Una nuova ricerca mira a fornire alle compagnie telefoniche strumenti per aiutare a frenare i robocall. Peter Dazeley / The Image Bank via Getty Images

Oltre l'80% delle chiamate automatiche proviene da numeri falsi e rispondere o meno a queste chiamate non ha alcun effetto su quante altre si riceveranno. Questi sono due risultati chiave di un file Studio di 11 mesi in telefonate non richieste che abbiamo condotto da febbraio 2019 a gennaio 2020.

Per capire meglio come operano questi chiamanti indesiderati, abbiamo monitorato ogni telefonata ricevuta da oltre 66,000 linee telefoniche nel nostro laboratorio di sicurezza telefonica, l'Osservatorio Robocall presso la North Carolina State University. Abbiamo ricevuto 1.48 milioni di telefonate non richieste nel corso dello studio. Ad alcune di queste chiamate abbiamo risposto, mentre ad altre abbiamo fatto squillare. Contrario a saggezza popolare, abbiamo scoperto che rispondere alle chiamate non fa differenza nel numero di chiamate automatiche ricevute da un numero di telefono. Il volume settimanale delle chiamate robotiche è rimasto costante durante lo studio.

Come parte del nostro studio, abbiamo anche sviluppato il primo metodo per identificare le campagne di chiamata robotica responsabili di un gran numero di questi fastidiosi, illegale e chiamate fraudolente. I principali tipi di campagne di chiamate rapide riguardavano prestiti agli studenti, assicurazione sanitaria, elenchi di attività commerciali di Google, frodi finanziarie generali e Truffa della previdenza sociale.

Utilizzando queste tecniche, abbiamo appreso che oltre l'80% delle chiamate di una campagna di chiamate automatiche media utilizza numeri di telefono falsi o di breve durata per effettuare chiamate indesiderate. Utilizzando questi numeri di telefono, gli autori ingannano le loro vittime e rendono molto più difficile identificare e perseguire i rapinatori illegali.

Abbiamo anche visto che alcune operazioni fraudolente di chiamata robotica hanno impersonato agenzie governative per molti mesi senza essere scoperte. Hanno usato messaggi in inglese e mandarino e hanno minacciato le vittime con conseguenze disastrose. Questi messaggi prendono di mira le popolazioni vulnerabili, inclusi gli immigrati e gli anziani.

Perché è importante

I provider possono identificare la vera origine di una chiamata utilizzando un processo manuale che richiede tempo chiamato rintracciare. Oggi ci sono troppe chiamate automatiche perché Traceback sia una soluzione pratica per ogni chiamata. La nostra tecnica di identificazione delle campagne di chiamata robotica non è solo un potente strumento di ricerca. Può anche essere utilizzato dai fornitori di servizi per identificare operazioni di chiamata robotizzata su larga scala.

Utilizzando i nostri metodi, i fornitori devono esaminare solo un piccolo numero di chiamate per ciascuna campagna di chiamate automatiche. Prendendo di mira la fonte delle chiamate robotiche abusive, i fornitori di servizi possono bloccare o interrompere queste operazioni e proteggere i propri abbonati da truffe e telemarketing illegale.

Ciò che ancora non è noto

I provider stanno implementando una nuova tecnologia chiamata MESCOLARE / AGITARE, che potrebbe impedire ai robocaller di falsificare i propri numeri di telefono. Una volta distribuito, semplificherà il traceback per le chiamate, ma non funzionerà per i provider che utilizzano la tecnologia precedente. I richiami robotici si adattano rapidamente anche a nuove situazioni, quindi potrebbero trovare un modo per aggirare MESCOLARE / AGITARE.

Nessuno sa come i robocaller interagiscono con le loro vittime e quanto spesso cambiano le loro strategie. Ad esempio, ora un numero crescente di robocall e truffatori utilizzando COVID-19 come premessa per frodare le persone.

Qual'è il prossimo

Negli anni a venire continueremo la nostra ricerca sui robocall. Studieremo se STIR / SHAKEN riduce i robocall. Stiamo inoltre sviluppando tecniche per identificare, comprendere e aiutare i fornitori e le forze dell'ordine a individuare meglio le operazioni di chiamata robotica.

Informazioni sugli autori

Sathvik Prasad, PhD Student, Dipartimento di Informatica, North Carolina State University e Bradley Reaves, assistente professore di informatica, North Carolina State University

Questo articolo è ripubblicato da The Conversation sotto una licenza Creative Commons. Leggi il articolo originale.