연구진은 54일간 AI 음성 에이전트 허니팟이 전화를 받아 대화를 유지하며 수집한 스캠·스팸 전화 1만211건(오디오 913시간, 발신번호 5780개, 전사 33만956개 턴)을 전량 분석했다. 스캠 조직은 평일에 주말보다 6.6배 많은 통화를 하는 등 '업무 시간'을 지키고, 수천 개의 일회용 번호가 재활용되는 30개의 오프닝 클러스터(상위 5개가 절반 차지)를 돌려쓰며, 결제 정보보다 집 주소·생년월일 같은 신원 정보를 집요함과 꾸며낸 권위로 더 자주 요구했다. 무작위로 배정된 가상 신원 10종을 이용한 실험에서는 대상의 겉보기 나이가 10년 늘어날 때마다 대화 턴이 약 15% 늘었지만 요구하는 정보의 종류는 바뀌지 않았고(민감정보 요청 26.3%), 스캠 여부는 첫 문장만으로 ROC-AUC 0.72, 여덟 번째 문장까지 가면 0.87로 조기 탐지가 가능했다.

• •AI 음성 허니팟으로 54일간 수집한 스쾨·스팸 전화 10,211건 전수 분석
• •스쾨은 평일에 6.6배 많은 통화를 하며 30개 오프닝 클러스터를 재활용하는 '업계' 같은 운영
• •결제정보보다 집주소·생년월일 같은 신원 정보를 더 자주 요구
• •대상 나이가 높을수록 대화 턴은 늘지만 요구 정보 종류는 동일, 첫 문장만으로도 ROC-AUC 0.72로 조기탐지 가능