Robocalls: A Worldwide or US-only Problem? Analyzing Spam and Fraud in International Phone Calls

Resumen Técnico: Análisis de Spam y Fraude en Llamadas Telefónicas Internacionales

Planteamiento del Problema
Las llamadas telefónicas automatizadas no solicitadas (robocalls) representan una amenaza global crítica, caracterizada por altos volmenes, capacidades multilingües y pérdidas financieras significativas. Si bien Estados Unidos ha sido el principal foco de investigaciones previas, el alcance del problema es internacional. El artículo aborda la falta de datos y análisis disponibles públicamente sobre las robocalls fuera de los EE. UU., particularmente en África, Asia, Australia, Europa y América del Sur. Los desafíos clave para combatir las robocalls incluyen la dificultad de rastrear números suplantados (spoofed) a través de múltiples jurisdicciones legales, el volumen masivo de llamadas y la rápida adopción de herramientas de síntesis de voz y traducción impulsadas por IA por parte de actores maliciosos.

Metodología
Los autores realizaron un estudio empírico a gran escala utilizando una infraestructura de honeypot global proporcionada por Infobip.

• Configuración del Honeypot: El estudio utilizó una red de más de 100,000 números de teléfono (aproximadamente 12,000 en EE. UU. y 102,000 internacionales) activos desde junio de 2025 hasta febrero de 2026. El sistema operó en dos modos:
  1. Modo Pasivo: Las llamadas eran rechazadas y solo se registraban los Registros de Detalles de Llamada (CDR) (ID del emisor, ID del receptor, marca de tiempo, duración).
  2. Modo de Interferencia: Las llamadas eran respondidas y se reproducía un mensaje de advertencia en el idioma local del interlocutor para informar que la llamada estaba siendo grabada. Si el emisor no colgaba en un plazo de 5 segundos, la llamada era grabada.
• Procesamiento de Datos:
  • Análisis de Metadatos: Los CDR se filtraron para excluir llamadas de una sola ocurrencia (probablemente errores de marcación humana) y se analizaron patrones temporales, distribución geográfica y concentración de emisores.
  • Análisis de Contenido: Las llamadas grabadas se sometieron a la Detección de Actividad de Voz (VAD) mediante SileroVAD. Las llamadas con menos del 25% de contenido hablado fueron descartadas para minimizar las alucinaciones de transcripción.
  • Transcripción y Agrupación: El audio restante fue transcrito utilizando Whisper (large-v3-turbo). Las transcripciones fueron normalizadas (enmascarando la Información de Identificación Personal o PII) y agrupadas mediante DBSCAN para identificar grupos de campañas.
  • Análisis de Co-objetivo: Un enfoque basado en grafos vinculó los IDs de los emisores que apuntaron a los mismos números de honeypot dentro de ventanas de 24 horas. Estos grupos fueron validados comparando la similitud semántica de sus transcripciones mediante embeddings BGE-M3.
  • Clasificación: Se utilizó un Modelo de Lenguaje Grande de pocos disparos (ChatGPT-5.4) para categorizar las robocalls en tipos específicos de estafas (por ejemplo, Servicios Financieros, Soporte Técnico).

Contribuciones Clave

1. Primer Conjunto de Datos Internacional: El artículo presenta el primer conjunto de datos multimodal de robocalls internacionales disponible públicamente, que comprende:
   • 8.7 millones de Registros de Detalles de Llamada (CDR).
   • 677 grabaciones de audio de robocalls verificadas.
   • 839 transcripciones de robocalls verificadas en inglés, español, chino y polaco.
2. Alcance Global: A diferencia de la literatura previa centrada casi exclusivamente en datos de América del Norte, este estudio agrega datos de 65 países en todos los continentes habitados.
3. Rigor Metodológico: El estudio introduce un enfoque de honeypot de modo dual para equilibrar la recolección de datos con las restricciones éticas y legales, incluyendo la anonimización estricta de los IDs de los emisores y el uso de mensajes de advertencia para obtener el consentimiento para la grabación.

Resultados Clave

• Disparidad de Severidad: Aunque las robocalls son un problema mundial, la severidad de la amenaza es significativamente mayor en EE. UU. Los números de honeypot de EE. UU. recibieron aproximadamente 692.6 llamadas por número disponible, frente a 4.25 llamadas por número internacional.
• Concentración de Emisores: La actividad de las robocalls está altamente concentrada. El 1% superior de los emisores es responsable del 24.4% de todo el tráfico. Sin embargo, las campañas de EE. UU. y las internacionales operan como entidades mayormente separadas, con solo el 0.02% de los IDs de los emisores apareciendo en ambos conjuntos de datos.
• Patrones Temporales: Las llamadas ocurren predominantemente durante el horario laboral (9 AM – 5 PM), con las llamadas de EE. UU. alcanzando su pico a las 10:00 AM y las internacionales al mediodía.
• Suplantación y Geografía: El 89.9% de las llamadas muestran un ID de emisor que coincide con el país del receptor (suplantación de vecindario o neighbor spoofing). Nigeria es la principal fuente externa de llamadas transfronterizas hacia EE. UU.
• Contenido y Lenguaje:
  • Silencio: Una parte significativa de las llamadas son silenciosas o contienen un habla mínima, probablemente utilizadas para "explorar" números activos o activar la Detección de Contestadores Automáticos (AMD).
  • Idioma: El inglés es dominante (92.35% en EE. UU., 59.44% internacional), seguido del español, mandarín, polaco e hindi.
  • Diferencias Regionales: Incluso dentro del mismo idioma, el contenido difiere según la región. Las robocalls de EE. UU. instan frecuentemente a la víctima a "devolver la llamada" a un número específico (el 33.6% de las llamadas de EE. UU. contenían un número de devolución de llamada), mientras que las llamadas internacionales dependen más de instrucciones interactivas (por ejemplo, "presione 1").
• Tipología de Estafas:
  • EE. UU.: Dominadas por estafas de Soporte Técnico (por ejemplo, suplantación de Google) y estafas de Negocios/Marketing.
  • Internacional: Dominadas por estafas de Préstamos/Deudas y fraude de Servicios Financieros.

Significancia y Reivindicaciones
El artículo afirma proporcionar el primer análisis exhaustivo y multilingüe de las robocalls internacionales, desafiando la noción de que este es un problema centrado únicamente en EE. UU., aunque confirmando que EE. UU. sigue siendo el objetivo principal. Los autores sostienen que sus hallazgos revelan patrones operativos distintos entre las campañas de EE. UU. y las internacionales, lo que sugiere que las estrategias de mitigación pueden necesitar ser específicas de cada región. Al liberar el conjunto de datos, los autores pretenden permitir la investigación adicional en los mecanismos de detección y el análisis de campañas. El estudio también destaca las limitaciones de las contramedidas actuales como STIR/SHAKEN, señalando que los realizadores de robocalls se han adaptado a estos protocolos mediante el enrutamiento de llamadas a través de circuitos heredados o puertas de enlace internacionales.

Los autores mantienen una postura modesta, reconociendo que sus mensajes de advertencia pueden haber alterado el comportamiento del emisor (reduciendo el volumen de llamadas en el modo de interferencia) y que el tamaño del conjunto de datos para audio/transcripciones es limitado debido a la necesidad de verificación manual. No proponen nuevos algoritmos de detección, sino que proporcionan los datos y el análisis fundamentales requeridos para que la comunidad los desarrolle.