VoIP-спам - VoIP spam

VoIP-спам или Коса (спам над Интернет-телефония ) - это нежелательные, автоматически набираемые телефонные звонки, обычно с использованием передача голоса по интернет-протоколу (VoIP) технология.[1]

Системы VoIP, например Эл. почта и другие интернет-приложения, подвержены злоупотреблениям со стороны злоумышленников, которые инициируют незапрашиваемые и нежелательные сообщения, такие как телемаркетологи и розыгрыши звонящих. Тарифы на звонки по VoIP низкие, а технология предоставляет удобные, часто бесплатные инструменты, такие как Звездочка и другие приложения.

Основная технология, лежащая в основе этой угрозы, - это Протокол инициирования сеанса (ГЛОТОК),[2] который является стандартом для телекоммуникаций VoIP.

Были разработаны различные методы обнаружения спам-вызовов; некоторые вступают в силу даже до того, как получатель ответит на вызов, чтобы отключить его. Эти методы основаны на статистическом анализе характеристик звонка,[3] например, исходный IP-адрес или особенности сигнальных и мультимедийных сообщений.[4]

символ

VoIP-спам - это незапрашиваемые вызовы, инициированные передача голоса по интернет-протоколу системы. Спамер пытается инициировать голосовой сеанс и воспроизводит записанное сообщение, если получатель отвечает. Робо-звонки доставляются автоматически с помощью программного обеспечения для телефонии, например Звездочка.

Смягчение

RFC 5039[1] содержит несколько основных методов предотвращения телефонного спама через SIP:

Точная идентификация звонящего, например, как описано в RFC 4474[5] помогает смягчить SPIT. В Телефонная сеть общего пользования (PSTN), АОН позволяет идентифицировать вызывающего абонента, но, по крайней мере, отображаемый идентификатор вызывающего абонента может быть подделанный.

Были предложены различные методы и структуры снижения SPIT. Огромный объем работы по обнаружению спама в электронных письмах здесь не применим напрямую из-за характера голосовых вызовов в реальном времени. Комплексный обзор исследований безопасности передачи голоса по IP [1] (Глава IV b) содержит обзор. Многие предложения сосредоточены на репутация и поведение звонящих, а некоторые сосредоточены на классификаторы машинного обучения с использованием функций, извлеченных из сигналов управления или данных вызова. Статистический анализ сигнального трафика и, в частности, частоты вызовов может использоваться для обнаружения аномалий, наблюдения и, наконец, занесения в черный список подозрительных абонентов.[3] Инструмент машинного обучения с частичным управлением создает кластеры похожих вызовов, и оператор-человек может пометить любой кластер как спам. А Детектор голосового спама (VSD)[6] представляет собой многоступенчатый спам-фильтр, основанный на доверии и репутации. Проект SPIDER [2] предлагает архитектуру смягчения SPIT,[7] который использует слой обнаружения состоящий из различных модулей и уровень принятия решений. Система VoIP SEAL[8] использует разные этапы. После анализа сигналов на первом этапе подозрительные абоненты подвергаются тестированию (например, аудио-CAPTCHA ), а на более поздних этапах у вызываемого абонента запрашивается обратная связь. SymRank[9] адаптирует PageRank алгоритм и вычисляет репутацию абонентов на основании как входящих, так и исходящих звонков. Кроме того, выбросы в общей продолжительности разговора, а также в повторяющихся и взаимных вызовах могут использоваться для обнаружения подозрительных абонентов.[9]

Обнаружение SPIT может использовать сложные алгоритмы машинного обучения, в том числе полууправляемый алгоритмы машинного обучения. Протокол под названием pMPCK-Means[4] выполняет обнаружение, как только вызов установлен, обеспечивая возможность автоматического прерывания подозрительного вызова. Он основан на концепции кластеризации, при которой вызовы с аналогичными функциями помещаются в кластер для SPIT или законных вызовов, а человеческий ввод используется для отметки, какой кластер соответствует SPIT. Функции вызова включают те, которые извлекаются непосредственно из сигнального трафика, например адреса источника и назначения, извлекаются из медиа-трафика, например, доля молчания, и извлекаются из вызовов, например продолжительность и частота вызовов.

Обнаружение и устранение SPIT также может быть основано исключительно на аудиоданных вызывающего абонента.[10][11] В этом подходе используются методы аудиоидентификации (аналогичные музыкальная идентификация ) для обнаружения вызовов с идентичными аудиоданными, включая определенные ухудшения (например, шум и разные аудиокодеки). Надежный Акустический отпечаток пальца (перцептивное хеширование ) выводится из спектральных параметров аудиоданных, а воспроизводимые вызовы идентифицируются путем сравнения отпечатков пальцев.[12] Опытный образец решения был разработан в рамках ВИАТ проект.

Исследователи Азад и Морла (2013) провели исследование по обнаружению вызывающих спам звонков с помощью очень точного и безопасного подхода. Они изобрели новую схему обнаружения спам-звонков без взаимодействия с пользователем и предварительного просмотра содержимого сообщения. Статистика нескольких экспериментов показала, что эта новая система эффективно обнаруживает спамеров, вызывающих законных пользователей, не обращаясь к частной информации и взаимодействию с пользователем.[13]

Осуществление смягчения

Доступно мало информации о реализации мер по смягчению воздействия SPIT на телефонные компании. Некоторые недавние производители смартфонов включают уведомление о возможном спаме для входящих вызовов, например Google в его Nexus Android устройства[14] и яблоко в его iOS 10 выпуск.[15] SPIT, как правило, еще не считается такой серьезной проблемой, как электронный спам. Автоматический анализ потока сигналов вызова может помочь обнаружить SPIT. Коммерческое программное обеспечение VoIP для поставщиков услуг связи может включать анализ поведения, например Acme Packet Палладион. Соответствующими параметрами и показателями SPIT являются, например, высокая частота попыток вызова, одновременные вызовы, низкое завершение вызова и средняя продолжительность вызова.

использованная литература

  1. ^ а б «Протокол инициации сеанса (SIP) и спам (RFC 5039)». Инженерная группа Интернета. Получено 14 октября 2012.
  2. ^ «SIP: протокол инициирования сеанса (RFC 3261)». Инженерная группа Интернета. Получено 12 июля 2010.
  3. ^ а б Д. Шин, Дж. Ан и К. Шим, Progressive Multi Gray-Leveling: алгоритм защиты от голосового спама, Сеть IEEE, т. 20. С. 18–24, 2006.
  4. ^ а б Wu, Y. S .; Багчи, С .; Singh, N .; Вита, Р. (июнь 2009 г.). «Обнаружение спама в вызовах передачи голоса по IP посредством полууправляемой кластеризации». 2009 Международная конференция IEEE / IFIP по надежным системным сетям: 307–316. Дои:10.1109 / dsn.2009.5270323. ISBN  978-1-4244-4422-9. S2CID  7532017.
  5. ^ «Усовершенствования для аутентифицированного управления идентификацией в протоколе инициирования сеанса (SIP) (RFC 4474)». Инженерная группа Интернета. Получено 14 октября 2012.
  6. ^ Данту, Рам; Колан, Пракаш (июль 2005 г.). «Обнаружение спама в сетях VoIP» (PDF). Материалы семинара USENIX по шагам снижения нежелательного трафика в Интернете (SRUTI): 31–37 - через usenix.org.
  7. ^ Ю. Ребахи, С. Дрицас, Т. Голубенко, Б. Панье и Дж. Ф. Джуэль, Концептуальная архитектура для смягчения последствий SPIT в SIP Handbook: Services, Technologies, and Security of Session Initiation Protocol, S. A. Ahson and M.Ilyas, Eds., CRCPress, Inc., 2009, гл. 23. С. 563–582.
  8. ^ Дж. Зеедорф, Н. д’Эрёз, С. Никколини и Т. Эвальд, VoIP SEAL: исследовательский прототип для защиты сетей и пользователей с передачей голоса по IP, in Konferenzband der 4. Jahrestagung des Fachbereichs Sicherheit der Gesellschaft fu r Informatik e.V. (GI), A. Alkassar and J. Siekmann, Eds., 2008.
  9. ^ а б Бухараи, Хоссейн Каффаш; Сахраи, Алиреза; Гянджали, Яшар; Кералапура, Рам; Нуччи, Антонио (2011). «СПИТЬ можно, но спрятаться нельзя: идентификация спамеров в телефонных сетях». Материалы 2011 г., IEEE INFOCOM. С. 41–45. Дои:10.1109 / INFCOM.2011.5935195. ISBN  978-1-4244-9919-9. S2CID  21432660.
  10. ^ Ребахи, Ясин; Элерт, Свен; Бергманн, Андреас (2008). «Механизм обнаружения SPIT на основе анализа звука». Материалы 4-й Международной конференции по мобильной мультимедийной связи.. Дои:10.4108 / ICST.MOBIMEDIA2008.3850. ISBN  978-963-9799-25-7.
  11. ^ Лентцен, Дирк; Груцек, Гэри; Knospe, Heiko; Поршманн, Кристоф (2011). «Обнаружение и предотвращение спама через IP-телефонию на основе контента - разработка системы, прототип и первые результаты». 2011 Международная конференция IEEE по коммуникациям (ICC). С. 1–5. Дои:10.1109 / icc.2011.5963108. ISBN  978-1-61284-232-5. S2CID  24579647.
  12. ^ Grutzek, G .; Strobl, J .; Майнка, Б .; Kurth, F .; Pörschmann, C .; Knospe, H. (26 сентября 2012 г.). «Перцептивное хеширование для идентификации телефонной речи». Речевое общение; 10. Симпозиум ITG, 26-28 сентября 2012 г.. п. 1-4.
  13. ^ Азад, Мухаммад Аджмал; Морла, Рикардо (2013). «Caller-REP: обнаружение нежелательных вызовов с социальной силой вызывающего абонента». Компьютеры и безопасность. 39: 219–236. Дои:10.1016 / якоза.2013.07.006.
  14. ^ «Использовать АОН и защиту от спама - Справка Nexus». support.google.com. Получено 22 января 2017.
  15. ^ «Приложение iOS 10 для телефона получает транскрипции голосовой почты, оповещения о спаме и поддержку VoIP». Получено 8 сентября 2016.