方法、装置、设备及计算机可读存储介质，可以利用待核保人的通信数据，进而分析出待核保人的行为信息，再通过对行为信息进行分析确定出其是否存在健康险欺诈的风险，能够在核保阶段就高效、准确的进行健康险欺诈的识别，以解决现有技术中的健康险欺诈识别方法只适应用于保险理赔的应用场景。

附图说明

图1为本发明一示例性实施例示出的系统架构图；

图2为本发明一示例性实施例示出的健康险欺诈识别方法的流程图；

图3为本发明另一示例性实施例示出的健康险欺诈识别方法的流程图；

图4为本发明一示例性实施例示出的健康险欺诈识别装置的结构图；

图5为本发明另一示例性实施例示出的健康险欺诈识别装置的结构图；

图6为本发明一示例性实施例示出的健康险欺诈识别设备的结构图。

具体实施方式

目前，存在一些健康险欺诈的情况，从而通过诈骗的方式获得保险金。现有的健康险欺诈识别方法中，只适应于保险理赔的应用场景。这导致现有技术中的健康险欺诈识别方法不能满足用户需求，无法提供更加全面的防诈骗方案。

为了解决这一问题，本申请提供的方案中，对待核保人行为进行分析，从而评估出待核保人的健康险欺诈风险评分，能够在核保阶段就向用户提供待核保人是否存可能会进行保险欺诈，从而提供更加全面有效的识别保险欺诈的方案。

图1为本发明一示例性实施例示出的系统架构图。

如图1所示，在该系统架构中，可以包括用于执行本实施例提供的方法的服务器11，还可以包括一电子设备12。服务器11和用户终端12可以通过网络连接。

其中，在一种应用场景下，用户终端12可以设置在用户侧，即提供保险侧，例如可以是保险公司的用户终端。保险公司人员可以操作该用户终端，使其向服务器发送待核保人的信息，进而使得服务器11能够根据待核保人的信息进行查询，以确定待核保人的健康险欺诈风险评分。

具体的，服务器11还可以向用户终端12反馈确定的健康险欺诈风险评分，以使保险公司人员可以了解该待核保人的情况，再决定是否向其提供保险。

图2为本发明一示例性实施例示出的健康险欺诈识别方法的流程图。

如图2所示，本实施例提供的健康险欺诈识别方法包括：

步骤201，接收待核保人的标识信息。

进一步的，本实施例提供的方法可以由具备计算能力的电子设备来执行，具体可以是如图1所示出的服务器。

实际应用时，电子设备可以接收用户终端发送的待核保人的标识信息。

其中，可以由用户操作用户终端，使其向电子设备发送待核保人的标识信息，也可以由用户终端自动触发这一功能。例如，用户可以操作用户终端，输入待核保人的信息，比如身份证好、手机号、姓名、选择的保险类型等，可以在显示界面中设置获取健康险欺诈风险评分的按键，用户可以点击该按键，进而触发用户终端抓取待核保人的标识信息，并发送给电子设备。还可以在用户输入完毕待核保人信息后，由用户终端自动抓取并向电子设备发送待核保人的标识信息。

具体的，待核保人的标识信息可以包括：姓名、身份证号、手机号、活动区域，还可以是这些信息的组合。

步骤202，根据标识信息获取待核保人的通信数据，并根据通信数据确定待核保人的行为信息。

进一步的，电子设备接收到待核保人的标识信息之后，可以根据该标识信息获取与待核保人对应的行为信息。

实际应用时，可以根据待核保人的通信数据获取其行为信息。具体可以通过待核保人的通信数据来获取其行为信息，通信数据具体可以包括通话相关数据，还可以包括上网产生的数据。

其中，可以根据通信数据分析待核保人的位置信息，并将位置信息与预设的医疗单位位置比对，从而确定出待核保人出入医疗单位的次数、时间。

具体的，还可以根据用户的通信数据分析待核保人的作息信息，例如待核保人是否有作息不规律、熬夜的情况。

进一步的，还可以根据用户的通信数据分析待核保人点外卖的信息，从而确定待核保人是否饮食不规律。

实际应用时，通信数据能够真实的反应出待核保人的行为信息，且数据更新较快，因此，可以根据通信数据分析出待核保人的行为信息。

步骤203，根据行为信息确定待核保人的行为因子，并根据行为因子确定待核保人的健康险欺诈风险评分。

其中，还可以根据行为信息确定待核保人的行为因子。可以针对待核保人的每种行为确定对应的行为因子。例如，针对待核保人点外卖的行为，可以确定对应的行为因子，针对待核保人作息信息，也可以确定对应的行为因子。

具体的，本实施例提供的方法可以获取待核保人的多种行为信息，从而可以根据多种行为信息确定待核保人的行为因子，能够更加全面、准确的对待核保人的行为进行分析。

进一步的，通过对待核保人的行为进行分析之后，可以得到各个行为信息对应的行为因子，此后，还可以根据行为因子确定待核保人的健康险欺诈风险评分，从而基于待核保人的行为检测其在健康险方面的欺诈行为。

实际应用时，可以将确定的行为因子相加，得到健康险欺诈风险评分。还可以预先设置各个行为因子的权重值，进而确定行为因子的加权求和值，作为健康险欺诈风险评分。

其中，根据待核保人的通信数据能够全面、实时的分析待核保人的行为信息，再对待核保人的行为进行分析，最终得到健康险欺诈风险评分，该数据能够全面、准确的体现待核保人的特性，进而能够高效的检测出其是否存在健康险欺诈的风险。

具体的，电子设备还可以将确定的健康险欺诈风险评分反馈给发送待核保人标识信息的用户终端侧，以供用户进行参考。

本实施例提供的方法用于进行健康险欺诈识别，该方法由设置有本实施例提供的方法的设备执行，该设备通常以硬件和/或软件的方式来实现。

本实施例提供的健康险欺诈识别方法，包括：接收待核保人的标识信息；根据标识信息获取待核保人的通信数据，并根据通信数据确定待核保人的行为信息；根据行为信息确定待核保人的行为因子，并根据行为因子确定待核保人的健康险欺诈风险评分。本实施例提供的方法，可以利用待核保人的通信数据，进而分析出待核保人的行为信息，再通过对行为信息进行分析确定出其是否存在健康险欺诈的风险，能够在核保阶段就高效、准确的进行健康险欺诈的识别，以解决现有技术中的健康险欺诈识别方法只适应用于保险理赔的应用场景。

图3为本发明另一示例性实施例示出的健康险欺诈识别方法的流程图。

如图3所示，本实施例提供的健康险欺诈识别方法，包括：

步骤301，接收用户终端发送的所述待核保人的标识信息。

步骤301与步骤201的具体原理和实现方式类似。

其中，本实施例提供的方法中，用户可以操作一客户终端，使其向执行本实施例提供的方法的电子设备发送待核保人的标识信息。例如，该用户可以是保险公司的工作人员，其可以在用户终端中输入待核保人的信息，从而触发用户终端向电子设备发送待核保人的标识信息。

步骤302，根据标识信息获取待核保人的通信数据。

在一种实施方式中，可以在电子设备中设置用于确定健康险欺诈风险评分的模型，可以将待核保人的标识信息输入该模型，从而触发该模型获取待核保人的通信数据，并根据通信数据进行分析。

通信数据具体可以包括通话、短信、上网等多类型的数据。

步骤303，根据通信数据确定待核保人在预设时间段内的位置信息；根据位置信息确定待核保人在医疗单位的出现次数。

步骤304，根据出现次数确定待核保人的诊疗因子。

本实施例提供的方法中，行为因子可以包括诊疗因子。

其中，待核保人使用移动终端进行通信时，移动终端需要与基站进行交互。因此，可以基于通信数据中与基站的交互数据、以及基站位置，确定进行通信时待核保人的位置信息。

具体的，移动终端与基站进行交互时，移动终端能够扫描到附近基站的通信信号，还能够扫描到相应的信号强度，可以根据这些数据确定移动终端相对于周围基站的位置，进而再结合基站位置，确定移动终端所在位置，即待核保人出现的位置。

进一步的，还可以设置预设时间段，例如近半年的时间。可以获取近半年的通信数据，并分析近半年时间段内容待核保人的位置信息。

实际应用时，还可以预先确定医疗单位的位置，例如可以通过已有的地图数据采集医疗单位的位置。可以比对待核保人的位置信息与医疗单位的位置信息，从而确定待核保人在医疗单位出入的次数。

其中，还可以根据待核保人的位置信息，确定待核保人出入医疗单位的时间信息。例如，待核保人在早8点所在的位置与一医疗单位位置重合，则可以认为待核保人在医疗单位出现的时间信息是8点。

具体的，可以结合确定的时间信息排出在医疗单位附近居住或工作的人员，以免造成将这些人员误确定为是经常出入医疗单位的待核保人。

进一步的，医疗单位具体可以是医院、诊所等。

实际应用时，可以根据出现次数确定待核保人的诊疗因子α。例如：

其中，待核保人出入医疗单位的次数越多，表明其在核保日期前去医院诊疗的次数越多，因此，可以认为其进行健康险欺诈的风险也越高，因此，可以将在医疗单位出现次数较高的待核保人的诊疗因子确定的较大。

步骤305，根据通信数据确定待核保人在预设时间段内使用医疗类软件的使用次数。

步骤306，根据使用次数确定待核保人的医疗软件使用因子。

本实施例提供的方法中，行为因子可以包括医疗软件使用因子。

其中，待核保人使用移动终端访问医疗软件时，会产生相应的通信数据，具体可以是上网数据。因此，可以基于通信数据中的上网数据，确定待核保人在预设时间段内是否使用过医疗类软件，以及使用次数。

具体的，可以通过爬虫等技术手段预先确定医疗类软件，例如可以确定医疗类软件对应的访问地址，进而可以根据待核保人的通信数据，确定其中访问的目的地址是否包括医疗类软件的访问地址，从而确定待核保人访问医疗类软件的次数。

进一步的，预设时间段可以根据需求进行设置，例如近半年的时间。可以获取近半年的通信数据，并分析近半年时间段内待核保人的使用医疗类软件的次数。

实际应用时，可以根据使用次数确定待核保人的医疗软件使用因子β。

例如：

其中，待核保人使用医疗类软件的次数越多，表明其在核保日期前身体存在病症的概率越高，因此，可以认为其进行健康险欺诈的风险也越高，因此，可以将使用次数较高的待核保人的医疗软件使用因子确定的较大。

步骤307，根据通信数据确定待核保人在预设时间段内登陆或访问医疗类网站的访问次数。

步骤308，根据访问次数确定待核保人的医疗网站访问因子。

本实施例提供的方法中，行为因子可以包括医疗网站访问因子。

其中，待核保人使用移动终端访问医疗类网站时，会产生相应的通信数据，具体可以是上网数据。因此，可以基于通信数据中的上网数据，确定待核保人在预设时间段内是否访问过医疗类网站，以及访问次数。

具体的，可以通过爬虫等技术手段预先确定医疗网站，例如可以确定医疗网站对应的访问地址，进而可以根据待核保人的通信数据，确定其中访问的目的地址是否包括医疗网站的访问地址，从而确定待核保人访问医疗网站的次数。

进一步的，预设时间段可以根据需求进行设置，例如近半年的时间。可以获取近半年的通信数据，并分析近半年时间段内待核保人的访问医疗网站的次数。

实际应用时，可以根据访问次数确定待核保人的医疗网站访问因子γ。

例如：

其中，待核保人访问医疗网站的次数越多，表明其在核保日期前身体存在病症的概率越高，因此，可以认为其进行健康险欺诈的风险也越高，因此，可以将访问次数较高的待核保人的医疗网站访问因子确定的较大。

步骤309，根据通信数据确定待核保人在预设时间段内疾病相关内容的搜索次数。

步骤310，根据搜索次数确定待核保人的疾病内容搜索因子。

本实施例提供的方法中，行为因子可以包括疾病内容搜索因子。

其中，待核保人使用移动终端进行内容搜索时，会产生相应的通信数据，具体可以是上网数据。因此，可以基于通信数据中的上网数据，确定待核保人在预设时间段内是否搜索过疾病内容，以及搜索次数。

具体的，可以获取通信数据中与搜索相关的内容，并对其进行分析，以确定搜索内容中是否包括疾病内容。例如，可以对搜索内容进行识别，比如可以通过神经网络、二分类模型等对其进行识别，确定搜索内容是否为疾病内容。

进一步的，还可以统计待核保人在预设时间段内容搜索疾病内容的搜索次数。预设时间段可以根据需求进行设置，例如近半年的时间。可以获取近半年的通信数据，并分析近半年时间段内待核保人的疾病内容的搜索次数。

实际应用时，可以根据搜索次数确定待核保人的疾病内容搜索因子δ。例如：

其中，待核保人搜索疾病内容的次数越多，表明其在核保日期前身体存在病症的概率越高，因此，可以认为其进行健康险欺诈的风险也越高，因此，可以将搜索次数较高的待核保人的疾病内容搜索因子确定的较大。

步骤311，根据通信数据确定待核保人在预设时间段内使用外卖软件的外卖软件使用次数。

步骤312，根据外卖软件使用次数确定待核保人的外卖使用情况因子。

本实施例提供的方法中，行为因子可以包括外卖使用情况因子。

其中，待核保人使用移动终端使用外卖软件时，会产生相应的通信数据，具体可以是上网数据。因此，可以基于通信数据中的上网数据，确定待核保人在预设时间段内是否使用过外卖软件，以及使用次数。

具体的，可以通过爬虫等技术手段预先确定外卖软件，例如可以确定外卖软件对应的访问地址，进而可以根据待核保人的通信数据，确定其中访问的目的地址是否包括外卖软件的访问地址，从而确定待核保人使用外卖软件的次数。

进一步的，预设时间段可以根据需求进行设置，例如近半年或三个月的时间。可以获取近半年或三个月的通信数据，并分析待核保人的使用外卖软件的次数。

可选的，还可以根据通信数据确定待核保人使用外卖软件的时间。可以结合外卖使用时间、次数共同确定外卖软件使用次数θ。

例如：

其中，待核保人使用外卖软件的时间越晚，次数越多，表明其在生活习惯更加不健康，也更易生病，因此，可以认为其进行健康险欺诈的风险也越高，因此，可以将使用次数较高的待核保人的外卖软件使用因子确定的较大。

步骤313，根据通信数据确定待核保人在运营商侧的信用分数。

步骤314，根据信用分数确定待核保人的信用因子。

具体的，本实施例提供的方法中，行为因子可以包括信用因子。

本实施例提供的方法中，通信数据还可以包括待核保人在运营商侧的信息，例如信用分数。

进一步的，可以根据待核保人的标识信息在运营商侧进行查询，得到该待核保人的信用分数。例如，运营商侧的平台可以设置一接口，以使电子设备能够通过该接口查询待核保人的信用分数。

进一步的，信用分数能够体现出待核保人的信用情况，因此，若信用分数越低，则可以认为待核保人的信用越差。本实施例提供的方法可以基于下式确定信用因子η：

步骤315，根据通信数据确定待核保人的网络流量信息，并根据网络流量信息确定待核保人的上网信息。

步骤316，根据待核保人的上网信息确定上网因子。

本实施例提供的方法中，行为因子可以包括上网因子。

其中，待核保人使用移动终端上网时，会产生相应的网络流量，因此，可以基于通信数据中的网络流量，确定待核保人的上网信息。例如待核保人的上网时间、网络流量在各个时间段的占比等。例如，可以将一个时间段内产生的网络流量与该时间段所属全天产生的网络流量相除，得到该时间段产生的网络流量占比。

具体的，可以统计在不同时间段产生的网络流量，进而能够预测出待核保人的上网信息，例如其是否经常通宵上网等。

进一步的，本实施例提供的方法可以确定出待核保人的上网信息，从而根据上网信息来预测其生活习惯，进而确定待核保人的上网因子。

实际应用时，可以基于下式确定待核保人的上网因子σ：

其中，若待核保人经常在夜间熬夜，则其患病几率也会相应的增加，因此，可以认为其进行健康险欺诈的风险也越高，可以将在夜间产生网络流量较高的待核保人的上网因子确定的较大。

步骤317，根据通信数据确定待核保人的联系人信息，并确定联系人的第二行为因子。

步骤318，根据第二行为因子确定待核保人的联系人分析因子。

本实施例提供的方法中，行为因子可以包括联系人分析因子。

具体的，待核保人使用移动设备与其他用户交互时，会产生通信数据。例如通话数据，再例如上网数据，因此，可以根据通信数据确定待核保人的联系人信息。

进一步的，可以对待核保人的所有联系人进行分析，也可以仅分析交互频繁的联系人。例如，可以根据通话数据或上网数据，确定与待核保人联系频繁的联系人，并获取这些联系人的通信数据。

可以确定待核保人的联系人的第二行为因子。例如可以包括诊疗因子、医疗软件使用因子、医疗网站访问因子、疾病内容搜索因子、外卖使用情况因子、信用因子、上网因子中的任一种。

具体的确定方式与上述类似，不再赘述。

实际应用时，还可以根据联系人的第二行为因子对每个联系人进行评分，例如可以将第二行为因子中的各个因子值相加，得到联系人评分。可以统计评分在一定范围内的联系人数量，例如，可以将评分在预设范围的联系人称为疑似联系人，则可以根据疑似联系人的数量确定待核保人的联系人分析因子λ：

步骤319，将诊疗因子、医疗软件使用因子、医疗网站访问因子、疾病内容搜索因子、外卖使用情况因子、信用因子、上网因子、联系人分析因子之和，确定为待核保人的健康险欺诈风险评分。

其中，可以将确定的各个因子相加，得到健康险欺诈风险评分。若确定了诊疗因子、医疗软件使用因子、医疗网站访问因子、疾病内容搜索因子、外卖使用情况因子、信用因子、上网因子、联系人分析因子，则可以将这些值均相加，从而得到待核保人的健康险欺诈风险评分ψ。

即，ψ＝α+β+γ+δ+θ+η+σ+λ。

步骤320，向用户终端发送健康险欺诈风险评分。

电子设备确定出待核保人的健康险欺诈风险评分之后，还可以将其反馈给用户终端，即发送待核保人标识信息的用户终端。以使用户能够参考健康险欺诈风险评分，确定待核保人是否存在健康险欺诈的可能。

图4为本发明一示例性实施例示出的健康险欺诈识别装置的结构图。

如图4所示，本实施例提供的健康险欺诈识别装置，包括：

接收模块41，用于接收待核保人的标识信息；

行为确定模块42，用于根据所述标识信息获取所述待核保人的通信数据，并根据所述通信数据确定所述待核保人的行为信息；

评分模块43，用于根据所述行为信息确定所述待核保人的行为因子，并根据所述行为因子确定所述待核保人的健康险欺诈风险评分。

本实施例提供的健康险欺诈识别装置，可以利用待核保人的通信数据，进而分析出待核保人的行为信息，再通过对行为信息进行分析确定出其是否存在健康险欺诈的风险，能够在核保阶段就高效、准确的进行健康险欺诈的识别，以解决现有技术中的健康险欺诈识别方法只适应用于保险理赔的应用场景。

本实施例提供的健康险欺诈识别装置的具体原理和实现方式均与图2所示的实施例类似，此处不再赘述。

图5为本发明另一示例性实施例示出的健康险欺诈识别装置的结构图。

如图5所示，在上述实施例的基础上，本实施例提供的健康险欺诈识别装置，可选的，所述行为因子包括以下任一种：

诊疗因子、医疗软件使用因子、医疗网站访问因子、疾病内容搜索因子、外卖使用情况因子、信用因子、上网因子、联系人分析因子。

可选的，行为确定模块42包括诊疗行为确定单元421，用于：

根据所述通信数据确定所述待核保人在预设时间段内的位置信息；

根据所述位置信息确定所述待核保人在医疗单位的出现次数；

所述评分模块43包括诊疗因子确定单元431，用于：

根据所述出现次数确定所述待核保人的诊疗因子。

可选的，行为确定模块42包括医疗软件使用行为确定单元422，用于：

所述根据所述通信数据确定所述待核保人的行为信息

根据所述通信数据确定所述待核保人在预设时间段内使用医疗类软件的使用次数；

所述评分模块43包括医疗软件使用因子确定单元432，用于：

根据所述使用次数确定所述待核保人的医疗软件使用因子。

可选的，行为确定模块42包括访问行为确定单元423，用于：

根据所述通信数据确定所述待核保人在预设时间段内登陆或访问医疗类网站的访问次数；

所述评分模块43包括访问因子确定单元433，用于：

根据所述访问次数确定所述待核保人的医疗网站访问因子。

可选的，行为确定模块42包括搜索行为确定单元424，用于：

根据所述通信数据确定所述待核保人在预设时间段内疾病相关内容的搜索次数；

所述评分模块43包括搜索因子确定单元434，用于：

根据所述搜索次数确定所述待核保人的疾病内容搜索因子。

可选的，行为确定模块42包括外卖软件使用行为确定单元425，用于：

所述根据所述通信数据确定所述待核保人的行为信息，包括：

根据所述通信数据确定所述待核保人在预设时间段内使用外卖软件的外卖软件使用次数；

所述评分模块43包括外卖使用因子确定单元435，用于：

根据所述外卖软件使用次数确定所述待核保人的外卖使用情况因子。

可选的，所述行为确定模块42包括信用分数确定单元426，用于：

根据所述通信数据确定所述待核保人在运营商侧的信用分数；

所述评分模块43包括信用因子确定单元436，用于：

根据所述信用分数确定所述待核保人的信用因子。

可选的，所述行为确定模块42包括上网行为确定单元427，用于

根据所述通信数据确定所述待核保人的网络流量信息，并根据所述网络流量信息确定待核保人的上网信息；

所述评分模块43包括上网因子确定单元437，用于：

根据所述待核保人的所述上网信息确定所述上网因子。

可选的，所述行为确定模块42包括联系人行为确定单元428，用于：

根据所述通信数据确定所述待核保人的联系人信息，并确定所述联系人的第二行为因子；

所述评分模块43包括联系人因子确定单元438，用于：

根据所述第二行为因子确定所述待核保人的联系人分析因子。

可选的，评分模块43具体用于：将所述诊疗因子、所述医疗软件使用因子、所述医疗网站访问因子、所述疾病内容搜索因子、所述外卖使用情况因子、所述信用因子、所述上网因子、所述联系人分析因子之和，确定为所述待核保人的健康险欺诈风险评分。

可选的，所述接收模块41具体用于：

接收用户终端发送的所述待核保人的标识信息；

所述装置还包括发送模块44，用于：

向所述用户终端发送所述健康险欺诈风险评分。

本实施例提供的装置的具体原理和实现方式均与图3所示的实施例类似，此处不再赘述。

图6为本发明一示例性实施例示出的健康险欺诈识别设备的结构图。

如图6所示，本实施例提供的健康险欺诈识别设备包括：

存储器61；

处理器62；以及

计算机程序；

其中，所述计算机程序存储在所述存储器61中，并配置为由所述处理器62执行以实现如上所述的任一种健康险欺诈识别方法。

本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，

所述计算机程序被处理器执行以实现如上所述的任一种健康险欺诈识别方法。

本实施例还提供一种计算机程序，包括程序代码，当计算机运行所述计算机程序时，所述程序代码执行如上所述的任一种健康险欺诈识别方法。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (15)

1.一种健康险欺诈识别方法，其特征在于，包括：

接收待核保人的标识信息；

根据所述标识信息获取所述待核保人的通信数据，并根据所述通信数据确定所述待核保人的行为信息；

根据所述行为信息确定所述待核保人的行为因子，并根据所述行为因子确定所述待核保人的健康险欺诈风险评分。

2.根据权利要求1所述的方法，其特征在于，所述行为因子包括以下任一种：

诊疗因子、医疗软件使用因子、医疗网站访问因子、疾病内容搜索因子、外卖使用情况因子、信用因子、上网因子、联系人分析因子。

3.根据权利要求2所述的方法，其特征在于，

所述据所述通信数据确定所述待核保人的行为信息，包括：

根据所述通信数据确定所述待核保人在预设时间段内的位置信息；

根据所述位置信息确定所述待核保人在医疗单位的出现次数；

所述根据所述行为信息确定所述待核保人的行为因子，包括：

根据所述出现次数确定所述待核保人的诊疗因子。

4.根据权利要求2所述的方法，其特征在于，

所述根据所述通信数据确定所述待核保人的行为信息，包括：

根据所述通信数据确定所述待核保人在预设时间段内使用医疗类软件的使用次数；

所述根据所述行为信息确定所述待核保人的行为因子，包括：

根据所述使用次数确定所述待核保人的医疗软件使用因子。

5.根据权利要求2所述的方法，其特征在于，

所述根据所述通信数据确定所述待核保人的行为信息，包括：

根据所述通信数据确定所述待核保人在预设时间段内登陆或访问医疗类网站的访问次数；

所述根据所述行为信息确定所述待核保人的行为因子，包括：

根据所述访问次数确定所述待核保人的医疗网站访问因子。

6.根据权利要求2所述的方法，其特征在于，

所述根据所述通信数据确定所述待核保人的行为信息，包括：

根据所述通信数据确定所述待核保人在预设时间段内疾病相关内容的搜索次数；

所述根据所述行为信息确定所述待核保人的行为因子，包括：

根据所述搜索次数确定所述待核保人的疾病内容搜索因子。

7.根据权利要求2所述的方法，其特征在于，

所述根据所述通信数据确定所述待核保人的行为信息，包括：

根据所述通信数据确定所述待核保人在预设时间段内使用外卖软件的外卖软件使用次数；

所述根据所述行为信息确定所述待核保人的行为因子，包括：

根据所述外卖软件使用次数确定所述待核保人的外卖使用情况因子。

8.根据权利要求2所述的方法，其特征在于，

所述根据所述通信数据确定所述待核保人的行为信息，包括：

根据所述通信数据确定所述待核保人在运营商侧的信用分数；

所述根据所述行为信息确定所述待核保人的行为因子，包括：

根据所述信用分数确定所述待核保人的信用因子。

9.根据权利要求2所述的方法，其特征在于，

所述根据所述通信数据确定所述待核保人的行为信息，包括：

根据所述通信数据确定所述待核保人的网络流量信息，并根据所述网络流量信息确定待核保人的上网信息；

所述根据所述行为信息确定所述待核保人的行为因子，包括：

根据所述待核保人的所述上网信息确定所述上网因子。

10.根据权利要求2所述的方法，其特征在于，

所述根据所述通信数据确定所述待核保人的行为信息，包括：

根据所述通信数据确定所述待核保人的联系人信息，并确定所述联系人的第二行为因子；

所述根据所述行为信息确定所述待核保人的行为因子，包括：

根据所述第二行为因子确定所述待核保人的联系人分析因子。

11.根据权利要求2所述的方法，其特征在于，根据所述行为因子确定所述待核保人的健康险欺诈风险评分，包括：

将所述诊疗因子、所述医疗软件使用因子、所述医疗网站访问因子、所述疾病内容搜索因子、所述外卖使用情况因子、所述信用因子、所述上网因子、所述联系人分析因子之和，确定为所述待核保人的健康险欺诈风险评分。

12.根据权利要求1所述的方法，其特征在于，所述接收待核保人的标识信息，包括：

接收用户终端发送的所述待核保人的标识信息；

所述方法还包括：

向所述用户终端发送所述健康险欺诈风险评分。

13.一种健康险欺诈识别装置，其特征在于，包括：

接收模块，用于接收待核保人的标识信息；

行为确定模块，用于根据所述标识信息获取所述待核保人的通信数据，并根据所述通信数据确定所述待核保人的行为信息；

评分模块，用于根据所述行为信息确定所述待核保人的行为因子，并根据所述行为因子确定所述待核保人的健康险欺诈风险评分。

14.一种健康险欺诈识别设备，其特征在于，包括：

存储器；

处理器；以及

计算机程序；

其中，所述计算机程序存储在所述存储器中，并配置为由所述处理器执行以实现如权利要求1-12任一种所述的方法。

15.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，

所述计算机程序被处理器执行以实现如权利要求1-12任一种所述的方法。

Images