我國健保費用逐漸增長，進而衍生出許多健保問題，其中浮報、虛報及詐欺等三種情況，會造成許多醫療資源的浪費。然而，目前電腦檔案分析只能偵測出浮報、虛報的行為，無法偵測出詐欺情況。對於健保詐欺之偵測只能仰賴傳統隨機抽樣檢驗及人力分析，而我國健保平均一年門診審查申報量約3.5 億件，其人力的負擔非常沉重。故本研究將探討如何利用電腦工具初步判別醫事機構之費用申報情況。 本研究透過大量文獻回顧，發現美國有研究指出結合Benford’s law 與智慧型方法來進行詐欺偵測，可獲得很好的效果(Busta & Weinberg 1998)。Benford’s law 指出許多數據來源皆會呈現特定的數字頻率分佈，近年來Benford’s law 亦被應用在許多不同領域的舞弊或詐欺的審查流程中。 本研究使用Apache Hadoop 及其相關專案，建構出一個大量資料儲存分析之環境，針對大量健保申報費用資料來進行分析。此系統結合了Benford’s law 數字分析方法並運用支持向量機(Support Vector Machine)來對健保費用申報進行大規模電腦初步審查，判別該醫事機構是否有異常申報之情況發生，並將初步判別之結果提供給健保局相關稽查人員，進而做深入的審查。 本研究所建構的智慧型健保費用異常偵測模型結合了Benford’s law 衍生指標變數與實務指標變數，並利用SVM 分析健保申報費用歷史資料，產生出預判模型，之後便可藉由此模型來判別未來健保費用申報資料是否有異常情況發生。在判別異常資料方面，本研究所建構的模型其整體正確率高達97.7995%，且所有的異常申報資料皆可準確地預測出來。 因此，本研究希望能結合Benford’s law 與智慧型運算方法於健保申報異常偵測上，如此一來便可藉由電腦進行初步審查，減少因傳統隨機抽樣調查所造成的不確定性以及審核大量健保資料時過多的人力資源浪費。