AI-translated from English; not yet reviewed by a fluent editor. # DeepMind e GovTech descrevem um detetor de fraudes no dispositivo > A DeepMind e a GovTech de Singapura descrevem um detetor de fraudes para telemóveis em duas fases: uma análise rápida das mensagens, seguida de uma análise da conversa com o modelo Gemma. O lançamento e os resultados são desconhecidos. By BIG CHANGE Editorial Published: 2026-10-14T23:06:16.961Z Updated: 2026-10-14T23:06:16.961Z Canonical: https://bigchange.ai/blog/deepmind-singapore-on-device-scam-detection ![Conceptual charcoal illustration of one person pausing over a blank-screen smartphone beside a window.](https://bigchange.ai/api/media/file/deepmind-scam-message-pause-hero-v1.png) AI-generated conceptual illustration by BIG CHANGE. A person pauses over a phone; no released app, actual warning, detected scam or tested result is depicted. A Google DeepMind e a Agência de Tecnologia do Governo de Singapura (GovTech) anunciaram, a 14 de outubro, um modelo que procura sinais de manipulação em conversas por mensagens num telemóvel. A conceção faz uma primeira verificação rápida das mensagens comuns e encaminha as potencialmente suspeitas para um modelo Gemma ajustado, para uma análise mais atenta. Os parceiros descrevem uma forma de alertar alguém durante uma conversa sem a enviar para um servidor para análise. Não anunciaram um lançamento para consumidores nem publicaram resultados de deteção. ## A grande mudança - **O que mudou:** A DeepMind e a GovTech descreveram um detetor de fraudes em duas fases e no próprio dispositivo: um classificador leve analisa primeiro as mensagens recebidas e um modelo Gemma ajustado examina uma parte maior da conversa quando a primeira fase identifica um motivo de preocupação. Uma ameaça detetada gera um aviso no telemóvel. - **Porque é importante:** A conceção procura analisar a manipulação em conversas de mensagens privadas, mantendo a inferência no dispositivo. A primeira fase também limita a frequência com que o modelo contextual, mais exigente, tem de ser executado. São opções de conceção descritas pelos parceiros, não resultados medidos de forma independente sobre privacidade, bateria ou prevenção de fraude. - **O que acompanhar:** Uma via de lançamento, os dispositivos suportados e testes publicados sobre fraudes não detetadas, falsos alarmes, velocidade e consumo de energia mostrariam o desempenho do modelo fora do trabalho de desenvolvimento descrito pelos parceiros. O anúncio não apresenta nenhum desses dados. ## Uma verificação rápida antes da análise da conversa No [relato da DeepMind sobre o projeto](https://deepmind.google/blog/on-device-ai-scam-detection-mddi/), um classificador leve analisa as mensagens recebidas com um consumo mínimo de energia. Uma mensagem considerada inofensiva fica por aí. Uma possível ameaça passa para um modelo Gemma ajustado, que avalia uma amostra maior da conversa e descarta a suspeita ou gera um alerta de fraude. O aviso aconselha a pessoa a parar antes de partilhar dinheiro ou informação sensível. A segunda fase é importante porque uma única mensagem pode não revelar a manipulação que se desenvolve ao longo de uma conversa. A DeepMind afirma que o modelo foi ajustado com conversas locais sobre fraudes que envolviam a representação de instituições públicas, bancos e figuras locais, além de esquemas regionais. Não identifica a versão ou dimensão exata do Gemma, a arquitetura do primeiro classificador, quantas mensagens chegam à segunda fase nem o limiar para apresentar um aviso. Sem esses dados, é impossível avaliar, apenas com base no anúncio, o equilíbrio entre consumo de energia e precisão. A DeepMind destina o sistema a serviços de mensagens que utilizam encriptação ponto a ponto. Nesse contexto, um serviço não pode simplesmente inspecionar nos seus servidores o conteúdo das mensagens encriptadas. Os parceiros dizem que o modelo processa a conversa no dispositivo. É uma afirmação específica sobre a via de inferência proposta; a publicação não apresenta uma auditoria independente de privacidade nem especifica o que uma futura aplicação poderá recolher através de outras funcionalidades. ## O treino na nuvem e a inferência local são etapas diferentes O treino do projeto envolveu infraestrutura na nuvem. A DeepMind afirma que o ajuste ocorreu num ambiente Google Cloud gerido e mantido pela GovTech, com os dados de treino isolados nesse ambiente. Diz que foram excluídas informações privadas e de identificação pessoal, e que os conjuntos de dados foram anonimizados a partir de denúncias de fraude e fontes de informações. Os parceiros também relatam testes com diálogos sintéticos e corpora locais. A publicação não apresenta o método de preparação dos dados, o protocolo de testes ou resultados numéricos; por isso, estas continuam a ser descrições dos parceiros sobre o seu processo. Esse ambiente de desenvolvimento não deve ser confundido com a operação diária proposta. Segundo a conceção descrita, a análise das mensagens e a inferência contextual do Gemma são executadas localmente num telemóvel, que apresenta o aviso. O ajuste baseado na nuvem não implica, por si só, que a conversa em tempo real de um utilizador seja enviada para o ambiente de treino da GovTech. Do mesmo modo, a afirmação dos parceiros de que o processamento ocorre no dispositivo não estabelece as práticas de dados de uma integração para consumidores que ainda não foi anunciada. A DeepMind diz que o trabalho foi apresentado na Singapore International Cyber Week e que plataformas de mensagens e fabricantes de sistemas operativos poderão integrar os modelos. Não identifica qualquer serviço, aplicação ou versão de sistema operativo que os integre, não lista telemóveis suportados, não disponibiliza os pesos ajustados, não indica um preço nem uma data de lançamento. Os testes de esforço relatados não constituem uma avaliação de campo independente. O avanço útil é uma arquitetura claramente descrita para analisar localmente conversas sobre fraudes; continua em aberto se, na prática, as pessoas receberão avisos fiáveis. ## Fontes e leituras adicionais - [Anúncio da Google DeepMind](https://deepmind.google/blog/on-device-ai-scam-detection-mddi/), 14 de outubro de 2026: descreve o fluxo em duas fases, o ajuste do Gemma, o aviso proposto no dispositivo, o treino na nuvem gerido pela GovTech e as alegações dos parceiros sobre governação e testes. É o relato da equipa do projeto, sem dados públicos sobre precisão, latência, bateria ou lançamento. - [Anúncio da National AI Partnership do MDDI de Singapura](https://www.mddi.gov.sg/newsroom/google-and-singapore-expand-partnership-to-accelerate-ai-impact-for-the-public-good/), 20 de maio de 2026: contexto sobre a colaboração entre a Google e Singapura. Não documenta o desempenho nem a disponibilidade do modelo de deteção de fraudes. ## Sources - [Google DeepMind e o Governo de Singapura anunciam uma nova ferramenta de IA para proteger os cidadãos contra fraudes](https://deepmind.google/blog/on-device-ai-scam-detection-mddi/) — Descrição da equipa do projeto sobre o fluxo de inferência local em duas fases, o modelo contextual Gemma, o aviso no dispositivo, o ajuste na nuvem e os dados de treino anonimizados. As alegações sobre privacidade e testes são atribuídas aos parceiros; não há lançamento público nem desempenho medido. - [Google e Singapura alargam a parceria para acelerar o impacto da IA em benefício público](https://www.mddi.gov.sg/newsroom/google-and-singapore-expand-partnership-to-accelerate-ai-impact-for-the-public-good/) — Registo do MDDI sobre a parceria nacional mais ampla em IA; serve apenas de contexto, sem dados sobre o desempenho ou o acesso ao detetor de fraudes.