保險防詐模型

保險詐欺行為長期以來對保險業的經營穩定與社會信任構成威脅，其型態日益多元，涵蓋投保造假、醫療理賠濫用、意外事故偽報乃至內部舞弊與代理通路異常等多重面向。

面對生成式AI與大數據技術快速演進，傳統依賴人工稽核與事後追查的防詐機制已難以應付複雜樣態，亟需以人工智慧強化早期預警與全流程控管。為此，政大金融AI創新中心攜手壽險與產險業者，共同建構「保險防詐AI模型」，以資料驅動的風險偵測架構，協助產業建立科學化、可稽核且合規的防詐體系。

技術層面與核心架構

混合式偵測架構

導入結合規則引擎與機器學習（Rule-based × ML）架構：對於已知詐欺樣態採規則攔截；對於未知樣態則運用異常偵測、圖神經網路（GNN）與時序模型（LSTM/Transformer）補足盲點。

可解釋性 AI (XAI)

模型輸出具可解釋性（Explainable AI），透過SHAP與反事實推理等方法，呈現風險分數與判斷依據，以利人員覆核與監理檢視。

聯邦式學習與隱私保護

採取去識別化與聯邦式學習架構，透過「金融無塵室」環境進行跨公司模型訓練，使各壽險公司得以共享理賠樣態與防詐經驗，而不需交換個資或外洩敏感資料。

保險防詐模型的應用範圍極為廣泛，涵蓋從投保、核保、保全、理賠到追償的完整流程。形成「人審 + 規則 + 機器學習」的三層防線。整體而言，保險防詐模型的推動帶來了三項關鍵成效：

共同研發 (Co-Research)：專案成功凝聚產官學研能量，建立跨公司資料標準與AI基礎建設，促進資源共享與協作創新，避免重複投資並顯著提升技術研發與應用效率。
協同治理 (Co-Governance)：由政治大學主導建立的模型治理架構與評測機制，確保整體防詐模型具透明性、可稽核性與合規性，使AI在產業應用中兼顧創新與監理要求。
共享成效 (Co-Benefit)：專案透過常態維運與持續優化機制，使模型能即時學習最新詐欺樣態，強化理賠流程效率，同時維護誠信客戶之權益，形塑產業信任與永續發展的正向循環。

產業典範

此專案不僅強化了台灣壽險業的防詐防護網，更樹立產業協作與AI治理的新典範，展現政治大學作為金融AI創新核心平台，於結合監理思維、產業實務與學術研究之間的領導與橋樑角色。