Une nouvelle arme dans los angeles guerre contre les appels automatisés

L. a. dernière arme dans los angeles guerre contre les appels automatisés est un système automatisé succesful d’analyser le contenu de ces appels massifs indésirables pour mettre en évidence l’ampleur du problème et le kind de fraude commise par les appels automatisés. L’outil, appelé SnorCall, est conçu pour aider les régulateurs, les compagnies de téléphone et d’autres events prenantes à mieux comprendre et surveiller les tendances des appels automatisés – et à prendre des mesures contre les activités criminelles associées.

“Bien que les opérateurs téléphoniques, les régulateurs et les chercheurs aient accès aux métadonnées des appels, telles que le numéro appelé et los angeles durée de l’appel, ils ne disposent pas des outils nécessaires pour enquêter sur ce qui est dit dans les appels automatisés à l’échelle nécessaire”, explique Brad. Reeves, auteur d’un article sur le travail et professeur adjoint d’informatique à los angeles North Carolina State College.

“D’une section, les fournisseurs de products and services ne veulent pas écouter les appels – cela soulève d’importants problèmes de confidentialité. Mais les appels automatisés constituent un énorme problème et sont souvent utilisés pour mener des escroqueries criminelles. Pour mieux comprendre l’ampleur de ce problème et obtenir des informations dans ces escroqueries “Nous devons savoir ce qui se dit lors de ces appels automatisés.”

«Nous avons développé un outil qui nous permet de caractériser le contenu des appels automatisés», explique Reeves. “Nous l’avons fait sans violer les problèmes de confidentialité ; en collaboration avec une société de télécommunications appelée Bandwidth, nous exploitons plus de 60 000 numéros de téléphone que nous utilisons uniquement pour surveiller les appels automatisés indésirables. Nous n’avons utilisé aucun numéro de téléphone de purchasers réels.”

Le nouvel outil, SnorCall, enregistre tous les appels automatisés reçus sur les lignes téléphoniques surveillées. Il regroupe les appels automatisés qui utilisent los angeles même voix, réduisant ainsi le nombre d’appels automatisés dont le contenu doit être analysé de près d’un ordre de grandeur. Ces appels automatisés enregistrés sont ensuite transcrits et analysés par un framework d’apprentissage automatique appelé Snorkel qui peut être utilisé pour décrire chaque appel.

“SnorCall utilise essentiellement des étiquettes pour déterminer le sujet de chaque appel automatisé”, explique Reeves. ” Mentionne-t-il une entreprise spécifique ou un programme gouvernemental ? Demande-t-il des informations personnelles spécifiques ? Si oui, de quel kind ? Demande-t-il de l’argent ? Si oui, combien ? Tout cela est entré dans une base de données que nous pouvons utiliser pour identifier des tendances ou des comportements. »

Comme preuve de thought, les chercheurs ont utilisé SnorCall pour évaluer 232 723 appels automatisés collectés sur 23 mois sur plus de 60 000 lignes téléphoniques désignées pour l’étude.

« Ces 232 723 appels automatisés ont été décomposés en 26 791 « campagnes » ou fichiers audio uniques », explique Reeves. “Nous avons pu extraire une énorme quantité d’informations de ces campagnes.”

Peut-être plus essential encore, les chercheurs ont pu extraire les numéros de téléphone utilisés dans ces escroqueries. Les robots appelants « usurpent » souvent le numéro à partir duquel ils appellent, ce qui rend unimaginable de savoir d’où vient réellement l’appel. Cependant, les fraudeurs encouragent de plus en plus les personnes qui reçoivent des appels automatisés à appeler un numéro de téléphone spécifique. Il peut s’agir de résoudre un problème de toughen method (fictif), de résoudre un problème fiscal (fictif), de résoudre un problème (fictif) de sécurité sociale, and many others.

« Les fraudeurs peuvent usurper los angeles supply de l’appel automatisé, mais ils ne peuvent pas usurper le numéro qu’ils souhaitent que leurs victimes appellent », explique Reeves. “Et environ 45 % des appels automatisés que nous avons analysés impliquaient une stratégie de ‘numéro de rappel’. En extrayant ces numéros de rappel, SnorCall donne aux régulateurs ou aux forces de l’ordre un outil de travail. Il peut identifier les opérateurs téléphoniques qui ont émis ces numéros. Il Déterminez qui a ouvert ces comptes.

L’analyse de preuve de thought met également en évidence les performances de campagnes d’appels automatisés spécifiques au fil du temps.

« Par exemple, nous avons constaté des tendances très claires dans le nombre d’appels automatisés concernant des fraudes à los angeles sécurité sociale effectués pendant los angeles pandémie », explique Reeves.

“Alors que le coronavirus fermait les bureaux, nous avons vu le nombre d’appels automatisés frauduleux de los angeles Sécurité sociale tomber à près de zéro. Ensuite, nous avons vu le nombre de ces appels frauduleux augmenter à nouveau avec los angeles levée des restrictions liées au coronavirus. Cela nous indique que les appels automatisés frauduleux de los angeles Sécurité sociale dépendent de “Dans les bureaux – ils n’ont pas été capables de s’adapter aux circonstances dans lesquelles les personnes à l’origine de ces appels automatisés doivent travailler à home. “Au moins, cela nous aide à comprendre le niveau d’ampleur et d’organisation derrière ces escroqueries à los angeles sécurité sociale par le biais d’appels automatisés.”

Un autre avantage de l’intégration du framework Snorkel dans SnorCall est que Snorkel rend relativement facile los angeles amendment de SnorCall pour répondre aux besoins spécifiques des events prenantes.

« Par exemple, si les enquêteurs souhaitent se concentrer sur un nouveau sujet de fraude, Snorkel est très efficace pour identifier les termes ou expressions clés associés à ces sujets », explique Reeves. “Cela pourrait s’avérer une fonctionnalité précieuse pour les enquêteurs qui se concentrent sur certains sorts de fraude criminelle.”

“Nos résultats démontrent remark les appels automatisés illégaux utilisent des événements sociaux majeurs comme l’annulation des prêts étudiants pour développer de nouveaux sorts d’escroqueries”, explique Sathvik Prasad, Ph.D. étudiant à NC State et premier auteur de cet article. “SnorCall peut aider les events prenantes à surveiller les catégories connues d’appels automatisés et également à détecter de nouveaux sorts d’appels automatisés.”

Les events prenantes intéressées par ce travail peuvent en savoir plus sur les efforts complets du Reaves Lab en cliquant sur le lien suivant :

« Nous n’aurions pas pu réaliser ce travail sans collaborer avec des partenaires industriels, notamment Bandwidth », explique Reeves. “Et nous sommes certainement intéressés à travailler avec d’autres entreprises des secteurs des communications et de los angeles technologie pour nous aider à faire avancer nos efforts pour lutter de manière significative contre les appels automatisés.”

Le record sera présenté le 9 août lors du USENIX Safety Symposium.