公的金融機関では、データを厳密に国内に保持しながら不正行為を検出できることが、ミッション クリティカルな要件となる場合があります。
このソリューションは、この課題に対処するためのブループリントを提供します。 Cloud de Confiance by S3NS機関は、 BigQuery ML をデプロイして Cloud de Confiance by S3NS 、数百万件の税務申告書を分析し、 リスクの高い異常をリアルタイムで特定できます。同時に、ローカルのオープンウェイト Gemma RAG システムは、ベクトル検索を使用して、これらの異常を税制に直接マッピングします。これにより、外部 API 呼び出しを行ったり、主権境界外にデータを移動したりすることなく、コンテキストを認識したコンプライアンスと完全な監査可能性が確保されます。
このソリューションは、Terraform を使用して、付属のリファレンス実装に沿ってデプロイできます。
ターゲット オーディエンス
このソリューションは、国の税務当局または規制対象の金融機関向けに設計されています。次の関係者に役立ちます。
- フラグが設定された異常を調査するためにリアルタイム ダッシュボードを確認し、グラウンディングされた Gemma AI アシスタントを使用して追跡可能なケースの概要を生成する監査担当者と税務調査官 。
- 安全なローカル インターフェース内で公式の税制文書をアップロードしてインデックス登録することで、システムの法的ナレッジベースを一元的に管理するコンプライアンス担当者 。
- GKE ホストの Jupyter 環境を使用して生データに安全にアクセスし、異常検出モデルを反復的にトレーニング、検証、再デプロイするデータ サイエンティスト 。
中核となる機能
- 主権異常検出: BigQuery ML を使用して 大規模なデータセットをスクリーニングし、リスクの高い異常に即座にフラグを設定することで、データが主権境界外に 出ないようにします。
- 検索拡張生成（RAG）: オープンウェイト Gemma LLM を使用して、グラウンディングされたコンテキスト認識型の分析情報を提供するために、内部ポリシー ライブラリ全体でセマンティック ベクトル検索を実行します。
- ローカライズされた AI アシスタンス: 地域境界内で完全に実行される AI アシスタントを通じて、ポリシー違反の概要を生成します。
- 動的なナレッジ管理: 公式の規制をベクトル エンベディングとしてインデックス登録し、RAG パイプラインですぐに使用できるようにすることで、最新のコンプライアンス データベースを維持します。
- 動的な国際化: 再読み込みや再起動を行わずに、UI 言語を 英語、フランス語、ドイツ語に即座に切り替えます。
アーキテクチャ
このアーキテクチャでは、BigQuery ML と Gemma LLM を使用した RAG パイプラインを活用して、安全でコンテキストを認識した税務異常検出を実現します。
コンポーネント
このソリューションでは、次のテクノロジーと Cloud de Confiance by S3NS サービスを使用します。
| コンポーネント | テクノロジー | 目的 |
|---|---|---|
| データ | Python | 税務データ（TRAINING/NEW_FILING）を生成します。 |
| モデル | BigQuery ML | 異常検出のためのロジスティック回帰。 |
| LLM | Gemma | 公式の税制に基づいたコンテキスト認識型の分析情報を提供するオープンウェイト モデル。 |
| RAG | BigQuery | セマンティック マッチングと RAG グラウンディングのためのベクトル検索。 |
| コンテナ インフラストラクチャ | GKE | 税務署アプリケーションと JupyterHub サーバーのコンテナ インフラストラクチャ。 |
| 分析 | Jupyter | ML モデルのトレーニングと分析/検証用のノートブック。 |
| アプリ | Flask | 予測の可視化のためのウェブアプリ。 |
リファレンス実装
このソリューションのリファレンス実装（Terraform を使用）は、GitHub で提供されています。これはデモンストレーションを目的として構築された概念実証プロトタイプであり、本番環境での使用を想定した監査や保護は行われていません。
前提条件とデプロイ手順については、BigQuery ML と Gemma を使用した主権税務異常検出をご覧ください。