该论文关注一个长期缺乏可靠测量的灰区问题：不受欢迎的来电中，究竟有多少是机器拨打的，又有多少机器语音是合成生成而非播放录音。背景是 2024 年 2 月美国联邦通信委员会（FCC）将 AI 生成语音纳入《电话消费者保护法》（TCPA）的监管范围，但此前没有经过同行评审的测量数据能回答上述两个比例问题。作者披露了一套测量流水线：部署交互式语音蜜罐，用大语言模型驱动的人格化接听者在真实的美国号码上应答，并把主叫方声音单独录在独立音轨上，66 天内共记录 10,987 通来电，其中 11 天因技术栈静默接听而被排除。对每通电话的开场白使用三套仪器交叉判读：(1) 音频指纹，用于发现同一段录音在其他来电中被重复播放；(2) 商用合成语音检测器，只分析主叫方开场的前 10 秒；(3) 盲测评听者，用于校验检测器标记的准确性。在正常日期中被人格接听者问候的 7,233 通电话里，13.8% 以在其他电话中也出现过的录音开场，13.1% 以检测器判定为合成的全新音频开场，另有 9.9% 在被问候后主叫始终未发声，54.2% 为检测器判定为人类的全新音频，9.0% 无法评分。据此推算，机器语音开场至少占 26.9%，再加上约十分之一的静默连接（作者按机器拨打解读），录音回放占检测器自身检出量的 45%（6,192 个可评分开场中的 29.3%）。论文同时揭示检测器本身的脆弱性：同一段波形在两通电话中落入检测阈值两侧的比例达 13.6%，11 名盲听者只确认了检测器标记中的 54.4%。结果还显示合成开场更多集中于线索生成类群发骚扰（33.8%）而非欺诈类（21.1%），仅 0.44% 的通话来电披露了自动化身份。流行度与诱饵号码的流通时长相关（同一周内对比为 59% 与 19%），说明号码的“播种历史”而非日历时间解释了趋势；此外骚扰活动比号码更长寿，一段录制好的合规通知出现在六个不同 campaign 中，同一个合成声音服务于九个 campaign。

本文研究了国际自动语音电话（robocall）的威胁，并提出了一个多模态、国际化的robocall数据集。研究背景是robocall在美国造成了严重经济损失（2025年报告损失11亿美元），且其跨司法管辖区、多语言、数据稀缺等特性使得治理困难。作者从全球各大洲65个国家收集了robocall报告，构建了包含870万条通话详细记录、839份来自28个已识别诈骗团伙的录音文本、以及677段录音的数据集。方法论上，他们通过用户报告和蜜罐电话系统在9个月内持续采集数据。分析覆盖了呼叫模式、跨国协同攻击、常见诈骗活动、回拨号码提取、同语言不同地区的语言差异等。主要发现是：虽然robocall是全球性问题，但美国的威胁严重程度显著高于其他国家。论文还提出了未来研究方向和减少robocall有效性的建议措施。适合电信安全、反欺诈领域的研究者和从业者阅读。