海报：探索基于音频的土耳其电话诈骗检测的局限性

诈骗电话利用了世界各地的弱势群体，但检测研究几乎完全集中在英语和其他资源丰富的语言上。在土耳其等资源匮乏的环境中，检测尤其困难，因为注释数据稀缺且技术防御仍然有限。本研究通过引入第一个包含 100 个对齐的诈骗和良性对话音频转录对的公共多模态数据集，研究 大语言模型 (LLM) 如何支持土耳其语的诈骗检测。我们在三种输入条件下评估了涵盖三个型号系列的七个 LLM：Gemini 2.5（Flash、Flash-Lite、Pro）、GPT-4o 和 Qwen（Max、Plus、Turbo）：原始音频、自动语音转文本转录和母语人士精炼的转录。我们的结果表明，基于转录的输入始终优于直接音频处理，而人工校正和未校正的转录的性能相当。通过以资源匮乏的语言和现实世界的威胁为中心，这项工作强调了对文化和语言包容性人工智能安全研究以及更强大的多模式预防欺诈系统的迫切需要。