Google Gemma 防詐模型把攔截搬進手機，加密對話不離開裝置

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

2026 年 10 月 14 日，Google DeepMind 在官方部落格公開與新加坡政府的合作成果：把開源模型 Gemma 拿去微調，做成一個直接在手機上分析對話的詐騙偵測模型。同一項發表也出現在新加坡國際網路安全週（SICW 2026）的會場，新加坡數位發展及新聞部（MDDI）部長 Josephine Teo 在金沙會展中心的演講中親自宣布這項與政府科技局（GovTech）的合作。變動本體一句話就能說完：防詐的判斷位置，從服務端搬進了訊息已經解密顯示的那一端。

Pin

時間軸相當緊湊。台灣時間 10 月 14 日上午 9 點半左右，CNA 報導了部長的現場宣布；10 點 05 分，Google DeepMind 的 X 帳號貼出公告，寫著「新加坡通報犯罪中超過一半使用精密的社交工程」，並標記合作對象 @GovTechSG；官方部落格文章同日上線，署名 JJ Geewax 與 Miguel de Andrés，分類掛在責任與安全。三個來源在一天之內指向同一件事，這在研究型公告裡並不常見。機構之間的分工也值得拆開看：頁面標題與網址掛的 MDDI 是 Josephine Teo 領導的數位發展及新聞部，實際執行合作的單位是 GovTech，公告裡的引言者與微調環境都落在後者身上。這也不是雙方第一次合作：2026 年 5 月 20 日 DeepMind 才公告過與新加坡政府的國家級 AI 夥伴關係，內容涵蓋醫療、教育與科研，這次的防詐模型就是在那個框架下推進的工作。

現在誰用得到？答案是手上還沒有產品。Google 在新聞稿裡表示（CNA 轉述），這個模型以 Android 裝置為對象，安裝與使用方式的更多細節「即將公布」；公告對部署的描述是「將在與新加坡政府的合作下分階段、謹慎推出」。換句話說，這是一次研究與治理框架的發表，不是一個今天就能下載的功能。適用地區目前只提新加坡，官方僅說正在探索把類似技術帶到其他國家的可能性，沒有出現台灣的時程。

判斷位置為什麼要搬進手機

傳統的訊息威脅偵測建立在服務端掃描上：訊息經過伺服器，平台在雲端掃描比對。問題是主流通訊軟體走向端對端加密，內容只剩通話兩端看得到，伺服器掃不到明文。CNA 在報導裡直接點出這個矛盾：許多現代傳訊平台使用端對端加密，私人對話無法被檢查。

DeepMind 這次給的答案，是把模型放進本來就得看到明文的那一端。手機要顯示對話，就必須先解密；既然這一端看得到全文，就把判斷也放在這一端。公告原文寫得直接：不同於仰賴雲端訊息掃描的傳統威脅偵測，這個模型可以直接在裝置上處理對話資料；整合進應用程式後，能更快分析對話模式、偵測操縱意圖，讓民眾在金錢或憑證暴露之前先行動。部長的講法是：「如果我們的裝置能早一步認出操縱的跡象，我們就能幫潛在受害者避開財務或憑證損失，同時讓他們的私人訊息留在自己的裝置上。」

把手機當成 AI 的執行環境，這條路已經有不少人走過。Google 自己已經做過一輪通用版本：開源工具AI Edge Gallery就是讓 Android 手機離線跑 LLM 的官方範例；社群裡也持續有人把變聲這類即時應用搬進本機推論，例如我們介紹過的Koeiro 開源變聲器。差別在於那些是自己選擇的通用工具，這次是政府與模型廠商合作、針對單一任務微調、打算整合進民生應用的部署。

兩階段管線：先用小分類器擋住耗電，再讓 Gemma 讀上下文

公告的技術段交代了運作方式。模型偵測到操縱式的對話模式時，會在使用者裝置上直接觸發即時警告，建議人在分享敏感資訊或金錢之前停下來、保持謹慎。而在現代智慧手機上跑一個複雜的詐騙分類器，電池效率是關鍵顧慮，所以整條管線分成兩階段：第一階段是一個輕量、有效率的分類器，用最少的電力篩選進來的訊息，專注抓出潛在威脅；第二階段才交給微調過的 Gemma 做前後文分析，檢視一段更大的對話快照，確認威脅成立，或者排除誤報。

Pin

微調素材是在地的：冒充公部門機構、銀行與在地人物的對話，加上當地流行的騙局類型。公告對這一步的解釋是，通用模型常難以應付在地的欺騙手法，讓詐騙偵測變得更難；針對當地詐騙對話微調，模型部署在民眾安裝的應用程式裡時，才能把一般的社交寒暄與真正的操縱區分開來。CNA 引述 Google 的說法再補一個方向：模型會持續接受訓練以跟上演變中的手法，並分辨日常對話與社交工程常見的高壓、結構性操縱。用單一關鍵詞判斷的時代已經過去，同一句「請提供驗證碼」，出現在不認識的人的私訊裡，和自己打開官方服務時的流程，含義完全不同，這正是需要讀整段對話的原因。

從兩階段設計可以推一件事，而公告本身沒有提供任何數字：第一階段沒放行的對話，第二階段永遠沒有機會看到，整體表現的上限被第一道門檻綁住；門檻太鬆，危險對話會被放過去，太緊則增加誤報與後段運算，使用者被過多的警告磨掉耐心。這兩個方向的失敗目前都沒有公開的量化資料，公告只交代了效率方向，沒有提供各手機的耗電結果，也沒有準確率。

「政府與 Google 都拿不到對話」的三個前提

隱私是這次公布最強的主張，也是條件最多的一句話。公告原文是：模型完全在裝置上執行，因此透過這個部署，新加坡政府與 Google 都無法存取使用者的對話。這句話要成立，前提有三層：模型真的完全在裝置上執行；它讀取對話以使用者同意為前提，並受該應用程式的使用條款約束；部署維持公告描述的形態。這是設計層的承諾，目前沒有第三方驗證，也還沒有可安裝的產品可以拆解檢驗。

治理面倒是有具體內容，公告列出三個條件。微調在 GovTech 管理與維護的 GCP 環境裡進行，公告稱為主權沙盒（Sovereign Sandbox），讓訓練資料保持隔離；訓練嚴格排除私人或可識別個人的資訊，使用來自詐騙報告與情報來源的匿名化資料；模型以合成對話與在地語料做壓力測試，涵蓋不同詐騙類別與持續演變的冒充手法。GovTech 信任與安全部門主管 Mark Chen 的引句把立場講得很白：「打擊詐騙不該意味著犧牲個人隱私。與 Google DeepMind 合作，我們把先進的 AI 保護直接帶到公民的裝置上。這讓我們能即時捕捉高度針對性、在地的詐騙嘗試，同時讓私人通訊保持私密。」

對照同一週的另一則新聞，這個承諾的份量更好懂。美國司法部 10 月 13 日公布的案件裡，調查線索正好來自 AI 工具自己的對話紀錄：嫌疑人身邊的人向聊天機器人詢問如何打造連續錄音裝置，這些提問成了偵辦的起點，詳細經過我們在OpenAI 工程師錄音裝置案整理過。裝置端處理要兌現的，就是把「工具看過什麼、誰拿得到」的預設值整個翻轉過來，這也是它在加密通訊時代被看好的原因。

新加坡的急迫感從哪來

公告開頭給了三個數字：投資詐騙、假工作機會與冒充公職人員這類詐騙，佔新加坡通報犯罪超過一半；2019 年以來累計損失超過 40 億新加坡元；社交工程型的複雜詐騙，佔全部損失最高達八成。三個數字都出自 DeepMind 公告的引述，其中 40 億累計損失在公告裡連向《海峽時報》的詐騙統計追蹤頁，另外兩個數字沒有個別標註來源。

Pin

Josephine Teo 在會場的說法是：因為 AI，打詐變得更難打贏，「我們的回應不該是因為詐騙者濫用 AI 就遠離它；我們必須把防禦調校得更強、更好」。她同時描繪詐騙橫跨多個系統的鏈條：受害者可能先在社群平台接觸、移到傳訊軟體、接到電話、再到金融機構轉帳，每個環節都有介入機會，但沒有任何一個防禦者看得到全鏈，所以「只讓每個組織更會擋詐騙不夠，必須把防禦連起來，讓單一環節偵測到的訊號能在其他環節觸發行動」。至於 AI 冒充的技術門檻，複製一個人的聲音這件事，開源的語音複製工具已經人人可下載。

新加坡手上其實已經有服務端的武器。Teo 在同一場演講提到 GovTech 與新加坡警察部隊合作的詐騙分析與戰術介入系統（Scam Analytics and Tactical Intervention System）：每天用 AI 掃描評估超過 60 萬個網站，每個只花幾秒，每月干擾約 2 萬個惡意網站，範圍已擴大到可疑的電話號碼與線上平台。裝置端模型補上的，正是這張網最後一塊：端對端加密通訊裡，服務端永遠看不到的那一段。

還沒有答案的問題，與現在就能做的事

這次公布留下了一張清楚的未確認清單。用哪個 Gemma 版本：公告只說是輕量級 Gemma 模型，而 Gemma 家族目前從 Gemma 4 系列到 2025 年 8 月推出、標榜超高效運算的 Gemma 3 270M 小型版本都有，公告沒有指名，參數規模與模型大小都無從得知。安裝方式與時程：Google 說細節即將公布，但沒有提到會整合進哪些應用程式，也沒有提及費用模式。平台範圍：目前的說法以 Android 為對象，其他平台未被提及。效果數字：準確率、誤報率、漏報率、對各機型的電池影響，全部未公開。台灣適用性：官方只寫正在探索部署到其他國家的可能性。

等待歸等待，有一件事不必等任何模型上線。警告的價值在於即時，但「用另一條已知官方管道核對身分」現在就能做：無論對方自稱銀行、機構還是客服，掛掉之後用自己查到的號碼回撥一次，就是最可靠的一道攔截。裝置端模型將來若落地，它給的也只是停下來思考的時機，對方是不是詐騙、這筆錢該不該轉，最後一步的確認仍然在自己手上。

這些問題的答案，要等 Google 或 GovTech 下一次公布安裝細節、合作應用與第一批效果數字；在那之前，它是一個方向明確、產品尚未存在的研究成果。