Czy ignorowanie Robocals powoduje ich zatrzymanie?
Nowe badanie ma na celu udostępnienie firmom telefonicznym narzędzi, które pomogą w ograniczeniu zautomatyzowanych połączeń telefonicznych.
Peter Dazeley / Bank obrazów przez Getty Images

Ponad 80% robocallów pochodzi z fałszywych numerów – a odbieranie lub nieodbieranie tych połączeń nie ma wpływu na to, ile więcej otrzymasz. To są dwa kluczowe ustalenia An 11-miesięczna nauka na niezamówione rozmowy telefoniczne, które prowadziliśmy od lutego 2019 do stycznia 2020.

Aby lepiej zrozumieć, jak działają ci niechciani rozmówcy, monitorowaliśmy każde połączenie telefoniczne odebrane do ponad 66,000 XNUMX linii telefonicznych w naszym laboratorium bezpieczeństwa telefonicznego, Obserwatorium Robocal na Uniwersytecie Stanowym Karoliny Północnej. W trakcie badania otrzymaliśmy 1.48 miliona niechcianych telefonów. Na niektóre z tych połączeń odebraliśmy, na inne pozwoliliśmy dzwonić. Przeciwnie do popularna mądrość, odkryliśmy, że odbieranie połączeń nie ma wpływu na liczbę robocall odbieranych przez numer telefonu. Tygodniowa liczba robocallów pozostawała stała przez całe badanie.

W ramach naszego badania opracowaliśmy również pierwszą metodę identyfikacji kampanii robocalling odpowiedzialnych za dużą liczbę tych irytujących, nielegalny i oszukańcze robocalls. Główne rodzaje robocallingów dotyczyły pożyczek studenckich, ubezpieczenia zdrowotnego, wykazów firm Google, ogólnych oszustw finansowych i długotrwałych Oszustwo Ubezpieczeń Społecznych.

Korzystając z tych technik, dowiedzieliśmy się, że ponad 80% połączeń z przeciętnej kampanii robocallingu wykorzystuje fałszywe lub krótkotrwałe numery telefonów do wykonywania niechcianych połączeń. Korzystając z tych numerów telefonów, sprawcy oszukują swoje ofiary i znacznie utrudniają identyfikację i ściganie nielegalnych robocallerów.


wewnętrzna grafika subskrypcji


Zauważyliśmy również, że niektóre nieuczciwe operacje z wykorzystaniem robotów przez wiele miesięcy podszywały się pod agencje rządowe bez wykrycia. Używali wiadomości w języku angielskim i mandaryńskim i grozili ofiarom straszliwymi konsekwencjami. Wiadomości te skierowane są do słabszych grup społecznych, w tym imigrantów i seniorów.

Dlaczego jest to ważne

Dostawcy mogą zidentyfikować prawdziwe źródło połączenia za pomocą czasochłonnego, ręcznego procesu zwanego śledzenie. Obecnie jest zbyt wiele automatycznych połączeń telefonicznych, aby funkcja śledzenia zwrotnego była praktycznym rozwiązaniem dla każdego połączenia. Nasza technika identyfikacji kampanii robocalling to nie tylko potężne narzędzie badawcze. Może być również używany przez dostawców usług do identyfikowania operacji przywoływania robotów na dużą skalę.

Korzystając z naszych metod, dostawcy muszą zbadać tylko niewielką liczbę połączeń dla każdej kampanii robocalling. Celując w źródło obraźliwych połączeń automatycznych, dostawcy usług mogą blokować lub zamykać te operacje i chronić swoich abonentów przed oszustwami i niezgodnym z prawem telemarketingiem.

Co jeszcze nie jest znane

Dostawcy wdrażają nową technologię o nazwie ZAMIESZANIE/WSTRZĄŚNIĘCIE, co może uniemożliwić robotom dzwoniącym podszywanie się pod ich numery telefonów. Po wdrożeniu uprości śledzenie połączeń, ale nie będzie działać w przypadku dostawców korzystających ze starszej technologii. Robocallery również szybko dostosowują się do nowych sytuacji, więc mogą znaleźć sposób na PORUSZENIE/WSTrząśnięcie.

Nikt nie wie, jak robocallery wchodzą w interakcję ze swoimi ofiarami i jak często zmieniają swoje strategie. Na przykład obecnie rośnie liczba robocallów i oszustów używanie COVID-19 jako przesłanki oszukiwać ludzi.

Co dalej

W nadchodzących latach będziemy kontynuować nasze badania nad robocallami. Zbadamy, czy STIR/SHAKEN redukuje robocalls. Opracowujemy również techniki, które pozwolą lepiej identyfikować, rozumieć i pomagać dostawcom i organom ścigania w rozwiązywaniu problemów związanych z robocallingiem.Konwersacje

O autorach

Sathvik Prasad, doktorant, Wydział Informatyki, North Carolina State University i Bradley Reaves, adiunkt informatyki, North Carolina State University

Artykuł został opublikowany ponownie Konwersacje na licencji Creative Commons. Przeczytać oryginalny artykuł.