Metodoloji
Bu sayfa, NoCall'un binlerce kullanıcı bildirimini her telefon numarası için güvenilir bir değerlendirmeye nasıl dönüştürdüğünü belgeler. Tam risk puanı formülünü, tehlike seviyelerini, kategorileri nasıl sınıflandırdığımızı, yapay zeka analizimizin nasıl çalıştığını ve verilerin nereden geldiğini açıklıyoruz. Bu metodolojiyi, herkesin sistemin verdiği kararları anlayabilmesi —ve sorgulayabilmesi— için yayımlıyoruz.
Risk puanı nasıl hesaplanır
Veritabanımızdaki her numaraya 0 ile 100 arasında bir risk puanı verilir. Bu öznel bir değerlendirme değildir: yeni bir onaylı bildirim geldiğinde her seferinde yeniden hesaplanan deterministik bir formülden türetilir.
risk = min(100, bildirimler × 5 + (doğrulandı ? 30 : 0))
Onaylanan her bildirim 5 puan ekler. Ekibimiz numarayı doğrulanmış spam olarak teyit ettiyse, fazladan 30 puan eklenir. Sonuç hiçbir zaman 100'ü aşmaz.
Doğrulama faktörü, çok sayıda yeni bildirimi olan bir numarayı (bu tek seferlik bir yanlış pozitif olabilir) bir insan incelemecinin aktif olarak istismar olarak teyit ettiği bir numaradan ayırmak için vardır. Bu yüzden 20 doğrulanmamış bildirim (bildirimlerden 100 puan, sınırlandırılmış) ile 14 doğrulanmış bildirim (70 + 30) farklı yollardan benzer puanlara ulaşabilir.
Bir numara yapay zekamız tarafından analiz edildiğinde ve onaylanmış topluluk sinyallerine sahip olduğunda, tespit edilen tehlike seviyesi de puan için bir taban görevi görür: kritik olarak işaretlenmiş bir numara, az bildirimle bile asla 90'ın altında, yüksek bir numara 70'in, orta 45'in ve düşük 20'nin altında görünmez. Böylece açıkça dolandırıcılık niteliğindeki bir kalıp, yalnızca yeni olduğu için olduğundan düşük değerlendirilmez.
Tehlike seviyeleri
Sayısal puandan yola çıkarak her numarayı dört tehlike seviyesinden birine sınıflandırırız. Bunlar veritabanımızın dahili olarak kullandığı tanımlayıcıların aynısıdır:
Düşük (bajo)0–39
Az ya da hiç bildirim yok. Numara net bir spam etkinliği belirtisi göstermiyor. Meşru bir hat ya da izole, doğrulanmamış bir bildirim olabilir.
Orta (medio)40–59
Birkaç bildirim alındı. Yanıtlamadan ya da geri aramadan önce dikkatli olunması önerilir. Sinyal belirsiz olduğunda varsayılan değer.
Yüksek (alto)60–79
Çok sayıda doğrulanmış bildirim. Agresif telepazarlama ya da tekrarlanan istenmeyen aramaların yüksek olasılığı.
Kritik (critico)80–100
Spam ya da dolandırıcılık olarak doğrulanmış, ya da yapay zeka tarafından dolandırıcılık veya kimlik taklidi olarak tespit edilmiş numara. Hemen engellemenizi öneririz.
Spam kategorileri
Her bildirim ve her numara yedi kategoriden birine sınıflandırılır. Kategori, numaranın dizinde nasıl sunulacağını belirler ve hem kullanıcının bildiriminden hem de sonraki otomatik analizden türetilir:
- SPAM — Daha spesifik bir kategoriye uymayan, genel ve istenmeyen ticari aramalar.
- TELEMARKETING — Genellikle telekom ya da enerji alanında, reddedilmesine rağmen ısrar eden telefonla satış kampanyaları.
- SCAM — Kimlik taklidi (bankalar, kamu kurumları, sahte teknik destek) dahil dolandırıcılık ve sahtekarlık. En ciddi kategori.
- DEBT — Genellikle agresif ya da yanlış kişiye yönelik borç tahsilatı ve geri ödeme aramaları.
- HARASSMENT — Taciz etmek, korkutmak ya da kasıtlı olarak rahatsız etmek amacıyla yapılan tekrarlı aramalar.
- SURVEY — İstenmeyen telefon anketleri, kamuoyu yoklamaları ve pazar araştırmaları.
- OTHER — Yukarıdakilere uymayan diğer her türlü istenmeyen arama.
Yapay zeka analizi
Sayısal puanın ötesinde, bir yapay zeka işçisi numaraları toplulukça onaylanmış içeriğe dayanarak analiz eder: moderasyondan geçmiş yorumlar ve bildirimler. Yapay zeka asla onaylanmamış içerikle çalışmaz, bu yüzden incelenmemiş hiçbir katkı kamuya açık analizi etkileyemez.
Analiz edilen her numara için yapay zeka, numaranın sayfasında gösterilen yapılandırılmış bir bilgi kümesi üretir:
Analizin ürettiği alanlar şunlardır:
- Açıklama — Numaranın arkasında kimin olduğuna ve ne istediğine dair doğal dilde bir özet.
- Şikayet kalıpları — Bildirimler arasında en çok tekrarlanan şikayet nedenleri (örneğin, uygunsuz saatlerde aramalar ya da reddedilmeye rağmen ısrar).
- Kullanılan taktikler — Baskı, sahte aciliyet ya da kişisel veri talepleri gibi tespit edilen spesifik teknikler.
- Sektör — Etkinliğin ait olduğu alan (telekom, enerji, borç tahsilatı, anketler vb.).
- Tespit edilen şirket — Tanımlanabildiğinde, numaranın temsil ettiği ya da taklit ettiği görünen şirket ya da kuruluş.
- Kimlik taklidi — Numaranın meşru bir kuruluş (banka, kamu yönetimi, tanınmış marka) gibi davranıp davranmadığına dair bir gösterge.
- Önerilen eylem — Kullanıcı için nihai öneri: engelle, dikkat et, görmezden gel ya da güvenli.
Bu analiz fikir verici niteliktedir ve topluluk katkılarından otomatik olarak üretilir; kullanıcının kendi muhakemesinin yerini almaz ve herhangi belirli bir şirkete karşı bir suçlama oluşturmaz.
Moderasyon: hiçbir şey incelemeden yayımlanmaz
Kalite kontrolü metodolojinin merkezindedir. Bildirimler ve yorumlar gönderildikleri anda kamuya açık dizinde görünmez: bir yönetici onaylayana kadar beklemede kalırlar. Ancak o zaman risk puanına dahil olurlar, yapay zeka analizini beslerler ve diğer kullanıcılara görünür hale gelirler.
Bu moderasyon kapısı iki amaca hizmet eder: sahte ya da kötü niyetli bildirimleri, bir numaranın itibarını etkilemeden önce eler ve yapay zekanın yalnızca doğrulanmış bilgiler üzerinde akıl yürütmesini sağlar. Beklemedeki bir bildirimin yazarı kendi katkısını görebilir, ancak onaylanana kadar başka hiç kimse göremez.
Veri kaynakları
Her numaranın değerlendirmesi üç bağımsız kaynağı birleştirir:
- Topluluk bildirimleri — Her şeyin temeli. Kullanıcılar numaraları uygulamadan ve web'den, anonim olarak, bir kategori ve bir yorumla bildirir. Moderasyondan sonra, puan için ana sinyaldir.
- CNMC operatör ve önek verileri — Her numaralandırma bloğuna atanan operatörü ve hat türünü (mobil, sabit hat, özel ücretli) belirlemek için Ulusal Piyasalar ve Rekabet Komisyonu'nun (CNMC) kamuya açık verilerini kullanırız.
- Şirket basın bültenleri (RSS) — Meşru kampanyaları tespit etmek ve gerçek bir şirket toplu iletişim yürüttüğünde yanlış pozitifleri azaltmak için şirketlerin haber odalarını RSS akışları üzerinden takip ederiz.