DeepMind 与新加坡 GovTech 上线端侧反诈骗模型：微调 Gemma 在手机上判对话，不破端到端加密
Google DeepMind 10 月 14 日公布与新加坡政府科技局（GovTech）合作交付的一款端侧反诈骗模型：它跑在手机本地，读的是对话本身，因此不必让消息平台把聊天内容上传云端——这是给端到端加密场景准备的做法。官方给出的背景是，诈骗已占新加坡报案数的一半以上，2019 年以来造成超过 40 亿新元损失，且手法从简单钓鱼转向长期话术操控，这类「社会工程」如今占全部损失的约 80%。
做法分两段：第一段是一个轻量分类器负责筛入站消息，耗电极低，目标是先圈出可疑对话；第二段才调用微调过的 Gemma，对更大一段对话快照做上下文判断，用来确认威胁或排除误报。微调数据取自本地化的诈骗对话——冒充公共机构、银行与本地人物，以及区域性流行骗局——官方称通用模型对这类本地话术识别不佳。命中后，警告直接出现在用户设备上，提示其在转账或交出凭据前停一下。
治理口径同样写在公告里：微调在 GovTech 管理的 GCP 环境中完成，训练数据与外部隔离；训练排除了私人数据与可识别个人信息，只用匿名化的诈骗举报与情报数据；模型经过压力测试，并在新加坡国际网络周（SICW 2026）上公布。对读者而言，这件事的意义不在参数量，而在于它给「加密通信里怎么做安全」提供了一条可复制的路径——分析留在设备上，平台不必看内容。
原文链接：Google DeepMind 官方页面
核验记录
官方页 deepmind.google/blog/on-device-ai-scam-detection-mddi/ 直读 200（154,589 字节），日期两处同指 2026-10-14：JSON-LD datePublished 2026-10-14T02:00:00+00:00（= 北京时间 10:00）与页内可见 October 14, 2026。正文全部细节（两阶段流水线、微调 Gemma、SICW 2026、S$40 亿与 80% 口径、治理三句话）逐字取自该页，无第三方来源。配图取同页 og:image（lh3.googleusercontent.com，webp 1200×630、67,692 字节），裸请求与带站内 Referer 双向均 200 且字节一致（R3/R45）。未见该模型的权重仓或第三方复现，全部效果为官方自述。