A Corpus of Real Scam- and Spam-Call Conversations from an Active Voice-Agent Honeypot

arXiv cs.CR · 25 sept, 06:00

Investigadores presentan un corpus de 10.015 conversaciones reales de llamadas de estafa y spam capturadas mediante un agente conversacional activo (honeypot) durante 53 días, totalizando aproximadamente 895 horas de audio y más de 328.000 turnos transcritos. El agente IA mantiene conversaciones con los estafadores adoptando personajes creíbles, siendo detectado como no humano en solo el 5% de las llamadas; el dataset clasifica las llamadas como spam de generación de leads (60%), estafas genuinas (14%) u otros tipos, con validación mediante revisión humana independiente (75% de acuerdo). El trabajo demuestra que los métodos de detección de estafas entrenados en diálogos sintéticos fallan significativamente en tráfico real.