疫後生活型態的改變，詐騙案件層出不窮，許多國家受到新型態犯罪案件的影響，民眾的個資及財產安全受到嚴重的威脅。
深究詐騙的根因，主要是「雙方所獲資訊的不對等」。台灣大哥大力求成為「讓客戶最安心」的科技電信服務商，在反詐產品的開發上持續做出貢獻。對於任何回報的門號標籤，公司謹慎地審核其內容正確性與參考性，目前採用人工審核作業。然而這樣的審核作業耗時且耗人力，因此本專案希望Moderation Model對資料先進行過濾，將高風險文字去除後，再進行後續作業。
本專案以公開平台Tellows民眾回報資料作為2000筆Training Data及487筆Testing Data，結合OpenAI Moderation Model作為過濾高風險文字的模型，找尋不當言論文字之分數值，作為判斷臨界值進行篩選。每1000筆資料藉由模型相較於人工審核，可成功達到111倍省時效益及人工精簡化，並降低對審查員的心理壓力或傷害。