การวิจัยใหม่มีจุดมุ่งหมายเพื่อให้บริษัทโทรศัพท์มีเครื่องมือเพื่อช่วยควบคุม robocall Peter Dazeley / The Image Bank ผ่านทาง Getty Images

การโทรจากระบบอัตโนมัติมากกว่า 80% มาจากหมายเลขปลอม และการตอบรับสายเหล่านี้หรือไม่ก็ไม่มีผลกับจำนวนที่คุณจะได้รับ นี่เป็นข้อค้นพบที่สำคัญสองประการของ an เรียน 11 เดือน เป็นการโทรศัพท์ที่ไม่พึงประสงค์ที่เราดำเนินการตั้งแต่เดือนกุมภาพันธ์ 2019 ถึงมกราคม 2020

เพื่อให้เข้าใจถึงวิธีการทำงานของผู้โทรที่ไม่ต้องการเหล่านี้มากขึ้น เราได้ตรวจสอบทุกสายที่ได้รับไปยังสายโทรศัพท์กว่า 66,000 สายในห้องปฏิบัติการความปลอดภัยทางโทรศัพท์ของเรา หอดูดาวโรโบคอล ที่มหาวิทยาลัยแห่งรัฐนอร์ทแคโรไลนา เราได้รับโทรศัพท์ที่ไม่พึงประสงค์ 1.48 ล้านสายในระหว่างการศึกษานี้ เรารับสายเหล่านี้บางส่วน ในขณะที่บางสายเราปล่อยให้ดัง ตรงกันข้ามกับ ภูมิปัญญาชาวบ้านเราพบว่าการรับสายไม่มีความแตกต่างในจำนวนการโทรจากระบบอัตโนมัติที่ได้รับจากหมายเลขโทรศัพท์ ปริมาณ robocall รายสัปดาห์ยังคงที่ตลอดการศึกษา

ในการศึกษาของเรา เรายังได้พัฒนาวิธีแรกในการระบุแคมเปญ robocalling ที่รับผิดชอบต่อปัญหาที่น่ารำคาญเหล่านี้จำนวนมาก ที่ผิดกฎหมาย และ robocall หลอกลวง ประเภทหลักของแคมเปญ robocalling ได้แก่ สินเชื่อนักศึกษา ประกันสุขภาพ รายชื่อธุรกิจของ Google การฉ้อโกงทางการเงินทั่วไป และระยะยาว หลอกลวงประกันสังคม.

เมื่อใช้เทคนิคเหล่านี้ เราได้เรียนรู้ว่าการโทรมากกว่า 80% จากแคมเปญ robocalling โดยเฉลี่ยใช้หมายเลขโทรศัพท์ปลอมหรือหมายเลขโทรศัพท์ที่มีอายุสั้นเพื่อโทรออกโดยไม่ต้องการ การใช้หมายเลขโทรศัพท์เหล่านี้ ผู้กระทำผิดหลอกลวงเหยื่อของพวกเขา และทำให้ยากต่อการระบุตัวและดำเนินคดีกับผู้แอบอ้างที่ไม่ชอบด้วยกฎหมาย

นอกจากนี้เรายังพบว่ามีการดำเนินการ robocalling ที่ฉ้อโกง แอบอ้างเป็นหน่วยงานของรัฐเป็นเวลาหลายเดือนโดยไม่มีการตรวจจับ พวกเขาใช้ข้อความเป็นภาษาอังกฤษและภาษาจีนกลาง และข่มขู่เหยื่อด้วยผลลัพธ์ที่เลวร้าย ข้อความเหล่านี้กำหนดเป้าหมายไปยังกลุ่มประชากรที่อ่อนแอ รวมทั้งผู้อพยพและผู้สูงอายุ

ทำไมมันถึงมีความสำคัญ

ผู้ให้บริการสามารถระบุแหล่งที่มาที่แท้จริงของการโทรได้โดยใช้กระบวนการแบบแมนนวลที่เรียกว่า ตรวจสอบย้อนกลับ. ทุกวันนี้ มี robocall มากเกินไปสำหรับการติดตามกลับที่จะเป็นโซลูชันที่ใช้งานได้จริงสำหรับทุกการโทร เทคนิคการระบุแคมเปญ robocalling ของเราไม่ได้เป็นเพียงเครื่องมือวิจัยที่ทรงพลังเท่านั้น นอกจากนี้ยังสามารถใช้โดยผู้ให้บริการเพื่อระบุการดำเนินการ robocalling ขนาดใหญ่

การใช้วิธีการของเรา ผู้ให้บริการจำเป็นต้องตรวจสอบการโทรเพียงเล็กน้อยสำหรับแคมเปญ robocalling แต่ละแคมเปญ ด้วยการกำหนดเป้าหมายแหล่งที่มาของ robocall ที่ไม่เหมาะสม ผู้ให้บริการสามารถบล็อกหรือปิดการดำเนินการเหล่านี้และปกป้องสมาชิกของตนจากการหลอกลวงและการตลาดทางโทรศัพท์ที่ผิดกฎหมาย

สิ่งที่ยังไม่เป็นที่รู้จัก

ผู้ให้บริการกำลังปรับใช้เทคโนโลยีใหม่ที่เรียกว่า ผัด/เขย่าซึ่งอาจป้องกันไม่ให้ผู้โทรเข้าระบบอัตโนมัติปลอมแปลงหมายเลขโทรศัพท์ของตน เมื่อปรับใช้แล้ว จะทำให้การติดตามย้อนกลับสำหรับการโทรง่ายขึ้น แต่จะใช้งานไม่ได้กับผู้ให้บริการที่ใช้เทคโนโลยีที่เก่ากว่า Robocallers ยังปรับตัวเข้ากับสถานการณ์ใหม่ได้อย่างรวดเร็ว ดังนั้นพวกเขาจึงอาจพบวิธีหลีกเลี่ยง STIR/SHAKEN

ไม่มีใครรู้ว่า robocallers มีปฏิสัมพันธ์กับเหยื่อของพวกเขาอย่างไร และพวกเขาเปลี่ยนกลยุทธ์บ่อยแค่ไหน ตัวอย่างเช่น ขณะนี้มี robocalls และ scammers เพิ่มมากขึ้น โดยใช้ COVID-19 เป็นพื้นฐาน เพื่อหลอกลวงประชาชน

อะไรต่อไป

ในอีกไม่กี่ปีข้างหน้า เราจะดำเนินการวิจัยเกี่ยวกับ robocalls ต่อไป เราจะศึกษาว่า STIR/SHAKEN ช่วยลด robocall ได้หรือไม่ เรากำลังพัฒนาเทคนิคเพื่อระบุ ทำความเข้าใจ และช่วยเหลือผู้ให้บริการและการบังคับใช้กฎหมายกำหนดเป้าหมายการดำเนินการ robocalling ได้ดียิ่งขึ้น

เกี่ยวกับผู้เขียน

Satvik Prasad นักศึกษาปริญญาเอก ภาควิชาวิทยาการคอมพิวเตอร์ มหาวิทยาลัยแห่งรัฐนอร์ทแคโรไลนา และ Bradley Reaves ผู้ช่วยศาสตราจารย์ด้านวิทยาการคอมพิวเตอร์ มหาวิทยาลัยแห่งรัฐนอร์ทแคโรไลนา

บทความนี้ตีพิมพ์ซ้ำจาก สนทนา ภายใต้ใบอนุญาตครีเอทีฟคอมมอนส์ อ่าน บทความต้นฉบับ.