Google DeepMind и Агентство по технологиям правительства Сингапура (GovTech) 14 октября 2026 года анонсировали модель выявления мошенничества, которая в реальном времени предупреждает пользователей смартфонов о манипулятивных разговорах, выполняя весь анализ на самом устройстве. Новость была объявлена на Международной кибернеделе Сингапура (SICW 2026) министром цифрового развития и информации Жозефин Тео. Модель анализирует поток сообщений непосредственно на смартфоне, не отправляя в облако ни одной строки личных переписок.
Что анонсировано
В основе модели — облегчённая модель Gemma, дообученная на местных примерах мошеннических диалогов. В процессе обучения использовались случаи имитации государственных учреждений, банков и местных публичных лиц, а также примеры актуальных мошеннических схем, распространённых в регионе. Благодаря этому модель отличает обычную светскую переписку от настоящей манипуляции — по данным DeepMind, универсальные модели плохо понимают местные приёмы обмана, и именно это затрудняет выявление мошенничества. Модель оптимизирована для работы на обычных смартфонах в Сингапуре — то есть рассчитана на широкую базу пользователей, без необходимости в специальном или мощном устройстве. Это решение призвано донести технологию до как можно большего числа граждан.
Как пишет официальный блог Google DeepMind, сотрудничество ведётся в рамках Национального партнёрства по ИИ с правительством Сингапура, а проект направлен на защиту граждан с сохранением их конфиденциальности.
Как работает модель
Техническая архитектура двухэтапная. На первом этапе лёгкий и энергоэффективный классификатор с минимальным потреблением энергии сортирует входящие сообщения и выделяет подозрительные случаи — с учётом того, что энергоэффективность аккумулятора является одним из важнейших условий для запуска сложного классификатора мошенничества на современных смартфонах. На втором этапе дообученная модель Gemma работает с более широким контекстом диалога: она подтверждает угрозу или отменяет ложный сигнал. При обнаружении манипулятивного паттерна пользователь получает предупреждение на устройстве в реальном времени — рекомендуется остановиться и проявить осторожность перед передачей чувствительных данных или денег. Лёгкий классификатор выполняет функцию первого фильтра: он потребляет мало энергии, улавливает потенциальные признаки угрозы и передаёт более тяжёлой модели Gemma только подозрительные случаи. Таким образом экономится заряд батареи, а анализ выполняется без задержек. По данным The Straits Times, модель в реальном времени анализирует переписку в WhatsApp и Telegram.
Почему именно на устройстве
Традиционное выявление угроз обычно опирается на сканирование сообщений на стороне серверов в облаке. Однако многие мессенджеры используют сквозное шифрование — а значит, они не могут проверять личные разговоры. В новом подходе анализ угроз переносится на устройство: это позволяет быстрее анализировать паттерны диалогов, выявлять манипулятивный замысел и давать гражданину возможность действовать до того, как его финансовые данные или данные учётной записи окажутся под угрозой. По словам создателей, в будущем разработчики мессенджеров и операционных систем смогут напрямую интегрировать такие лёгкие модели, защищая пользователей без раскрытия их личных данных.
Когда защитный ИИ работает прямо на устройстве, не страдает ни безопасность, ни конфиденциальность — анализ мошеннических схем не требует передачи личных разговоров пользователя в облако.
Официальный блог Google DeepMind
Масштаб мошенничества: цифры
Приведённая DeepMind статистика показывает масштаб проблемы: мошенничество составляет более половины зарегистрированных в Сингапуре преступлений, а ущерб с 2019 года превысил 4 млрд сингапурских долларов. При этом тактика мошенников кардинально изменилась: от простого фишинга они перешли к сложной социальной инженерии — такие схемы сейчас составляют до 80% общего ущерба. Злоумышленники теперь манипулируют жертвой с помощью убедительных бесед, прежде чем попросить деньги, — и это требует от средств защиты выявлять не содержание переписки, а манипулятивный замысел.
Как обеспечиваются гарантии конфиденциальности
Обучение модели велось под строгим контролем. Все работы по дообучению выполнялись в управляемой среде GCP GovTech — «Суверенной песочнице» (Sovereign Sandbox), обучающие данные хранились изолированно. В обучении не использовались никакие личные или идентифицируемые данные граждан — только анонимизированные наборы из отчётов о мошенничестве и разведывательных потоков. Модель прошла стресс-тестирование на синтетических диалогах и местных текстовых корпусах, чтобы охватить различные категории мошенничества и меняющиеся тактики имитации. По заявлению DeepMind, проект может стать примером для мессенджеров, которые пытаются сбалансировать защиту пользователей со сквозным шифрованием.
Что пока неизвестно
Когда модель выйдет и станет ли она стандартной функцией Android — пока не раскрывается. Ожидается, что в ближайшее время будут объявлены дополнительные подробности о следующих этапах проекта.
