صنعت بیمه با توجه به ماهیت خود، مستعد ابتلا به کلاهبرداری و تقلب است. در بیمه اتومبیل، بیمه گر کلیه خسارتهایی را که به واسطه خودرو یا بار خودرو به اشخاص ثالث وارد می شود، تحت پوشش قرار می دهد . در طی سالهای اخیر با توجه به رشد این نوع بیمه، تشخیص عوامل تأثیرگذار بر روی تصمیمهایی که به جعلی بودن یک ادعای خسارت می پردازد به امری ضروری مبدل شده است. یکی از راه های کشف و مقابله با این نوع تقلبها بررسی اطلاعات موجود در پرونده هایی است که از طریق بیمه نامه شخص ثالث ادعای خسارت کرده اند. داده کاوی روش مناسبی برای تعامل با چنین بانکهای اطلاعاتی است و منجر به کشف دانشی ارزشمند از آنها می شود؛ در این تحقیق با بررسی 142 پرونده شخص ثالث و 6 متغیر، سعی شده است تا الگوهای تقلب در بیمه شخص ثالث کشف شود. نتایج تحقیق نشان می دهد الگوریتم درخت تصمیم و شبکه های عصبی در شناسایی پرونده های تقلبی، غیرتقلبی، و مشکوک نسبت به الگوریتم ماشین بردار پشتیبان عملکرد بهتری داشته اند.
