国内医疗保险欺诈问题十分严峻,但由于全国各大医疗机构的医疗数据不能全面共享,导致医疗保险欺诈以及欺诈识别的研究较少。本文借助咨询公司和保险公司所掌握的医疗数据库,运用数据挖掘方法对商业医疗保险的相关利益者——投保人和医疗机构的疑似欺诈行为进行识别,并分别建立针对投保人和医疗机构的疑似欺诈识别模型,可应用于实际商业医疗保险欺诈识别,并为社会医疗保险欺诈识别研究提供参考,达到减少医疗资源浪费的目的。对打算实行欺诈的投保人来说,在就医和索赔过程中会出现疑似欺诈行为,因此会产生特有的规律性和独特性行为,本文通过构建Logit回归分析模型寻找出哪些特征因子与是否欺诈高度相关。将高度相关的特征因子变成Back-Propagation反向传播网络模型的输入变量,通过模型的运行结果判断投保人是否存在疑似欺诈的嫌疑。对打算实施欺诈的医疗机构来说,实现欺诈的形式多为和患者(投保人或被保险人)合谋。医疗机构的欺诈可以有多种,这主要是因为医疗过程的复杂性,医疗机构(医生)可以在诊断作假、开药作假、故意延长住院时长、同意不同患者使用同一人的相关信息进行索赔、或者将一个医疗处理过程拆成多个处理过程以增加索赔金额等等,故因医疗机构欺诈行为较投保人欺诈更为多样化和多变化,也因本文篇幅有限,本文选择识别医疗机构是否在费用清单上作假行为以检验该医疗机构是否存在与投保人合谋欺诈的嫌疑,以此为例对医疗机构合谋欺诈形式模型的识别研究提供一种思路。因此,为了针对医疗机构此类型的欺诈,本文根据医疗保险索赔金额和支出满足Benford定律这样的思路,建立了K-Means聚类模型来识别这种模式的欺诈。最后,针对投保人和医疗机构的疑似欺诈识别模型经过实际数据检验和验证,完全可以用其识别欺诈行为,并且提出我国应完善医疗保险的立法体系,建立和完善医疗保险欺诈识别的关键指标,医疗数据实现逐步共享,开发和推广医疗保险欺诈智能识别技术以及加强保险公司与医疗机构的合作机制,强化对医疗行为和医疗费用的监管等实际建议。