VoIP スパム

VoIPスパムまたはSPIT（インターネット電話によるスパム）は、通常VoIP（インターネットプロトコル経由の音声）技術を使用して、自動的にダイヤルされる迷惑電話です。^[1]

VoIP システムは、電子メールやその他のインターネット アプリケーションと同様に、テレマーケティング業者やいたずら電話など、迷惑な通信や望ましくない通信を開始する悪意のある人物による悪用を受けやすいです。VoIP の通話料金は安く、このテクノロジでは、 Asteriskやその他のアプリケーション など、便利で多くの場合無料のツールが提供されています。

この脅威を推進する主な基盤技術は、 VoIP通信の標準である セッション開始プロトコル（SIP）^[2]です。

スパム通話を検出するためにさまざまな技術が考案されており、受信者が通話に出て切断する前に効果を発揮するものもあります。これらの技術は、発信元IPアドレスなどの通話の特徴^[3]や、シグナリングやメディアメッセージの特徴^{[4]の統計分析に依存しています。}

VoIP スパムは、 Voice over Internet Protocolシステムによって開始される迷惑電話として特徴付けられます。スパマーは音声セッションを開始しようとし、受信者が応答すると録音されたメッセージを再生します。ロボコールは、 Asteriskなどの電話ソフトウェアを使用して自動的に配信できます。

RFC 5039 ^[1]には、SIP経由のテレフォニースパムを軽減するための基本的な方法がいくつか記載されています。

• ホワイトリストとブラックリスト
• 同意に基づくコミュニケーション
• 評判システム
• 住所の難読化と限定使用アドレス
• チューリングテスト、CAPTCHA、計算パズル
• 支払い
• 法的措置

^{RFC 4474 [5]}に記載されているような発信者の強力な識別は、SPITを軽減するのに役立ちます。公衆交換電話網(PSTN) では、発信者IDによって発信者の識別が可能ですが、少なくとも表示される発信者IDは偽装される可能性があります。

さまざまな SPIT 軽減方法とフレームワークが提案されています。電子メールのスパム検出に関する膨大な研究は、音声通話のリアルタイム性のため、ここには直接適用されません。Voice over IP セキュリティ研究の包括的な調査 [1] (第 IV 章 b) では概要が示されています。多くの提案は、発信者の評判と行動に焦点を当てていますが、いくつかは、制御信号または通話データから抽出された特徴を使用する機械学習分類器に焦点を当てています。シグナリング トラフィック、特に通話頻度の統計分析を使用して、異常を検出し、監視し、最終的に疑わしい発信者をブラックリストに登録できます。^[3]半教師あり機械学習ツールは、類似した通話のクラスターを作成し、人間のオペレーターは、特定のクラスターをスパムとしてフラグ付けできます。音声スパム検出器 (VSD) ^[6]は、信頼と評判に基づく多段階のスパム フィルターです。SPIDER プロジェクト [2] は、さまざまなモジュールで構成される検出層と決定層を使用するSPIT 軽減アーキテクチャ^[7]を提案しています。 VoIP SEALシステム^[8]は、さまざまな段階を採用しています。第1段階でシグナリング分析を行った後、疑わしい発信者はテスト（例：Audio-CAPTCHA）を受け、後の段階では着信者にフィードバックを求めます。SymRank[9]はPageRankアルゴリズムを^採用し、着信と発信の両方に基づいて加入者の評判を計算します。さらに、総通話時間や繰り返しの通話、相互通話における外れ値を使用して、疑わしい発信者を検出できます。^[9]

SPIT検出には、半教師あり機械学習アルゴリズムなどの高度な機械学習アルゴリズムを利用できます。pMPCK-Means ^[4]と呼ばれるプロトコルは、通話が確立されるとすぐに検出を実行し、疑わしい通話を自動的に切断するオプションを提供します。これはクラスタリングの概念に基づいており、類似した機能を持つ通話をSPITまたは正当な通話のクラスターに配置し、人間の入力を使用してどのクラスターがSPITに対応するかをマークします。通話機能には、送信元アドレスと宛先アドレスなどのシグナリングトラフィックから直接抽出されたもの、無音の割合などのメディアトラフィックから抽出されたもの、通話の継続時間や頻度などの通話から得られたものが含まれます。

SPITの検出と緩和は、発信者の音声データのみに基づいて行うこともできます。^{[10] [11]}このアプローチでは、音声識別技術（音楽識別に類似）を使用して、特定の劣化（ノイズや異なる音声コーデックなど）を含む同一の音声データによる通話を検出します。堅牢な音響指紋（知覚ハッシュ）は音声データのスペクトルパラメータから導出され、再生された通話は指紋の比較によって識別されます。^[12]プロトタイプソリューションはVIATプロジェクト内で開発されました。

研究者のアザドとモルラ（2013）は、より正確で安全な方法でスパム発信者を検出する研究を行いました。彼らは、ユーザーの操作やメッセージの内容を事前に確認することなく、スパム通話を検出する新しいスキームを発明しました。いくつかの実験の統計によると、この新しいシステムは、個人情報やユーザーの操作にアクセスすることなく、正当なユーザーに電話をかけるスパマーを効果的に検出しました。^[13]

電話会社による SPIT 軽減策の実装に関する情報はほとんどありません。最近のスマートフォンベンダーの中には、GoogleのNexus Androidデバイス^[14]やAppleのiOS 10リリース^{[15]のように、着信通話にスパムの可能性がある通知を組み込んでいるところもあります。SPIT は一般に、}電子メールのスパムほど重大な問題とは見なされていません。通話シグナリ​​ング フローの自動分析は、SPIT の発見に役立ちます。通信サービス プロバイダー向けの商用 VoIP ソフトウェアには、Acme Packet Palladion などの動作分析が含まれている場合があります。SPIT の関連パラメーターと兆候には、たとえば、通話試行頻度の高さ、同時通話数、通話完了数の少なさ、平均通話時間の短さなどがあります。