基于生成对抗网络的医疗保险索赃欺诈检测攻击方法
密码学与安全
2025-06-26 v1 人工智能
摘要
医疗保险欺诈检测是现代保险服务的关键性进步，提供智能化和数字化的监控，以提升管理水平并防止欺诈。确保保险系统的安全与高效性至关重要。尽管 AI 和机器学习算法在检测欺诈索赔方面表现出强大的性能，但当前系统缺乏标准化的防御机制，使其易受新兴对抗性威胁的攻击。本文提出一种基于生成对抗网络 (GAN) 的方法，用于对欺诈检测系统进行对抗攻击。我们的结果表明，攻击者在不了解训练数据或内部模型细节的情况下，仍可生成被识别为合法的欺诈案例，其攻击成功率 (ASR) 可达 99%。通过对真实的保险记录和索赔进行微小修改， adversaries 可显著增加欺诈风险，从而可能绕过已被破坏的检测系统。这些发现凸显了迫切需要增强保险欺诈检测模型抵抗对抗性操纵的鲁棒性，以确保不同保险系统的稳定性和可靠性。
引用
@article{arxiv.2506.19871,
title = {An Attack Method for Medical Insurance Claim Fraud Detection based on Generative Adversarial Network},
author = {Yining Pang and Chenghan Li},
journal= {arXiv preprint arXiv:2506.19871},
year = {2025}
}
备注
arXiv admin note: text overlap with arXiv:2405.12076 by other authors