谷歌与新加坡将诈骗识别模型部署到手机端
谷歌DeepMind与新加坡GovTech发布端侧Gemma模型，在不上传聊天内容的情况下识别本地化诈骗对话。
把反诈骗能力放进手机
谷歌DeepMind与新加坡政府科技局推出一套端侧人工智能系统，用于在用户转账或泄露凭据前识别诈骗对话。双方瞄准的是新加坡日益严重的社会工程诈骗：诈骗案件已占当地报案总数的一半以上，自2019年以来造成的损失超过40亿新加坡元。
系统采用两阶段流程。第一阶段由轻量分类器快速筛查收到的信息，发现可疑内容后，再交给经过本地诈骗语料微调的Gemma模型进行更大范围的上下文分析。模型重点识别冒充银行、政府机构和本地知名人物等操纵手法。一旦判断风险较高，手机会直接向用户发出警告。
为什么端侧架构值得关注
模型面向普通智能手机运行，不依赖持续的云端扫描。在端到端加密消息环境中，平台往往无法在服务器侧读取聊天内容；端侧分析既能缩短响应时间，也能减少敏感数据离开设备的机会。
据介绍，模型训练在GovTech管理的云环境中完成，使用的是匿名化诈骗报告和情报数据，不包含公民私人信息。合作方还通过合成对话和本地诈骗样本进行压力测试。该项目在新加坡国际网络安全周期间公布，被定位为政府、平台与模型供应商协作保护用户的示范。
为什么重要
这不只是一个新的诈骗分类器，而是在验证小型专用模型能否成为消费设备内置的安全层。它仍面临误报、电量消耗、语言覆盖和更新权归属等问题。若这些限制能够解决，端侧模型有望在不削弱端到端隐私的前提下，为即时通信增加一层防护。