Metode

Denne side dokumenterer, hvordan NoCall omdanner tusindvis af brugeranmeldelser til en pålidelig vurdering for hvert telefonnummer. Vi forklarer den nøjagtige formel for risikoscoren, fareniveauerne, hvordan vi klassificerer kategorier, hvordan vores kunstige intelligens-analyse fungerer, og hvor dataene kommer fra. Vi offentliggør denne metode, så alle kan forstå — og udfordre — de beslutninger, systemet træffer.

Sådan beregnes risikoscoren

Hvert nummer i vores database får en risikoscore mellem 0 og 100. Det er ikke en subjektiv vurdering: den stammer fra en deterministisk formel, der genberegnes, hver gang en ny godkendt anmeldelse ankommer.

risiko = min(100, anmeldelser × 5 + (verificeret ? 30 : 0))

Hver godkendt anmeldelse tilføjer 5 point. Hvis vores team har verificeret nummeret som bekræftet spam, tilføjes 30 ekstra point. Resultatet overstiger aldrig 100.

Verifikationsfaktoren findes for at skelne et nummer med mange nylige anmeldelser (som kunne være en enkeltstående falsk positiv) fra et nummer, som en menneskelig gennemgang aktivt har bekræftet som misbrugende. Derfor kan 20 ikke-verificerede anmeldelser (100 point fra anmeldelser, begrænset) og 14 verificerede anmeldelser (70 + 30) nå lignende scorer ad forskellige veje.

Når et nummer er blevet analyseret af vores AI og har godkendte fællesskabssignaler, fungerer det opdagede fareniveau også som et gulv for scoren: et nummer markeret som kritisk vil aldrig vise under 90, et højt under 70, mellem under 45 og lavt under 20, selv med få anmeldelser. På den måde undervurderes et tydeligt svigagtigt mønster ikke, blot fordi det er nyt.

Fareniveauer

Ud fra den numeriske score klassificerer vi hvert nummer i et af fire fareniveauer. Det er de samme identifikatorer, som vores database bruger internt:

Spamkategorier

Hver anmeldelse og hvert nummer klassificeres i en af syv kategorier. Kategorien afgør, hvordan nummeret præsenteres i kataloget, og udledes både fra brugerens anmeldelse og fra den senere automatiserede analyse:

SPAM — Generiske, uønskede kommercielle opkald, der ikke passer til en mere specifik kategori.
TELEMARKETING — Telefonsalgskampagner, normalt telekom eller energi, der fortsætter på trods af afvisning.
SVINDEL — Svindel og bedrageri, inklusive identitetsefterligning (banker, offentlige myndigheder, falsk teknisk support). Den mest alvorlige kategori.
INKASSO — Inkasso- og gældsinddrivelsesopkald, ofte aggressive eller rettet mod den forkerte person.
CHIKANE — Gentagne opkald med det formål at chikanere, intimidere eller bevidst forstyrre.
SPØRGEUNDERSØGELSE — Uopfordrede telefonundersøgelser, meningsmålinger og markedsundersøgelser.
ANDET — Enhver anden type uønsket opkald, der ikke passer til ovenstående.

Kunstig intelligens-analyse

Ud over den numeriske score analyserer en AI-worker numre baseret på fællesskabsgodkendt indhold: de kommentarer og anmeldelser, der har passeret moderation. AI'en arbejder aldrig med ikke-godkendt indhold, så intet ugennemgået bidrag kan påvirke den offentlige analyse.

For hvert analyseret nummer genererer AI'en et struktureret sæt oplysninger, der vises på nummerets side:

De felter, analysen producerer, er som følger:

Beskrivelse — En sammenfatning i naturligt sprog af, hvem der ser ud til at stå bag nummeret, og hvad de vil.
Klagemønstre — De mest gentagne klagegrunde på tværs af anmeldelser (for eksempel opkald på ubelejlige tidspunkter eller vedholdenhed efter afvisning).
Anvendte taktikker — De specifikke teknikker, der er opdaget, såsom pres, falsk hastværk eller anmodninger om personlige data.
Sektor — Det felt, aktiviteten tilhører (telekom, energi, inkasso, undersøgelser osv.).
Opdaget virksomhed — Den virksomhed eller organisation, nummeret ser ud til at repræsentere eller efterligne, når den kan identificeres.
Efterligning — En indikator for, om nummeret udgiver sig for at være en legitim enhed (bank, offentlig forvaltning, kendt mærke).
Anbefalet handling — Den endelige anbefaling til brugeren: blokér, forsigtighed, ignorér eller sikkert.

Denne analyse er vejledende og genereres automatisk ud fra fællesskabsbidrag; den erstatter ikke brugerens egen vurdering og udgør ikke en anklage mod nogen specifik virksomhed.

Moderation: intet offentliggøres uden gennemgang

Kvalitetskontrol er midtpunktet i metoden. Anmeldelser og kommentarer vises ikke i det offentlige katalog, i det øjeblik de indsendes: de forbliver afventende, indtil en administrator godkender dem. Først da tæller de med i risikoscoren, fodrer AI-analysen og bliver synlige for andre brugere.

Denne moderationsport tjener to formål: den frasorterer falske eller ondsindede anmeldelser, før de påvirker et nummers omdømme, og den sikrer, at AI'en kun ræsonnerer over kontrolleret information. Forfatteren til en afventende anmeldelse kan se sit eget bidrag, men ingen andre, indtil det er godkendt.

Datakilder

Hvert nummers vurdering kombinerer tre uafhængige kilder:

Fællesskabsanmeldelser — Grundlaget for det hele. Brugere anmelder numre fra appen og websitet, anonymt, med en kategori og en kommentar. Efter moderation er de hovedsignalet for scoren.
CNMC operatør- og forvalgsdata — Vi bruger offentlige data fra Den Nationale Kommission for Markeder og Konkurrence (CNMC) til at identificere den operatør, der er tildelt hver nummerblok, og linjetypen (mobil, fastnet, overtakst).
Virksomheders pressemeddelelser (RSS) — Vi følger virksomhedernes pressrum via RSS-feeds for at opdage legitime kampagner og reducere falske positive, når en rigtig virksomhed kører masseudsendelser.