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

Resumo Técnico: Analisando Spam e Fraude em Chamadas Telefônicas Internacionais

Declaração do Problema
Chamadas telefônicas automatizadas não solicitadas (robocalls) representam uma ameaça global crítica, caracterizada por altos volumes, capacidades multilíngues e perdas financeiras significativas. Embora os Estados Unidos tenham sido o foco principal de pesquisas anteriores, o escopo do problema é internacional. O artigo aborda a falta de dados e análises publicamente disponíveis sobre robocalls fora dos EUA, particularmente na África, Ásia, Austrália, Europa e América do Sul. Os principais desafios no combate às robocalls incluem a dificuldade de rastrear números mascarados (spoofed) através de múltiplas jurisdições legais, o volume massivo de chamadas e a rápida adoção de ferramentas de síntese de voz e tradução baseadas em IA por agentes maliciosos.

Metodologia
Os autores conduziram um estudo empírico de larga escala utilizando uma infraestrutura de honeypot global fornecida pela Infobip.

• Configuração do Honeypot: O estudo utilizou uma rede de mais de 100.000 números de telefone (aproximadamente 12.000 nos EUA e 102.000 internacionais) ativos de junho de 2025 a fevereiro de 2026. O sistema operou em dois modos:
  1. Modo Passivo: As chamadas eram rejeitadas e apenas os Registros de Detalhes de Chamada (CDRs) eram registrados (ID do chamador, ID do destinatário, timestamp, duração).
  2. Modo de Interferência: As chamadas eram atendidas e uma mensagem de aviso no idioma local do chamador era reproduzida para informar sobre a gravação. Se o chamador não desligasse em até 5 segundos, a chamada era gravada.
• Processamento de Dados:
  • Análise de Metadados: Os CDRs foram filtrados para excluir chamadas de ocorrência única (prováveis discagens humanas errôneas) e analisados quanto a padrões temporais, distribuição geográfica e concentração de chamadores.
  • Análise de Conteúdo: As chamadas gravadas passaram por Detecção de Atividade de Voz (VAD) usando SileroVAD. Chamadas com menos de 25% de conteúdo falado foram descartadas para minimizar alucinações de transcrição.
  • Transcrição e Agrupamento: O áudio restante foi transcrito usando Whisper (large-v3-turbo). As transcrições foram normalizadas (mascarando PII - Informações de Identificação Pessoal) e agrupadas usando DBSCAN para identificar grupos de campanhas.
  • Análise de Co-direcionamento: Uma abordagem baseada em grafos vinculou IDs de chamadores que direcionaram chamadas para os mesmos números de honeypot dentro de janelas de 24 horas. Esses grupos foram validados comparando a similaridade semântica de suas transcrições usando embeddings BGE-M3.
  • Classificação: Um Modelo de Linguagem de Grande Escala de poucos disparos (ChatGPT-5.4) foi usado para categorizar as robocalls em tipos específicos de golpes (ex: Serviços Financeiros, Suporte Técnico).
• Contribuições Principais

1. Primeiro Conjunto de Dados Internacional: O artigo apresenta o primeiro conjunto de dados multimodal de robocalls internacionais disponível publicamente, compreendendo:
   • 8,7 milhões de Registros de Detalhes de Chamada (CDRs).
   • 677 gravações de áudio de robocalls verificadas.
   • 839 transcrições de robocalls verificadas em inglês, espanhol, chinês e polonês.
2. Escopo Global: Diferente da literatura anterior focada quase exclusivamente em dados da América do Norte, este estudo agrega dados de 65 países em todos os continentes habitados.
3. Rigor Metodológico: O estudo introduz uma abordagem de honeypot de modo duplo para equilibrar a coleta de dados com restrições éticas/legais, incluindo a anonimização estrita de IDs de chamadores e o uso de mensagens de aviso para obter consentimento para gravação.

Resultos Principais

• Disparidade de Gravidade: Embora as robocalls sejam um problema mundial, a severidade da ameaça é significativamente maior nos EUA. Os números de honeypot dos EUA receberam aproximadamente 692,6 chamadas por número disponível, comparado a 4,25 chamadas por número internacional.
• Concentração de Chamadores: A atividade de robocalls é altamente concentrada. O 1% superior dos chamadores responde por 24,4% de todo o tráfego. No entanto, as campanhas dos EUA e internacionais operam como entidades amplamente separadas, com apenas 0,02% dos IDs de chamadores aparecendo em ambos os conjuntos de dados.
• Padrões Temporais: As chamadas ocorrem predominantemente durante o horário comercial (9h – 17h), com as chamadas dos EUA atingindo o pico às 10:00 e as internacionais ao meio-dia.
• Spoofing e Geografia: 89,9% das chamadas exibem um ID de chamador que corresponde ao país do destinatário (neighbor spoofing). A Nigéria é a principal fonte externa para chamadas transfronteiriças para os EUA.
• Conteúdo e Idioma:
  • Silêncio: Uma parte significativa das chamadas é silenciosa ou contém fala mínima, provavelmente usada para "sondagem" de números ativos ou para acionar a Detecção de Atendimento de Máquina de Resposta (AMD).
  • Idioma: O inglês é dominante (92,35% nos EUA, 59,44% internacional), seguido por espanhol, mandarim, polonês e hindi.
  • Diferenças Regionais: Mesmo dentro do mesmo idioma, o conteúdo difere por região. As robocalls dos EUA frequentemente instam a vítima a "retornar a ligação" para um número específico (33,6% das chamadas dos EUA continham um número de retorno) enquanto as chamadas internacionais dependem mais de comandos interativos (ex: "pressione 1").
• Tipologia de Golpes:
  • EUA: Dominado por golpes de Suporte Técnico (ex: personificação do Google) e golpes de Negócios/Marketing.
  • Internacional: Dominado por golpes de Empréstimo/Dívida e Fraudes de Serviços Financeiros.

Significância e Alegações
O artigo afirma fornecer a primeira análise abrangente e multilíngue de robocalls internacionais, desafiando a noção de que este é um problema puramente centrado nos EUA, ao mesmo tempo em que confirma que os EUA permanecem o alvo principal. Os autores afirmam que suas descobertas revelam padrões operacionais distintos entre campanhas dos EUA e internacionais, sugerindo que as estratégias de mitigação podem precisar ser específicas para cada região. Ao liberar o conjunto de dados, os autores visam permitir pesquisas adicionais sobre mecanismos de detecção e análise de campanhas. O estudo também destaca as limitações das contramedidas atuais, como o STIR/SHAKEN, observando que os realizadores de robocalls se adaptaram a esses protocolos ao rotear chamadas através de circuitos legados ou gateways internacionais.

Os autores mantêm uma postura modesta, reconhecendo que suas mensagens de aviso podem ter alterado o comportamento do chamador (reduzindo o volume de chamadas no modo de interferência) e que o tamanho do conjunto de dados para áudio/transcrições é limitado pela necessidade de verificação manual. Eles não propõem novos algoritmos de detecção, mas sim fornecem os dados fundamentais e a análise necessária para que a comunidade os desenvolva.