Penyelidikan baru bertujuan memberi alat syarikat telefon untuk membantu membendung panggilan telefon bimbit. Peter Dazeley / Bank Imej melalui Getty Images
Lebih daripada 80% robocall berasal dari nombor palsu - dan menjawab panggilan ini atau tidak tidak mempengaruhi berapa banyak lagi yang anda akan dapat. Itu adalah dua penemuan utama dari satu Kajian selama 11 bulan ke dalam panggilan telefon yang tidak diminta yang kami lakukan dari Februari 2019 hingga Januari 2020.
Untuk lebih memahami bagaimana pemanggil yang tidak diinginkan ini beroperasi, kami memantau setiap panggilan telefon yang diterima ke lebih dari 66,000 talian telefon di makmal keselamatan telefon kami, Balai Cerap Robocall di North Carolina State University. Kami menerima 1.48 juta panggilan telefon yang tidak diminta sepanjang kajian ini. Sebahagian daripada panggilan ini kami jawab, sementara yang lain kami hubungi. Bertentangan dengan kebijaksanaan popular, kami mendapati bahawa menjawab panggilan tidak membuat perbezaan dalam jumlah panggilan telefon yang diterima oleh nombor telefon. Jumlah robot mingguan tetap berterusan sepanjang kajian.
Sebagai sebahagian daripada kajian kami, kami juga mengembangkan kaedah pertama untuk mengenal pasti kempen panggilan telefon yang bertanggungjawab untuk sebilangan besar yang menjengkelkan ini, haram dan penipuan robot. Jenis utama kempen panggilan telefon adalah mengenai pinjaman pelajar, insurans kesihatan, senarai perniagaan Google, penipuan kewangan umum, dan jangka panjang Penipuan Keselamatan Sosial.
Dengan menggunakan teknik ini, kami mengetahui bahawa lebih daripada 80% panggilan dari kempen panggilan biasa menggunakan nombor telefon palsu atau jangka pendek untuk membuat panggilan yang tidak diingini. Dengan menggunakan nombor telefon ini, pelaku memperdaya mangsa mereka dan menjadikannya lebih sukar untuk mengenal pasti dan mengadili perompak haram.
Kami juga melihat bahawa beberapa operasi penipuan yang menipu menyamar sebagai agensi kerajaan selama beberapa bulan tanpa pengesanan. Mereka menggunakan mesej dalam bahasa Inggeris dan Mandarin dan mengancam mangsa dengan akibat buruk. Mesej ini mensasarkan populasi yang rentan, termasuk pendatang dan warga emas.
Mengapa ia penting?
Penyedia dapat mengenal pasti sumber sebenar panggilan menggunakan proses manual yang memakan masa mengesan balik. Hari ini, terdapat terlalu banyak panggilan telefon untuk traceback menjadi penyelesaian praktikal untuk setiap panggilan. Teknik pengenalan kempen robocalling kami bukan sekadar alat penyelidikan yang hebat. Ia juga dapat digunakan oleh penyedia perkhidmatan untuk mengenal pasti operasi robocalling berskala besar.
Dengan menggunakan kaedah kami, penyedia hanya perlu menyiasat sebilangan kecil panggilan untuk setiap kempen panggilan telefon. Dengan mensasarkan sumber robocall yang menyalahgunakan, penyedia perkhidmatan dapat menyekat atau mematikan operasi ini dan melindungi pelanggan mereka dari penipuan dan telemarketing yang tidak sah.
Apa yang masih belum diketahui
Penyedia menggunakan teknologi baru yang dipanggil STIR / SHAKEN, yang mungkin menghalang para perompak untuk menipu nombor telefon mereka. Apabila digunakan, ini akan mempermudah penelusuran untuk panggilan, tetapi tidak akan berfungsi untuk penyedia yang menggunakan teknologi lama. Robocallers juga cepat menyesuaikan diri dengan situasi baru, jadi mereka mungkin mencari jalan untuk mengatasi STIR / SHAKEN.
Tidak ada yang tahu bagaimana para perompak berinteraksi dengan mangsa mereka dan berapa kerap mereka mengubah strategi mereka. Contohnya, jumlah panggilan robot dan penipu kini semakin meningkat menggunakan COVID-19 sebagai premis untuk menipu orang.
Apa yang akan datang
Selama bertahun-tahun yang akan datang, kami akan meneruskan penyelidikan mengenai robocall. Kami akan mengkaji sama ada STIR / SHAKEN mengurangkan panggilan telefon bimbit. Kami juga sedang mengembangkan teknik untuk mengenal pasti, memahami, dan membantu penyedia dan penguatkuasaan undang-undang mensasarkan operasi panggilan semula.
Mengenai Pengarang
Sathvik Prasad, Pelajar PhD, Jabatan Sains Komputer, Universiti Negeri Carolina Utara dan Bradley Reaves, Penolong Profesor Sains Komputer, Universiti Negeri Carolina Utara
Artikel ini diterbitkan semula daripada Perbualan di bawah lesen Creative Commons. Membaca artikel asal.
