Выявление страховых мошенников по номеру VIN. Новые методы противодействия фальшивым авариям
По официальным данным, ежегодные убытки страховых компаний от мошенников в России приближаются к десяти миллиардам рублей. Недавно один американский стартап предложил использовать VIN-номера автомобилей для выявления мошеннических схем. Результаты оказались неоднозначными — о них расскажем далее.
VIN — это уникальный 17-значный код с информацией о производителе, модели и году выпуска автомобиля. Его обычно указывают в документах при регистрации дорожно-транспортного происшествия. Требования к этому могут различаться в разных странах, но даже в России идентификационный номер ТС (при наличии) является При оформлении Европротокола требуется заполнить одно из обязательных полей.
Работники американской компании Matrisk AI, занимающейся созданием системы искусственного интеллекта для поиска ответов по вопросам страхования, предположилиВ силу своей уникальности и обязательности, VIN-номера могут указывать на вероятность страхового мошенничества.
Для проверки гипотезы специалисты Matrisk AI собрали 15 миллионов записей о ДТП из открытых источников и от страховых компаний. Из выборки исключили происшествия с участием алкоголя и других запрещенных веществ. Ученые считают, что пьяные люди не совершают обманов. .
Специалисты подсчитали, как часто один и тот же VIN-номер появлялся в авариях за последние 6–12 месяцев, а также сколько раз владелец каждого автомобиля менял страховую компанию. Искали паттерны: одиночные столкновения, ночные аварии и запросы на выплаты за травмы. На основе этих факторов для каждого идентификационного номера специалисты оценили риск и вычислили «коэффициент склонности к мошенничеству».
Matrisk AI выделили ключевые признаки возможных махинаций: множество ДТП с одним VIN-кодом за полгода, более трех переходов между страховыми компаниями за шесть месяцев, оформление полиса за 1–2 дня до аварии, ночные аварии без свидетелей, частые запросы на выплаты за травмы.
Авторы исследования полагают, что использование VIN-кодов может быть полезным для страховщиков при оценке рисков.
Исследование заинтересовало англоязычное сообщество, и в социальных сетях разгорелась бурная дискуссия. Один комментатор указал на то, что количество аварий не может быть надёжным показателем мошенничества. К примеру, житель Город Тарту в Эстонии за несколько лет превратился в участника. тридцати ДТПВ большинстве случаев вина за происшествия не его. Происшествия случались по причине невнимательности других участников движения и являлись следствием непредвиденных обстоятельств.
Другой пример — Келли Андерсон из Соединенных Штатов Америки, которая стала… виновницей С 2019 по 2022 год произошло семь аварий, две из которых закончились смертями. Женщина страдает эпилепсией, имеет судороги и регулярно теряет сознание за рулем. Как ей разрешили водить (и продолжать водить после первого происшествия) — отдельный вопрос, но этот случай показывает, что регулярные ДТП могут быть нормой в некоторых странах.
Подобные повторяющиеся случаи – сигнал тревоги для страховых компаний. Согласно сведениям Российского союза автостраховщиков (РСА), приблизительно 20% выплат по ОСАГО и каско… связаны Латентное мошенничество – выплаты, в которых страховая компания подозревала нечестную игру, но не имела достаточных доказательств для обращения в правоохранительные органы.
Несколько процентов заявлений поступают в органы, когда страховщикам удается предоставить доказательства. истории Водитель из Подмосковья, имевший серию из десяти похожих ДТП за два года, вызвал подозрения у страховых компаний.
Другие участники дискуссии также указали на то, что сотрудникам Matrisk AI … не следовало Удалять из выборки аварии с участием водителей под действием алкоголя. отчете Исследователи ссылаются на историю мошеннической группы из Коннектикута, которая упоминается ФБР. Участники группы умышленно устраивали аварии в состоянии алкогольного и наркотического опьянения. Такие случаи демонстрируют, что исключение подобных аварий может пропустить часть мошеннических схем.
VIN-номер не показывает всю историю машины, например, перепродажи. Чтобы понять все события из прошлого автомобиля, нужно больше информации.
Как еще борются с мошенничеством в страховании
В автостраховании компании используют технические решения. Помимо классических моделей скоринга, которые позволяют отсечь потенциальных мошенников при подписании договора, разрабатываются и другие инструменты. В частности, множество научных работ посвящено решениям для выявления страхового мошенничества на базе машинного обучения.
Одним из методов может быть «мультимодальное машинное обучение». AIMLВ 2021 году ученые Университета Цинхуа из Китая разработали алгоритм AIML для анализа страховых заявлений. Алгоритм изучает счета, описания происшествий и фотографии повреждений, выявляя несоответствия. Например, заявка на крупную выплату при незначительных повреждениях может вызвать подозрения.
В тестах на почти 5 тысяч заявлений (3613 легальных и 1333 мошеннических) метод AIML показал точность на 46% выше, чем ручная проверка. Но у технологии есть ограничения: она менее эффективна при работе с некачественными фотографиями или неполными данными, например, без информации о погодных условиях во время ДТП.
Аналогичное решение предложила Группа итальянских исследователей совместно со специалистами компании Assicurazioni Generali разработала систему борьбы с мошенничеством для отдела специальных расследований страховой компании. Система анализирует фотографии транспорта и извлекает базовые сведения об автомобиле для каждого запроса на выплату. Затем изображения используются для идентификации повреждений деталей кузова и проверки их участия в предыдущих заявках на получение компенсации.
Другой интересный подход предложили Учёные Тегеранского университета разработали метод, обнаруживающий подозрительные связи между водителями, часто попадающими друг в друга в аварии, формируя «кольца» (например, водитель А сталкивается с Б, Б — с В, а В — с А). В выборке из 1,85 млн ДТП и 2,3 млн автомобилистов система выявила группу из 20 человек, неоднократно участвовавших в таких столкновениях, что указывало на возможный сговор. Метод эффективен против группового мошенничества, но требует обширных точных данных и хуже справляется с выявлением одиночных афер.
Разработки по выявлению страхового мошенничества продолжаются, поэтому некоторые преступные схемы со временем исчезнут. Надеемся, что снижение выплат за скрытое мошенничество упростит получение законного возмещения честным страхователям.
Страховой эксперт компании Insurance Team Михаил Михеев составил материал.
