Google DeepMind और Singapore GovTech ऑन-डिवाइस AI स्कैम डिटेक्टर विकसित कर रहे हैं

Google DeepMind और Singapore की Government Technology Agency (GovTech Singapore) ने एक AI मॉडल विकसित करने के लिए सहयोग की घोषणा की है जो सीधे Android डिवाइस पर संभावित स्कैम का पता लगाता है। Singapore International Cyber Week 2026 के दौरान अनावरण की गई इस पहल का उद्देश्य निजी संदेश डेटा को क्लाउड सर्वर पर भेजे बिना, स्थानीय रूप से हेरफेर करने वाले संवादात्मक पैटर्न की पहचान करना है।

ऑन-डिवाइस डिटेक्शन और गोपनीयता

प्रस्तावित सिस्टम Google के हल्के Gemma मॉडल के फाइन-ट्यून्ड संस्करण का उपयोग करता है। Google DeepMind के अनुसार, मॉडल को डिवाइस पर ही बातचीत का विश्लेषण करने के लिए डिज़ाइन किया गया है। यह दृष्टिकोण कई मैसेजिंग सेवाओं द्वारा उपयोग किए जाने वाले एंड-टू-एंड एन्क्रिप्शन की चुनौती का समाधान करता है, जो निजी चैट की पारंपरिक क्लाउड-आधारित स्कैनिंग को रोकता है।

जब मॉडल संदिग्ध इंटरैक्शन पैटर्न की पहचान करता है, तो यह उपयोगकर्ता के डिवाइस पर रीयल-टाइम चेतावनी प्रदर्शित करता है। यह चेतावनी उपयोगकर्ताओं से संवेदनशील जानकारी साझा करने या पैसे ट्रांसफर करने से पहले रुकने का आग्रह करती है। Google DeepMind का कहना है कि मॉडल केवल उपयोगकर्ता की सहमति से बातचीत तक पहुँचता है और न तो Google और न ही Singapore सरकार इस परिनियोजन के माध्यम से उपयोगकर्ता की बातचीत देख सकती है।

बैटरी दक्षता के प्रबंधन के लिए, सिस्टम दो-चरणीय संरचना का उपयोग करता है। पहले चरण में, एक हल्का क्लासिफायर आने वाले संदेशों की जांच करता है। दूसरे चरण में, फाइन-ट्यून्ड Gemma मॉडल खतरे की पुष्टि करने या गलत अलार्म को खारिज करने के लिए एक बड़े बातचीत स्नैपशॉट का प्रासंगिक मूल्यांकन करता है।

स्थानीय स्कैम रणनीति पर ट्रेनिंग

मॉडल को व्यक्तिगत रूप से पहचान योग्य जानकारी को छोड़कर, स्कैम रिपोर्ट और इंटेलिजेंस फीड से गुमनाम डेटा का उपयोग करके फाइन-ट्यून किया गया था। ट्रेनिंग डेटा में स्थानीय स्कैम के उदाहरण शामिल थे, जैसे कि सार्वजनिक संस्थानों, बैंकों और स्थानीय हस्तियों का प्रतिरूपण, साथ ही क्षेत्र में प्रचलित योजनाएं। Google DeepMind का कहना है कि यह मॉडल को सामान्य बातचीत और सोशल इंजीनियरिंग में उपयोग की जाने वाली दबाव और हेरफेर की रणनीति के बीच अंतर करने में मदद करता है।

फाइन-ट्यूनिंग GovTech Singapore द्वारा प्रबंधित Google Cloud वातावरण में हुई। घोषणा के अनुसार, विकास प्रक्रिया "Sovereign Sandbox", "No Citizen Data", और "Stress-Testing" लेबल वाले शासन उपायों का पालन करती थी। इन उपायों ने ट्रेनिंग डेटा के अलगाव और निजी नागरिक डेटा के बहिष्करण को सुनिश्चित किया।

Singapore में स्कैम रुझानों का संदर्भ

यह सहयोग Singapore में स्कैम से होने वाले महत्वपूर्ण वित्तीय नुकसान की प्रतिक्रिया है। Google DeepMind ब्लॉग के अनुसार, 2019 से स्कैम के कारण S$4 बिलियन से अधिक का नुकसान हुआ है। Streamline Feed द्वारा उद्धृत Singapore Police Force की एक मध्य-वर्ष रिपोर्ट में जनवरी से जून 2026 तक 16,821 स्कैम मामलों का उल्लेख किया गया, जिसमें पिछले वर्ष की तुलना में रिपोर्ट किया गया नुकसान 17.9% गिरकर S$410.6 मिलियन रहा।

पुलिस डेटा इंगित करता है कि रिपोर्ट किए गए 80.8% मामलों में, पीड़ितों ने हेरफेर किए जाने के बाद स्वयं ट्रांसफर किया। 2026 की पहली छमाही में स्कैम के लिए सबसे आम शुरुआती संपर्क मैसेजिंग प्लेटफॉर्म (27.6%) और सोशल मीडिया (26.7%) थे।

रोलआउट और भविष्य का एकीकरण

Google DeepMind और GovTech Singapore ने मॉडल के लिए किसी विशिष्ट लॉन्च तिथि, समर्थित ऐप्स या सार्वजनिक सटीकता परिणामों की घोषणा नहीं की है। कंपनी का कहना है कि एप्लिकेशन्स के भीतर रोलआउट चरणबद्ध होगा और Singapore सरकार के परामर्श से विकसित किया जाएगा। उपयोगकर्ता मॉडल को कैसे इंस्टॉल और उपयोग कर सकते हैं, इसका विवरण बाद में साझा किया जाएगा।

GovTech Singapore में Trust and Safety के Director, Mark Chen ने कहा: "स्कैम से लड़ने का मतलब व्यक्तिगत गोपनीयता का त्याग करना नहीं होना चाहिए। Google DeepMind के साथ काम करते हुए, हम उन्नत AI सुरक्षा को सीधे नागरिकों के डिवाइस पर ला रहे हैं। यह हमें व्यक्तिगत संचार को पूरी तरह से निजी रखते हुए रीयल-टाइम में अत्यधिक लक्षित, स्थानीय स्कैम प्रयासों को पकड़ने की अनुमति देता है।"

यह क्यों महत्वपूर्ण है

यह पहल गोपनीयता-संरक्षण AI सुरक्षा की ओर एक बदलाव का प्रतिनिधित्व करती है, जो डिटेक्शन को केंद्रीकृत सर्वरों से उपयोगकर्ता के डिवाइस पर ले जाती है। स्थानीय प्रोसेसिंग का लाभ उठाकर, मॉडल का उद्देश्य सोशल इंजीनियरिंग के खिलाफ रीयल-टाइम चेतावनी प्रदान करते हुए एंड-टू-एंड एन्क्रिप्टेड संचार की रक्षा करना है। हालांकि, टूल की प्रभावशीलता अभी तक सत्यापित नहीं हुई है, क्योंकि कोई स्वतंत्र सटीकता मेट्रिक्स या परिनियोजन समयसीमा जारी नहीं की गई है।

स्रोत (अंग्रेज़ी में)

• techedt.com: Google and Singapore Government expand AI patching access and develop on-device scam detection - Tech Edition
• digitaltoday.co.kr: Google DeepMind develops Singapore-tailored scam detection AI model that runs on device
• streamlinefeed.co.ke: GovTech and DeepMind Build Singapore’s On-Device Scam Model | Streamline
• unite.ai: Google DeepMind and GovTech Unveil On-Device Scam Detection Model – Unite.AI

यह मूल अंग्रेज़ी लेख का एआई द्वारा किया गया अनुवाद है, जिसे स्वचालित रूप से जाँचा गया है ताकि यह मूल लेख जैसी ही बात कहे। स्रोतों की जाँच अंग्रेज़ी में की गई थी।