تقلب در بیمه، به ویژه تقلب در بیمه خودرو، یک موضوع رایج در زمینه تقلب است که باعث ضررهای مالی قابل توجهی برای شرکت‌های بیمه می‌شود. ادعاهای نادرست، فشار مالی قابل توجهی را بر شرکت‌های بیمه تحمیل می‌کند که بر کل صنعت تأثیر می‌گذارد. به همین دلیل، بیمه‌گران دائماً به دنبال سیستم‌های تشخیص مؤثرتری هستند تا از محدودیت‌های تکنیک‌های سنتی فراتر روند. بنابراین، ایجاد یک مدل تشخیص تقلب قابل اعتماد و مؤثر برای حفظ ثبات مالی و اعتبار ارائه دهندگان بیمه بسیار مهم است. هدف اصلی پژوهش بررسی ادغام نظارت ریسک و تکنیک‌های یادگیری ماشین در پیشگیری از کلاهبرداری در بیمه‌های خودرو است. این مطالعه به‌صورت توصیفی–پیمایشی و با استفاده از پرسشنامه معتبر، با نظرخواهی از 99 نفر از مدیران و کارشناسان ارشد بیمه های خودرو در شرکت‌های بیمه انجام شد. برای آزمون مدل و فرضیه‌ها از نرم‌افزار SmartPLS 3 استفاده گردید. یافته‌ها نشان می‌دهد که بهبود سیستم های نظارت بر رسیک، تأثیر مثبتی بر پیشگیری از کلاهبرداری در بیمه‌های خودرو در شرکت‌های بیمه دارند و استفاده از تکنیک‌های یادگیری ماشین میزان تأثیر نظارت بر ریسک بر پیشگیری از کلاهبرداری در بیمههای خودرو را به میزان قابل توجهی افزایش می‌دهد.