Para proteger eficazmente la propiedad de los ciudadanos de la infracción de fraudes de recaudación de fondos, es necesario investigar la difusión, identificación y causación de dichos fraudes. En este estudio, se utilizaron el modelo Susceptible Infectado Recuperado (SIR), la red neuronal de retropropagación (BP), el árbol de fallas y la red bayesiana para analizar la difusión, identificación y causación de fraudes de recaudación de fondos. En primer lugar, se recopilaron datos relevantes sobre fraudes de recaudación de fondos de residentes en la misma área mediante una encuesta. En segundo lugar, se utilizó el modelo SIR para simular la difusión de víctimas, susceptibles, alertas y cantidad de fraude; la red neuronal BP se utilizó para identificar los datos de fraude financiero y cambiar la precisión del análisis numérico de neuronas y capas ocultas; se emplearon el modelo de árbol de fallas y el modelo de red bayesiana para analizar la causación y la importancia de eventos básicos. Finalmente, se simularon las medidas de seguridad de fraudes de recaudación cambiando los parámetros de difusión. Los resultados muestran que (1) para la propagación del fraude, la escala de las víctimas se expande bruscamente con el aumento del ciclo de fraude, y las víctimas del ciclo final de fraude representan el 12.5% de las personas en la región; (2) para la fuente de infección del fraude, la tasa de reconocimiento inicial de fraude por la red neuronal BP varía del 90.9% al 93.9%; (3) para las víctimas del fraude, reducir la publicidad del fraude, mejorar la conciencia del riesgo y fortalecer la supervisión del fraude puede reducir efectivamente la probabilidad de fraude; y (4) reducir la tasa de fraude puede disminuir el número de víctimas y retrasar el tiempo de brote. Mejorar la tasa de alerta puede reducir las víctimas a gran escala. Fortalecer la supervisión puede restringir la escala de las víctimas y prolongar la duración del fraude.