No setor financeiro público, a capacidade de detectar fraudes mantendo os dados estritamente no país pode ser um requisito essencial.
Esta solução fornece um modelo para resolver esse desafio com Cloud de Confiance by S3NS. As agências podem implantar o BigQuery ML em Cloud de Confiance by S3NS para analisar milhões de declarações de impostos e identificar anomalias de alto risco em tempo real. Simultaneamente, um sistema RAG Gemma local e de código aberto usa a pesquisa vetorial para mapear essas anomalias diretamente para as políticas fiscais. Isso garante a conformidade contextual e a capacidade de auditoria completa, sem fazer chamadas de API externas ou mover dados para fora da fronteira soberana.
Para implantar essa solução, siga a implementação de referência complementar com o Terraform.
Público-alvo
Essa solução foi projetada para autoridades fiscais nacionais ou agências financeiras regulamentadas. Ela atende aos seguintes stakeholders:
- Auditores e investigadores fiscais que analisam painéis em tempo real para investigar anomalias sinalizadas e usam o assistente de IA Gemma para gerar resumos de casos rastreáveis.
- Oficiais de conformidade que gerenciam centralmente a base de conhecimento legal do sistema fazendo upload e indexando documentos oficiais de política fiscal em uma interface local segura.
- Cientistas de dados que acessam dados brutos com segurança usando ambientes Jupyter hospedados no GKE para treinar, validar e reimplantar modelos de detecção de anomalias de forma iterativa.
Recursos principais
- Detecção de anomalias soberana: use o BigQuery ML para analisar conjuntos de dados enormes e sinalizar anomalias de alto risco instantaneamente, garantindo que os dados nunca saiam da fronteira soberana.
- Geração aumentada por recuperação (RAG): execute pesquisas vetoriais semânticas em bibliotecas de políticas internas para fornecer insights fundamentados e contextuais usando o LLM Gemma de código aberto.
- Assistência de IA localizada: gere resumos de violações de políticas com um assistente de IA executado totalmente dentro do perímetro regional.
- Gerenciamento dinâmico de conhecimento: mantenha um banco de dados de conformidade atualizado indexando regulamentações oficiais como embeddings vetoriais para uso imediato em pipelines RAG.
- Internacionalização dinâmica: alterne instantaneamente o idioma da UI entre inglês, francês e alemão sem recargas ou reinicializações.
Arquitetura
Essa arquitetura aproveita o BigQuery ML e um pipeline RAG com o LLM Gemma para oferecer detecção de anomalias fiscais segura e contextual.
Componentes
As tecnologias e os Cloud de Confiance by S3NS serviços a seguir são usados nesta solução:
| Componente | Tecnologia | Finalidade |
|---|---|---|
| Dados | Python | Gerar dados fiscais (TRAINING/NEW_FILING). |
| Modelo | BigQuery ML | Regressão logística para detecção de anomalias. |
| LLM | Gemma | Modelo de código aberto que fornece insights contextuais baseados na política fiscal oficial. |
| RAG | BigQuery | Pesquisa vetorial para correspondência semântica e base RAG. |
| Infraestrutura de contêineres | GKE | Infraestrutura de contêineres para o aplicativo do escritório fiscal e o servidor JupyterHub. |
| Análise | Jupyter | Notebook para treinamento de modelo e análise/validação de ML. |
| App | Flask | App da Web para visualização de previsão. |
Implementação de referência
Uma implementação de referência dessa solução com o Terraform é fornecida no GitHub. Esse é um protótipo de prova de conceito criado para fins de demonstração, e a implementação não é auditada nem protegida para casos de uso de produção.
Para conferir os pré-requisitos e as instruções de implantação, consulte Detecção de anomalias fiscais soberanas com o BigQuery ML e o Gemma.