在公共金融領域，偵測詐欺行為的同時，嚴格將資料保留在國內，可能是至關重要的要求。
這項解決方案提供藍圖，說明如何運用 Cloud de Confiance by S3NS解決這項挑戰。機關可部署 BigQuery ML Cloud de Confiance by S3NS ，即時分析數百萬筆報稅資料，並找出高風險異常情況。同時，本機開放權重的 Gemma RAG 系統會使用向量搜尋，直接將這些異常狀況對應至稅務政策。這可確保系統在瞭解情境的情況下遵守法規，並提供完整的稽核功能，不必呼叫外部 API 或將資料移出主權邊界。
您可以按照隨附的 參考實作，使用 Terraform 部署這項解決方案。
目標對象
這項解決方案適用於國家稅務機關或受監管的金融機構。服務對象包括：
- 稽核人員和稅務調查員：查看即時資訊主頁，調查標記的異常狀況，並使用有事實根據的 Gemma AI 助理生成可追蹤的案件摘要。
- 法規遵循人員：集中管理系統的法律知識庫，在安全的本機介面中上傳及編列官方稅務政策文件索引。
- 資料科學家使用 GKE 代管的 Jupyter 環境安全地存取原始資料，反覆訓練、驗證及重新部署異常偵測模型。
核心功能
- 主權異常偵測：使用 BigQuery ML 篩選大量資料集，並立即標記高風險異常狀況，確保資料絕不會離開主權邊界。
- 檢索增強生成 (RAG)：在內部政策資料庫中執行語意向量搜尋，並使用開放權重的 Gemma LLM，提供有根據且具備情境意識的洞察資料。
- 本地化 AI 輔助：透過完全在區域範圍內執行的 AI 助理，生成違規政策摘要。
- 動態知識管理：將官方法規編列為向量嵌入，立即用於 RAG 管道，維持最新的法規遵循資料庫。
- 動態國際化：在英文、法文和德文之間即時切換 UI 語言，不需重新載入或重新啟動。
架構
這項架構運用 BigQuery ML 和 RAG 管道，搭配 Gemma LLM，提供安全且情境感知的稅務異常偵測功能。
元件
這項解決方案使用下列技術和服務： Cloud de Confiance by S3NS
| 元件 | 技術 | 目的 |
|---|---|---|
| 資料 | Python | 產生稅務資料 (TRAINING/NEW_FILING)。 |
| 型號 | BigQuery ML | 邏輯迴歸，用於異常偵測。 |
| LLM | Gemma | 開放權重模型，可根據官方稅務政策提供情境感知洞察資料。 |
| RAG | BigQuery | 向量搜尋，用於語意比對和 RAG 基礎。 |
| 容器基礎架構 | GKE | 稅務機關應用程式和 JupyterHub 伺服器的容器基礎架構。 |
| 分析 | Jupyter | 用於機器學習模型訓練和分析/驗證的 Notebook。 |
| 應用程式 | Flask | 用於預測視覺化的網頁應用程式。 |
參考實作
GitHub 提供這項解決方案的 Terraform 參考實作。請注意，這是為展示目的而建構的概念驗證原型，實作方式未經過稽核或安全防護，不適用於正式環境。
如需先決條件和部署說明，請參閱「使用 BigQuery ML 和 Gemma 進行主權稅務異常偵測」。