Audit kewangan dengan AI setempat

Mengaudit sekumpulan besar dokumen tanpa data keluar: penukaran, penyahnamaan, analisis RAG pada model setempat

Projek untuk mengesan penyalahgunaan dana sebuah kumpulan korporat: sekumpulan dokumen (kira-kira 3.9 GB dalam Markdown) diproses secara setempat atau pada pelayan selamat. Kerja ini menghasilkan kajian tentang LLM dan infrastruktur GPU, senario akhir “kualiti lawan masa” pada satu GPU H200 dengan Qwen2.5-72B dan eskalasi dua peringkat (model kecil memilih item mencurigakan, model besar melakukan analisis terperinci), anggaran kos dan peta hala tuju. Alat dibina untuk penukaran ke Markdown, penyahnamaan data peribadi yang boleh dipulihkan dan analisis RAG pada Milvus; analisis percubaan dijalankan dengan laporan akhir.

Tugasan

Menentukan di mana, bila dan mengapa wang dibelanjakan, tanpa menyerahkan data sulit kepada perkhidmatan luaran.

Apa yang ada di dalamnya

• Penukaran PDF, DOCX, XLSX dan format lain kepada Markdown
• Penyahnamaan yang boleh dipulihkan (Presidio, spaCy NER, Faker): nama penuh, organisasi, nombor telefon, e-mel, tarikh, jumlah, INN, SNILS, OGRN, akaun bank, kad, IBAN; mod penggantian realistik dan pemegang tempat, anjakan tarikh, penskalaan jumlah, jadual pemetaan untuk memulihkan data asal
• Analisis RAG bagi dokumen berkaitan (kontrak, invois, pesanan pembayaran, surat, sijil siap kerja) dan graf entiti serta transaksi dengan peraturan pengesanan anomali
• Mod air-gapped untuk bekerja tanpa API luaran; laporan dalam Markdown, JSON dan Excel

Terjemahan mesin — sedang disemak.