Google DeepMind 宣布与新加坡 GovTech 合作，基于开放模型 Gemma 构建端侧诈骗检测

Google DeepMind 10 月 14 日在其宣布，正与新加坡政府科技局（GovTech Singapore）合作，基于其开放模型 Gemma 构建端侧（on-device）诈骗检测。同日发布的称，双方已针对本地诈骗手法微调出一个保护隐私、在用户设备上运行的诈骗检测模型。

这项合作已在新加坡国际网络周（Singapore International Cyber Week，SICW 2026）上展示。帖文给出的合作背景是：「新加坡超过一半的已报案犯罪使用了复杂的社会工程学（social engineering）手段。」

2019 年以来损失逾 40 亿新元，最高八成来自社会工程类骗术

配套博客给出了比帖文更细的数字：投资诈骗、假招聘、冒充公职人员等诈骗已占新加坡报案罪案的一半以上，自 2019 年以来造成超过 40 亿新元损失，这一数字援引《海峡时报》的统计。博客同时描述了手法的演变：骗术正从简单的钓鱼（phishing）转向复杂的社会工程学，攻击者先用有说服力的对话操纵受害者，然后才提出转账要求；这类骗术目前占全部损失的比重最高达 80%。

两级流水线：轻量分类器先快筛，Gemma 再复核对话

把复杂的诈骗分类模型放进手机，官方博客点出的关键约束是电池续航。DeepMind 的方案是两级流水线（two-stage pipeline）：

第一级是一个轻量、高效的分类器，以极低功耗筛过每条传入消息，只负责捕捉潜在威胁；被它标记为可疑或含糊的消息才进入第二级，由微调过的 Gemma 模型做多轮对话分析，审查更大范围的对话快照，用来确认威胁或排除误报。当模型识别出操纵性的对话模式时，会直接在用户设备上触发实时警告，建议用户在交出敏感信息或转账前先停下来、保持警惕。博客公布的流程图里，示例对话中可见 PayNow、help me 等字样。

训练数据隔离在 GovTech 管理的环境里

隐私是这个项目反复强调的前提。GovTech Singapore 信任与安全总监（博客未给出姓名）在博客中表示：「打击诈骗不应意味着牺牲个人隐私。与 Google DeepMind 合作，我们正在把先进的 AI 防护直接带到公民的设备上，让我们能够在个人通信保持私密的同时，实时拦截高度定向的本地诈骗企图。」

博客逐条列出了开发阶段的约束：微调在 GovTech 管理和维护的 GCP（Google Cloud Platform）环境中完成，训练数据与外界隔离；训练严格排除私人或可识别个人身份的信息，只使用来自诈骗举报和情报源的匿名化数据集；模型还用合成对话和本地语料做了压力测试，覆盖多种诈骗类别和不断演变的冒充手法。博客称，这套做法为消息平台提供了「在用户保护与端到端加密之间取得平衡」的范例。

这项合作是 5 月宣布的国家 AI 伙伴关系的一部分

博客明确把这项工作归入 Google DeepMind 与新加坡政府的。该伙伴关系由 Google DeepMind 于 2026 年 5 月 20 日在官方博客中宣布，方向覆盖医疗领域的 AI co-clinician（AI 协诊助手）探索、面向全岛中小学至初级学院教师的 Gemini for Education、亚太区气候主题加速器，以及与 IMDA、MLCommons 合作的多模态、多语言安全基准研究；5 月的博客还提到，DeepMind 前一年（2025 年）在新加坡开设了研究实验室。这次的端侧诈骗检测是其中直接作用于公民设备的一项。

接入哪些平台、何时上线，官方尚未交代

哪些消息平台会接入这套模型、何时向公众部署、检测准确率如何，帖文和博客都没有回答。官方博客的表述止于能力层面：DeepMind 称，已用这套轻量端侧模型验证「在确保聊天交互安全的前提下进行本地实时诈骗检测」的能力。博客最后交代了两个后续动作：很快分享更多与新加坡政府合作的进展，以及探索把类似技术部署到其他国家的可能性。