Análisis de vishing mediante reconocimiento de voz e inteligencia artificial : Análisis lingüistico y reconocimiento de intenciones mediante procesamiento del lenguaje natural

El vishing aprovecha la voz para suplantar identidades, construir confianza y presionar de cisiones rápidas, con el fin de obtener datos sensibles. En este trabajo se implementa un prototipo de detección de vishing orientado a operación en tiempo cercano al tiempo real, que integra reconocimiento de voz (speech-to-text, STT) con procesamiento de lenguaje natural (NLP) y una capa afectiva basada en análisis de sentimientos. El desarrollo se or ganiza de manera iterativa, tomando como referencia un esquema inspirado en CRISP-DM, de modo que el flujo se ajusta a partir de resultados medibles. La clasificación central se realiza con Regresión Logística y representaciones TF-IDF, entre nada con un conjunto aproximado de 200000 muestras en español. En prueba, el modelo alcanza accuracy=0.9619 y F1-score=0.9591, manteniendo un equilibrio adecuado entre precision y recall. En la etapa de transcripción se comparan tres motores (DeepSpeech/ Google SR, Whisper y Silero) bajo tres perfiles de audio. La mejor combinación se obtiene con Silero en “Oficina Tranquila”, con 84.2% de similitud y WER de 16.8%; en contraste, Whisper en VoIP registra 52.6% de similitud y WER de 48.2%. Para la dimensión afecti va, BETO muestra el comportamiento más consistente al cumplir los valores esperados en guiones fraudulento, legítimo y ambiguo (41.9%, 20.5% y 16.7%). Finalmente, el sistema consolida la evidencia mediante una estrategia multinivel y mecanismos de explicabilidad que facilitan su interpretación y auditoría.