该论文基于一个由AI语音代理蜜罐系统收集的独特数据集，对电话诈骗和垃圾电话的运作模式进行了大规模实证分析。数据集包含54天内来自5,780个不同号码的10,211通入站电话，共计913小时音频和330,956轮对话转录。研究首先区分了真正骗取敏感信息的诈骗电话与虽然具有掠夺性但合法的线索生成（垃圾）电话，发现诈骗运营遵循工作时间规律（工作日的电话量是周末的6.6倍），大量一次性号码使用少量循环脚本（30个开场聚类，前五个占据一半流量）。诈骗者更常索要身份锚点（家庭住址和出生日期），而非支付凭证，通过坚持和制造权威而非直接威胁来施压。核心实验围绕“接听者身份是否重要”展开：每条线索随机分配十个虚构身份之一，在1,823通随机电话中，目标表观年龄每增加十年，诈骗者多花费约15%的对话轮次（比率1.15，95% CI 1.08-1.23，p=0.005），但索要的内容没有显著变化（26.3%的电话达到索要敏感信息阶段，每十年优势比0.99）。第二个实验将早期检测作为基准任务：仅凭诈骗者的开场白，在呼叫者不相交的划分上，从第一行预测升级的ROC-AUC为0.72，到第八行达到0.87，且简单的词袋分类器与微调的端侧语言模型表现相当。研究结论认为电话诈骗是一个模板化行业，其工作强度因目标而异，但索要的内容不变。该研究适用于理解电话诈骗的社会工程策略、开发自动检测系统以及相关反欺诈政策制定，主要面向语言处理、网络安全和计算社会科学领域的研究者。