Yerel yapay zekâ ile finansal denetim

Veriler dışarı çıkmadan büyük bir belge kümesinin denetimi: dönüştürme, anonimleştirme, yerel modellerde RAG analizi

Bir şirketler grubunun fonlarının kötüye kullanımını tespit etmeye yönelik bir proje: belge kümesi (Markdown’da yaklaşık 3,9 GB) yerel olarak veya güvenli sunucularda işlenir. Çalışma kapsamında LLM’ler ve GPU altyapısı üzerine bir araştırma, Qwen2.5-72B ile tek bir H200 GPU üzerinde nihai bir “kalite – süre” senaryosu ve iki kademeli eskalasyon (küçük model şüpheli kalemleri seçer, büyük model ayrıntılı analizi yapar), bir maliyet tahmini ve bir yol haritası hazırlandı. Markdown’a dönüştürme, kişisel verilerin geri döndürülebilir anonimleştirilmesi ve Milvus üzerinde RAG analizi için araçlar geliştirildi; nihai raporla birlikte deneme amaçlı bir analiz yapıldı.

Görev

Gizli verileri harici servislere aktarmadan paranın nereye, ne zaman ve neden harcandığını belirlemek.

İçinde neler var

• PDF, DOCX, XLSX ve diğer formatların Markdown’a dönüştürülmesi
• Geri döndürülebilir anonimleştirme (Presidio, spaCy NER, Faker): ad soyadlar, kuruluşlar, telefon numaraları, e-postalar, tarihler, tutarlar, INN, SNILS, OGRN, banka hesapları, kartlar, IBAN; gerçekçi ikame ve yer tutucu modları, tarih kaydırma, tutar ölçekleme, anonimliği kaldırmak için eşleme tablosu
• İlişkili belgelerin (sözleşmeler, faturalar, ödeme talimatları, yazışmalar, iş tamamlama tutanakları) RAG analizi ve anomali tespit kurallarına sahip varlık ve işlem grafiği
• Harici API’ler olmadan çalışmak için air-gapped mod; Markdown, JSON ve Excel raporları

Makine çevirisi — redaksiyonu sürüyor.