本项目开发了一种混合集成建模方法，可以帮助保险公司更有效地打击诈骗。关键思想是利用既已被证实有效的业务规则和保险行业累积的大数据。探索了信念规则库（BRB）方法，开发了一个概率规则模型，可以通过使用标记数据集来模仿和微调用于诈骗检测的业务规则。还将开发纯数据驱动的机器学习（ML）模型，以便从不同角度检测诈骗，并从数据中识别新的诈骗模式。将两种模型：BRB模型和ML模型通过最优化训练集成，建立混合集成模型，以实现最佳的诈骗检测精度和可解释性。

自18世纪中叶推出保险服务以来，诈骗一直存在，现在每年造成数十亿美元的损失。越来越多地，诈骗检测服务被视为律师事务所提供的服务包的必要组成部分。首先识别应当争议的案例是该过程的关键部分。最近的研究表明，计算机算法可以自动搜索数据并生成突出诈骗最有可能发生的案例的红旗。大多数保险公司已经使用自动红旗和业务规则来协助诈骗预防。未来，更强大的人工智能决策系统可以完成此类工作，从而使错误更少。