Gemma 端侧反诈骗模型在 2026 年 10 月 14 日由 Google DeepMind 公布：这家实验室与新加坡政府科技局（GovTech）合作，在国家人工智能伙伴关系框架下交付了一个能在普通智能手机上运行的诈骗检测模型。它盯住的是聊天对话里的操纵话术，一旦识别出可疑模式，就直接在用户设备上弹出提醒，劝人先停下来核实，别急着转账或交出敏感信息。
新加坡先扛不住的，是社交工程型诈骗
DeepMind 在公告中给出的背景数字很直观：诈骗占新加坡已报告犯罪的一半以上，自 2019 年以来造成的损失超过 40 亿新加坡元。更麻烦的是手法的变化——早期是简单的钓鱼链接，现在多是先用一段有说服力的对话慢慢套近乎、建立信任，再开口要钱；这类社交工程型诈骗如今占到全部损失的八成。通用模型对这种高度本地化的骗术并不敏感，冒充本地机构、银行和公众人物的说法、正在流行的区域骗局，都需要专门学过才认得出来。
不上云，是为了补上加密聊天的盲区
这套模型的做法是把轻量版 Gemma 拿来，用本地诈骗对话做微调，让它熟悉新加坡语境里的典型话术，再把判断过程整个放在手机端。放在端侧有个绕不开的理由：许多即时通讯平台是端到端加密的，服务器根本看不到聊天内容，云端扫描无从下手。让分析回到设备上，既不用把私人对话送出去，也能在用户掏钱或交出凭证之前就介入提醒，速度也更快。
两级流水线，先粗筛再细看
在手机上全天运行一个分类模型，电量是第一道坎。公告介绍的方案分两级：第一级是一个轻量分类器，用极低的功耗扫过进来的消息，只负责把可疑的挑出来；第二级才动用微调后的 Gemma，拿更大一段对话上下文做判断，确认是威胁还是误报。确认有操纵意图后，警告直接出现在设备上，建议用户暂停操作、保持谨慎。粗筛保续航、细看保准确，这个分工也是端侧安全模型接下来几年的常见形态。
训练全程不碰公民的真实数据
这类合作最容易被质疑的是数据边界，公告专门写了治理安排：微调在 GovTech 管理的云环境沙箱内进行，训练数据与外部隔离；训练严格排除私人及可识别个人身份的信息，用的是由诈骗举报和情报线索整理成的匿名化数据集；上线前还用合成对话和本地语料做过压力测试，覆盖多类骗局和不断翻新的冒充手法。这项成果已在新加坡国际网络周（SICW 2026）上展示。
公告没有给出具体的检出率数字，也没说明首批会集成进哪些通讯应用，所以现在还不能把它当成已经装进每个新加坡人手机的成品。但方向已经清楚：即时通讯平台和手机系统厂商可以直接集成这类轻量模型，在本地守住对话。接下来要看的是实际部署范围、误报率，以及其他地区会不会跟进这套合作模式。
