Google DeepMind и технологическое агентство правительства Сингапура GovTech выпустили модель выявления мошенничества, которая анализирует переписку прямо на смартфоне. Система представлена на Singapore International Cyber Week 2026 и построена на дообученной облегченной модели Gemma. Она нацелена на категорию преступлений, которая составляет более половины зарегистрированных преступлений в Сингапуре и привела к потерям свыше S$4 млрд с 2019 года. Для бизнеса это пример защиты от мошенничества без нарушения тайны переписки.
Локально настроенная модель для зашифрованных чатов
Модель разработана в рамках National AI Partnership между Google DeepMind и правительством Сингапура. Она оптимизирована для работы на типичных смартфонах, используемых в Сингапуре, и локально анализирует структуру диалога для выявления манипулятивных намерений. При обнаружении таких признаков пользователь получает предупреждение в реальном времени с советом сделать паузу перед переводом средств или передачей учетных данных. Цель — вмешаться до финансового ущерба или компрометации данных, а не разбирать инцидент задним числом.
Ключевое проектное решение — обработка на устройстве вместо серверного сканирования сообщений в облаке. Традиционные системы защиты с трудом работают со сквозным шифрованием в мессенджерах, поскольку частную переписку нельзя централизованно проверять. Перенос анализа на смартфон позволяет оценивать диалог без передачи содержания чатов наружу. В Google DeepMind представляют это как более быстрый анализ поведенческих паттернов, который сохраняет конфиденциальность переписки и одновременно выявляет признаки мошенничества.
Вторая опора проекта — локализация. Универсальные модели часто пропускают региональные приемы обмана, поэтому Gemma дообучили на местных мошеннических диалогах, включая выдачу себя за госорганы, банки и известных лиц, а также за актуальные региональные схемы. Обучение велось на анонимизированных наборах из отчетов о мошенничестве и аналитических источников, без частных данных и персональных данных граждан. Модель проверяли на синтетических диалогах и локальных корпусах, охватывающих разные категории мошенничества и меняющиеся тактики выдачи себя за других.
Что защита на устройстве меняет для бизнеса
Для компаний, которые принимают платежи, проводят онбординг клиентов или ведут поддержку в чатах, такой подход показывает способ борьбы с мошенничеством без доступа к содержанию переписки. Платформы мессенджеров и поставщики операционных систем могут встраивать подобные облегченные модели для локальных предупреждений в рискованных диалогах. Небольшие компании получают готовый уровень защиты без собственной инфраструктуры детекции, а крупные организации могут дополнить им действующие риск-системы для переводов, смены учетных данных и платежей поставщикам.
Для решения о внедрении важны ограничения. В источнике упомянут двухэтапный конвейер с учетом энергоэффективности батареи, но не раскрыты точность, доля ложных срабатываний, поддерживаемые языки и требования к устройствам. Также не названы мессенджеры и операционные системы, в которые встроят модель, и сроки запуска. Заказчикам стоит спросить поставщиков, как срабатывают предупреждения, как обновляются локальные сценарии мошенничества и как измеряется эффективность против социальной инженерии, на которую приходится до 80% потерь.
Индикатором развития станет интеграция модели платформами мессенджеров и поставщиками операционных систем после презентации на SICW 2026. Второй сигнал — повторение управленческой схемы: дообучение в управляемой среде GCP под контролем GovTech в формате Sovereign Sandbox. Если за этим последуют коммерческие внедрения с опубликованными метриками, проверка мошенничества на устройстве может стать стандартным дополнением к шифрованию.
