Google DeepMind 与新加坡政府科技局推出端侧反诈模型：微调 Gemma 在手机本地识别诈骗对话，消息不出设备

这件事意味着什么

【要点】

Google DeepMind 10 月 14 日发文，宣布与新加坡政府科技局（GovTech）在「国家 AI 伙伴关系」框架下，做出一个跑在手机本地的诈骗检测模型，并在新加坡国际网络安全周（SICW 2026）上展示。新加坡报案中超过一半是诈骗，2019 年以来损失超过 40 亿新元；其中靠长时间聊天博取信任、再开口要钱的社会工程诈骗，占到损失的八成。

做法是把轻量的 Gemma 模型用本地诈骗对话微调，覆盖冒充政府机构、银行、本地名人以及区域流行骗术。推理分两段：先用一个省电的轻量分类器筛入站消息，命中可疑后再由微调后的 Gemma 看更长一段对话，确认是诈骗还是误报。确认后直接在设备上弹出提醒，让用户在转账或交出凭据前先停一下。整个分析在手机本地完成，不把聊天内容传到云端。

治理上，微调在 GovTech 自己管理的 GCP 环境里进行，训练数据隔离；只用从诈骗举报和情报源整理出的匿名数据，不含公民个人信息；模型用合成对话和本地语料做了压力测试。DeepMind 表示，消息平台和操作系统厂商可以直接集成这类轻量模型。

【可核验】

DeepMind 博客原文：https://deepmind.google/blog/on-device-ai-scam-detection-mddi/

@GoogleDeepMind 同日帖子：https://x.com/GoogleDeepMind/status/2110190101707858039

文中引述 GovTech 信任与安全总监 Mark Chen：在设备上做防护，既能实时拦截针对本地的诈骗，又不碰私人通讯内容。

【我们的判断】

一、端到端加密让平台无法在服务器上扫描聊天，反诈和隐私一直互相拉扯。把判断搬到手机上，是目前少数能同时兼顾两者的路线；这篇文章的价值在于给出了一个政府牵头、可落地的工程方案（两段式筛查控制耗电），而不是又一个云端过滤服务。

二、文章没有公布准确率、误报率、上线时间和具体接入的应用，也没说模型是否开放给其他平台。目前它更像一次技术展示和合作宣示，实际效果要等落地数据。

三、开放权重的小模型加本地数据微调，正在成为各国政府做 AI 公共服务的常见组合。这类项目真正值得关注的不是模型本身，而是谁掌握微调数据和部署入口。