Nel settore finanziario pubblico, la capacità di rilevare le frodi mantenendo i dati rigorosamente all'interno del paese può essere un requisito fondamentale.
Questa soluzione fornisce un progetto per affrontare questa sfida con Cloud de Confiance by S3NS. Le agenzie possono implementare BigQuery ML Cloud de Confiance by S3NS per analizzare milioni di dichiarazioni dei redditi e identificare anomalie ad alto rischio in tempo reale. Allo stesso tempo, un sistema RAG Gemma open-weight locale utilizza la ricerca vettoriale per mappare queste anomalie direttamente alle politiche fiscali. In questo modo si garantisce la conformità in base al contesto e la completa auditabilità, senza effettuare chiamate API esterne o spostare i dati al di fuori del confine sovrano.
Puoi implementare questa soluzione seguendo l'implementazione di riferimento allegata con Terraform.
Pubblico di destinazione
Questa soluzione è progettata per le autorità fiscali nazionali o le agenzie finanziarie regolamentate. Si rivolge ai seguenti stakeholder:
- Revisori e investigatori fiscali che esaminano le dashboard in tempo reale per indagare sulle anomalie segnalate e utilizzano l'assistente AI Gemma basato su dati reali per generare riepiloghi dei casi tracciabili.
- Responsabili della conformità che gestiscono centralmente la knowledge base legale del sistema caricando e indicizzando i documenti ufficiali sulle politiche fiscali all'interno di un'interfaccia locale sicura.
- Data scientist che accedono in modo sicuro ai dati non elaborati utilizzando gli ambienti Jupyter ospitati su GKE per addestrare, convalidare e ridistribuire in modo iterativo i modelli di rilevamento delle anomalie.
Funzionalità principali
- Rilevamento di anomalie sovrane: utilizza BigQuery ML per esaminare set di dati di grandi dimensioni e segnalare istantaneamente le anomalie ad alto rischio, assicurandoti che i dati non lascino mai il confine sovrano.
- Retrieval-Augmented Generation (RAG): esegui ricerche vettoriali semantiche nelle librerie di policy interne per fornire insight con grounding e sensibili al contesto utilizzando il modello linguistico di grandi dimensioni (LLM) Gemma open-weight.
- Assistenza AI localizzata: genera riepiloghi delle violazioni delle policy tramite un assistente AI in esecuzione interamente all'interno del perimetro regionale.
- Gestione dinamica della conoscenza: mantieni aggiornato un database di conformità indicizzando le normative ufficiali come incorporamenti vettoriali per l'utilizzo immediato nelle pipeline RAG.
- Internazionalizzazione dinamica: passa istantaneamente dalla lingua dell'interfaccia utente tra inglese, francese e tedesco senza ricariche o riavvii.
Architettura
Questa architettura sfrutta BigQuery ML e una pipeline RAG con il modello linguistico di grandi dimensioni (LLM) Gemma per fornire un rilevamento di anomalie fiscali sicuro e in base al contesto.
Componenti
In questa soluzione vengono utilizzate le seguenti tecnologie e Cloud de Confiance by S3NS servizi:
| Componente | Tecnologia | Finalità |
|---|---|---|
| Dati | Python | Genera dati fiscali (TRAINING/NEW_FILING). |
| Modello | BigQuery ML | Regressione logistica per il rilevamento di anomalie. |
| LLM | Gemma | Modello open-weight che fornisce insight in base al contesto basati sulla politica fiscale ufficiale. |
| RAG | BigQuery | Ricerca vettoriale per la corrispondenza semantica e la base RAG. |
| Infrastruttura dei container | GKE | Infrastruttura dei container per l'applicazione dell'ufficio fiscale e il server JupyterHub. |
| Analisi | Jupyter | Notebook per l'addestramento e l'analisi/la convalida dei modelli ML. |
| App | Flask | App web per la visualizzazione delle previsioni. |
Implementazione di riferimento
In GitHub è disponibile un'implementazione di riferimento di questa soluzione con Terraform. Tieni presente che si tratta di un prototipo di prova di fattibilità creato a scopo dimostrativo e che l'implementazione non è sottoposta a audit o protetta per i casi d'uso di produzione.
Per i prerequisiti e le istruzioni di deployment, consulta Rilevamento di anomalie fiscali sovrane con BigQuery ML e Gemma.