Back to top

Detección de fraude colaborativo en siniestros de auto

Posted by Gonzalo Espinosa on 30-01-2018

Sistema para la detección de fraude en los accidentes de coche hecho por BaseTIS

Como uno de los proyectos de inovación, BaseTIS se ha dedicado a la investigación de la detección de fraude colaborativo en el sector de los seguros, desarrollando un método basada en grafos para detección de comunidades sospechosas de fraude, es decir, crimen organizado. Concretamente, este método se centra en la identificación de patrones irregulares que describen posibles asociaciones entre personas para cometer fraude.
 

Fraude en seguros de automóvil

En el sector asegurador, se conoce que alrededor del 6% de los partes que se emiten tienen cierta componente ficticia, exagerada o irregular. Se trata de siniestros falsos que tienen una intención fraudulenta por parte del asegurado y que en conjunto suponen un fuerte impacto económico para las compañías aseguradoras (estimado alrededor de un total 900 millones de euros anuales en España).

Tal impacto económico, ha suscitado la conciencia y la atención en el fraude, así como ha motivado el desarrollo e implantación de tecnología dedicada a su prevención y detección. Además, el creciente interés que el fraude está atrayendo del público en general, los medios, los gobiernos y las empresas, supone que el impacto reputacional sea un aliciente adicional para la detección de fraude.

En el dominio particular de siniestros de automóvil, a grosso modo se distinguen dos tipos de fraude: el fraude oportunista y el fraude premeditado. En un escenario de fraude oportunista, el defraudador aprovecha una situación u oportunidad que se le presenta y de forma esporádica emite una reclamación falsa o exagerada de un daño para beneficiarse de su seguro. Estos fraudes, al ser de carácter impulsivo, son más fáciles de detectar y suelen ser detectados por el peritaje o técnicas de detección de fraude tradicionales.

Por otro lado, el fraude premeditado, a diferencia del anterior se caracteriza por ser de forma planificada. A menudo, este fraude no es cometido por una sola persona, sino que varios participantes actúan de forma organizada encubriéndose unos a otros para evadir ser expuestos a los sistemas de detección de fraude. Estas asociaciones entre personas es lo que llamamos fraude colaborativo o crimen organizado y ha sido el objeto de detección de este proyecto.
 

Detección de fraude colaborativo

Partiendo de un conjunto de medio millón de registros de partes de auto recopilados durante los últimos tres años, BaseTIS ha desarrollado y empleado una metodología basada en grafos, representando la interacción de las personas, tanto asegurados como contrarios, sus vehículos correspondientes, y los siniestros en los que se han visto involucradas. Esta metodología se basa en la detección de anillos fraudulentos y ha permitido destapar 317 casos con un alto riesgo de fraude.   

BaseTIS ha demostrado estadísticamente que la aparición de ciclos o anillos fraudulentos es improbable que suceda al azar (siendo 1 entre 180.000 la esperanza de ocurrencia de un ciclo en este conjunto de datos en particular) y que debido a este carácter anómalo es coherente pensar que su aparición no se produzca debida al azar, sino a un mecanismo consciente y premeditado.  

Para entender el concepto de anillo fraudulento podemos partir de la intuición: imaginemos un caso en el que dos personas deciden asociarse y emitir una reclamación falsa o exagerada. En el caso más simple posible, estas personas deciden asociarse por primera vez para cometer fraude, por lo que su representación mediante grafos se presenta de igual forma que un accidente ordinario y por lo tanto su distinción resulta imposible.
 

Sin embargo, en el momento de que estas personas reiteran su actividad en cualquier momento de su histórico, ya sea con vehículos distintos o con los mismos, se verán implicadas en una estructura cerrada en nuestro grafo y por lo tanto serán expuestas a nuestra detección. Estas estructuras cerradas es lo que en grafos se conoce como ciclos o anillos.

 

La presencia de estas estructuras no implica que estos casos sean fraudulentos, pero sí que tengan un alto riesgo de ser fraudulentos y merezcan un tratamiento diferencial. Este sistema permite simplificar la investigación de más de medio millón de registros a un conjunto reducido de casos sospechosos fraude que conviene investigar en detalle, lo que facilita significativamente la tarea de investigación tradicional de fraude caso a caso, generando un gran valor operacional para la compañía aseguradora. 
 

Foto de cabecera: Zac Ong / Unsplash
Imágenes del cuerpo: BaseTIS
+1
4


4 Comments

Adrián Chamorro's picture
Adrián Chamorro

La corrupción es un tema que me atrae, no porque me guste (todo lo contrato), pero es interesante como afecta a la personas y como nos valoramos ante esa etiqueta. 

Sin abrir un debate sobre esto, como el tema me atrae, me ha generado curiosidad. Si lo entendí bien, para que l@s sospechos@s entren en el radar, tienen que interactuar entre ellos, con el mismo coche o diferente, pero entre ellos al menos dos veces, no?

Gonzalo Espinosa's picture
Gonzalo Espinosa

Exacto. En el simple caso que involucre dos participantes sí, ambos deben interactuar de forma reiterada en algún momento de su histórico. Ahora bien, si los defraudadores fuesen astutos y tuvieran cierto conocimiento sobre el dominio, podrían querer evitar ser expuestos a la reiteración, por ejemplo, no implicándose ambos otra vez, sino interactuando con más participantes. No obstante, en el momento en el que cualquier miembro de la organización reincide con cualquier otro miembro, se forma un anillo cerrado detectable para nuestro sistema.

Por lo tanto, el punto clave del sistema reside en la reiteración. No solamente en la reiteración de dos individuos o vehículos, sino en la reiteración de actividad con cualquier miembro o vehículo de una misma comunidad. Es entonces cuando el sistema, por muy compleja que sea la organización, es capaz de detectar la asociación.

Xavier Valls's picture
Xavier Valls

Interesante artículo, aquí se ve la picaresca que inunda nuestra sociedad. Me ha interesado especialmente por haber sufrido un accidente de cierta gravedad en noviembre. Quiero dejar claro que no me identifico con los pícaros, es el primer parte que he tenido en mi vida!!!

Referente a la solución, desconozco las fuentes de las que se nutre el sistema, si yo quisiera hacer un fraude colaborativo, quizá en el segundo parte incluiria vehiculos de algun familiar o amigo de confianza. Podeis cruzar datos de familiares? o de amigos a partir de otras fuentes como Facebook, LinkedIn o redes sociales? es lo que yo haria como investigador privado para detectar el posible fraude de un parte.

Perdonad que sea tan tiquis-miquis.

Gonzalo Espinosa's picture
Gonzalo Espinosa

Esa era una de las ideas de partida y por supuesto hubiera sido clave, pero por temas de privacidad de datos no podiamos incorporar tal información. Se utilizaron datos enmascarados en todo momento, por lo que la investigación se centra en la estructura relacional de los datos y no en el estudio particular de cada individuo.

Add new comment