공공 금융 부문에서는 데이터를 엄격하게 국내에 보관하면서 사기를 감지하는 기능이 미션 크리티컬 요구사항이 될 수 있습니다.
이 솔루션은 이 문제를 해결하기 위한 청사진을 제공합니다 Cloud de Confiance by S3NS. 기관은 BigQuery ML을 배포하여 Cloud de Confiance by S3NS 수백만 건의 세금 신고서를 분석하고 실시간으로 고위험 이상치를 식별할 수 있습니다. 동시에 로컬의 오픈 웨이트 Gemma RAG 시스템은 벡터 검색을 사용하여 이러한 이상치를 세금 정책에 직접 매핑합니다. 이렇게 하면 외부 API를 호출하거나 주권 경계 외부로 데이터를 이동하지 않고도 컨텍스트 인식 규정 준수 및 완전한 감사 가능성을 보장할 수 있습니다.
Terraform을 사용하여 제공된 참조 구현에 따라 이 솔루션을 배포할 수 있습니다.
타겟층
이 솔루션은 국가 세무 당국 또는 규제 대상 금융 기관을 위해 설계되었습니다. 다음 이해관계자에게 서비스를 제공합니다.
- 플래그가 지정된 이상치를 조사하기 위해 실시간 대시보드를 검토하고 그라운딩된 Gemma AI 어시스턴트를 사용하여 추적 가능한 사례 요약을 생성하는 감사자 및 세금 조사관
- 보안 로컬 인터페이스 내에서 공식 세금 정책 문서를 업로드하고 색인을 생성하여 시스템의 법적 기술 자료를 중앙에서 관리하는 규정 준수 담당자
- GKE 호스팅 Jupyter 환경을 사용하여 원시 데이터에 안전하게 액세스하여 이상 감지 모델을 반복적으로 학습, 검증, 재배포하는 데이터 과학자
주요 기능
- 주권 이상 감지: BigQuery ML을 사용하여 대규모 데이터세트를 검사하고 고위험 이상치를 즉시 플래그 지정하여 데이터가 주권 경계를 벗어나지 않도록 합니다.
- 검색 증강 생성 (RAG): 오픈 웨이트 Gemma LLM을 사용하여 그라운딩된 컨텍스트 인식 통계를 제공하기 위해 내부 정책 라이브러리에서 시맨틱 벡터 검색을 실행합니다.
- 현지화된 AI 지원: 리전 경계 내에서 완전히 실행되는 AI 어시스턴트를 통해 정책 위반 요약을 생성합니다.
- 동적 지식 관리: RAG 파이프라인에서 즉시 사용할 수 있도록 공식 규정을 벡터 임베딩으로 색인을 생성하여 최신 규정 준수 데이터베이스를 유지합니다.
- 동적 국제화: 다시 로드하거나 다시 시작하지 않고도 UI 언어를 영어, 프랑스어, 독일어 간에 즉시 전환합니다.
아키텍처
이 아키텍처는 BigQuery ML과 Gemma LLM이 포함된 RAG 파이프라인을 활용하여 안전한 컨텍스트 인식 세금 이상 감지를 제공합니다.
구성요소
이 솔루션에서는 다음 기술 및 Cloud de Confiance by S3NS 서비스를 사용합니다.
| 구성요소 | 기술 | 목적 |
|---|---|---|
| 데이터 | Python | 세금 데이터 (TRAINING/NEW_FILING)를 생성합니다. |
| 모델 | BigQuery ML | 이상 감지를 위한 로지스틱 회귀입니다. |
| LLM | Gemma | 공식 세금 정책에 기반한 컨텍스트 인식 통계를 제공하는 오픈 웨이트 모델입니다. |
| RAG | BigQuery | 시맨틱 일치 및 RAG 그라운딩을 위한 벡터 검색입니다. |
| 컨테이너 인프라 | GKE | 세무서 애플리케이션 및 JupyterHub 서버를 위한 컨테이너 인프라입니다. |
| 분석 | Jupyter | ML 모델 학습 및 분석/검증을 위한 노트북입니다. |
| 앱 | Flask | 예측 시각화를 위한 웹 앱입니다. |
참조 구현
Terraform을 사용하는 이 솔루션의 참조 구현은 GitHub에서 제공됩니다. 이는 데모 목적으로 빌드된 개념 증명 프로토타입이며 구현은 프로덕션 사용 사례에 대해 감사 또는 보안되지 않습니다.
기본 요건 및 배포 안내는 BigQuery ML 및 Gemma를 사용한 주권 세금 이상 감지를 참고하세요.