Chatbot intelligent pour identifier les arnaques et les logiciels malveillants sur WhatsApp et générer des recommandations pour les utilisateurs
Mots-clés :
Chatbot, cybersécurité, fraude numérique, reconnaissance optique de caractères, WhatsAppRésumé
La recrudescence des escroqueries numériques et la diffusion de contenus malveillants sur les applications de messagerie instantanée, notamment WhatsApp, constituent un problème majeur qui compromet la sécurité financière et le bien-être des utilisateurs, les personnes âgées étant particulièrement vulnérables. Dans ce contexte, un chatbot a été développé à l'intention des utilisateurs sans compétences techniques. Capable d'analyser les messages et les images reçus via WhatsApp, il identifie les signes d'escroquerie ou de logiciels malveillants potentiels et propose des recommandations préventives claires et concrètes. Une approche quantitative et un développement itératif ont été mis en œuvre : un ensemble de données a été constitué à partir de messages réels et simulés, anonymisés et étiquetés ; le texte a été normalisé grâce à des techniques de traitement automatique du langage naturel et représenté par l'inverse de la fréquence des termes dans les documents ; un modèle de classification basé sur les machines à vecteurs de support a ensuite été entraîné. Concernant la partie visuelle, un prétraitement a été implémenté, utilisant la vision par ordinateur et la reconnaissance optique de caractères, afin d'extraire le texte des captures d'écran et de l'évaluer avec le même pipeline d'analyse. L'intégration du système a été réalisée via l'interface officielle de WhatsApp et un service web permettant de recevoir et de répondre aux messages. Les résultats affichent une précision de 93 % dans la classification des messages, un taux de réussite de 96 % aux tests fonctionnels (48 interactions sur 50 traitées correctement) et une extraction de texte exploitable de 85 % lors de l'analyse d'images. La validation opérationnelle avec de véritables messages frauduleux a atteint une précision fonctionnelle de 90 %. Globalement, le chatbot démontre sa viabilité technique et sa performance stable pour la détection des menaces dans les textes et les images sur WhatsApp, ainsi que pour la fourniture de recommandations préventives aux utilisateurs, contribuant ainsi à réduire les risques de fraude numérique dans les messageries quotidiennes.
Références
[1] Nasdaq Verafin, "2024 Global Financial Crime Report", 2024. [Online]. Disponible en: https://verafin.com/nasdaq-verafin-global-financial-crime-report/
[2] Policía Nacional de Colombia, Dirección de Investigación Criminal e INTERPOL, Centro Cibernético Policial, "Balance Anual 2024", 2024. [Online]. Disponible en: https://caivirtual.policia.gov.co/sites/default/files/observatorio/BALANCE%20ANUAL%20CECIP%202024_1.pdf
[3] ESET, "ESET Security Report LATAM 2023", 2023. [Online]. Disponible en: https://web-assets.esetstatic.com/wls/es/articulos/reportes/eset-security-report-latam2023.pdf
[4] P. B. Medina, A. Carofilis, E. Fidalgo, and E. Alegre, "Preprocesado de imagen y OCR para mejorar detección de smishing", Jornadas de Automática, vol. 45, 2024.
[5] M. D. P. Rojas Puentes, C. J. Parada, and J. L. Leal Pabón, “Estructuras desglosadas de trabajo (EDT) en la gestión de alcance de proyectos de desarrollo de software”, RCTA, vol. 1, no. 39, pp. 51–58, Jan. 2022, doi: 10.24054/rcta.v1i39.1375.
[6] R. de B. Contreras- Manrique, T. V. Ovalle Lizcano, L. Contreras Manrique, D. L. Coronel Peñuela, and Z. A. Rincón Suárez, “TIC y los delitos informáticos”, RCTA, vol. 1, no. 41, pp. 104–110, May 2023, doi: 10.24054/rcta.v1i41.2511.
[7] M. V. Pineda and A. M. Á. Quiceno, "Análisis de herramientas de ciberseguridad para pymes en Colombia", Revista CIES, vol. 14, no. 2, pp. 221–241, 2023.
[8] J. M. Arengas Acosta, M. Lopez Ramirez, and R. Guzman Cabrera, “Impacto del preprocesamiento en la clasificación automática de textos usando aprendizaje supervisado y reuters 21578”, RCTA, vol. 1, no. 43, pp. 110–118, Mar. 2024, doi: 10.24054/rcta.v1i43.2506.
[9] K. Beck, Extreme Programming Explained: Embrace Change, 2nd ed. Boston, MA, USA: Addison-Wesley, 2004.
[10] N. E. Céspedes Prieto, L. C. Cervantes Estrada, and L. Y. Martínez Fonseca, “Realidad aumentada como recurso de formación en las fuerzas militares Caso policial - Escuela de Cadetes General Santander”, RCTA, vol. 1, no. 41, pp. 66–78, May 2023, doi: 10.24054/rcta.v1i41.2419.
[11] C. D. Manning, P. Raghavan, and H. Schütze, Introduction to Information Retrieval. Cambridge, U.K.: Cambridge University Press, 2008. [Online]. Disponible en: https://nlp.stanford.edu/IR-book/
[12] R. Tapiero, A. Gonzalez, and N. Novoa, “Seguridad en redes SDN y sus aplicaciones”, RCTA, vol. 1, no. 37, pp. 108–117, Mar. 2021, doi: 10.24054/rcta.v1i37.1262.
[13] C. Cortes and V. Vapnik, "Support-vector networks", Machine Learning, vol. 20, no. 3, pp. 273–297, 1995, doi: 10.1007/BF00994018. [Online]. Disponible en: https://doi.org/10.1007/BF00994018
[14] I. S. Escobar Martínez, K. Marceles Villalba, and S. Amador Donado, “Fortalecimiento de infraestructuras educativas críticas: un enfoque de Red Team y metodologías avanzadas para la evaluación de vulnerabilidades”, RCTA, vol. 1, no. 45, pp. 159–169, Jan. 2025, doi: 10.24054/rcta.v1i45.2966.
[15] OpenCV, "OpenCV-Python Tutorials", OpenCV Documentation. [Online]. Disponible en: https://docs.opencv.org/4.x/d6/d00/tutorial_py_root.html
[16] L. A. . Lasso Cardona, E. . Rincón Reyes, and G. D. . Estrada Holguín, “Introducción a la evaluación de capacidades: una revisión teórica”, RCTA, vol. 2, no. 36, pp. 34–43, Jul. 2020, doi: 10.24054/rcta.v2i36.18.
[17] Meta Platforms, Inc., "WhatsApp Business Platform — Developer Documentation (Cloud API)", Meta for Developers. [Online]. Disponible en: https://developers.facebook.com/documentation/business-messaging/whatsapp/overview
[18] O. A. Tobar Rosero, L. F. Quintero Henao, and E. Pérez González, “Subestaciones digitales: impulsando la sostenibilidad y ciberseguridad para el sector eléctrico a partir de soluciones emergentes”, RCTA, vol. 2, no. 46, pp. 132–140, Jul. 2025, doi: 10.24054/rcta.v2i46.4101.
[19] N. S. Sandoval Carrero, N. M. Acevedo Quintana, and L. M. Santos Jaimes, “Lineamientos desde la industria 4.0 a la educación 4.0: caso tecnología IoT”, RCTA, vol. 1, no. 39, pp. 81–92, Feb. 2022, doi: 10.24054/rcta.v1i39.1379.
[20] PostgreSQL Global Development Group, "PostgreSQL Documentation", PostgreSQL. [Online]. Disponible en: https://www.postgresql.org/docs/
[21] S. F. Schwarz, P. Fonseca, and A. Rocha, “Smishing Detection From a Messaging Platform View,” IEEE Access, 2025, doi: 10.1109/ACCESS.2025.3597903. [Online]. Disponible en: https://doi.org/10.1109/ACCESS.2025.3597903
[22] U. Maqsood, S. ur Rehman, T. Ali, K. Mahmood, T. Alsaedi, and M. Kundi, “An Intelligent Framework Based on Deep Learning for SMS and E-mail Spam Detection,” Applied Computational Intelligence and Soft Computing, vol. 2023, Art. no. 6648970, 2023, doi: 10.1155/2023/6648970. [Online]. Disponible en: https://doi.org/10.1155/2023/6648970
[23] J. R. León Naranjo, M. M. Oleas Morán, and K. Z. Pimentel Salazar, "El papel de la inteligencia artificial en la detección del phishing", LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, vol. 6, no. 4, pp. 2330–2340, Aug. 2025, doi: 10.56712/latam.v6i4.4437. [Online]. Disponible en: https://doi.org/10.56712/latam.v6i4.4437
[24] N. J. van Eck and L. Waltman, "Software survey: VOSviewer, a computer program for bibliometric mapping", Scientometrics, vol. 84, no. 2, pp. 523–538, 2010, doi: 10.1007/s11192-009-0146-3. [Online]. Disponible en: https://doi.org/10.1007/s11192-009-0146-3
[25] C. Henriquez Miranda, J. D. Rios Perez, and G. Sanchez-Torres, “Hacia la mejora de la enseñanza en programación orientada a objetos: la integración de la asistencia de chatbot inteligente y la implementación del profesor Alex”, RCTA, vol. 1, no. 43, pp. 134–143, May 2024, doi: 10.24054/rcta.v1i43.2803.
[26] Telegram, “Telegram Bot API,” Telegram Developers (actualizado Aug. 15, 2025). [Online]. Disponible en: https://core.telegram.org/bots/api
[27] R. Jiménez Moreno, A. M. Castro Pescador, and A. A. Espitia Cubillos, “Aprendizaje profundo para selección de opciones numéricas por voz como herramientas para chatbot”, RCTA, vol. 1, no. 45, pp. 74–81, Jan. 2025, doi: 10.24054/rcta.v1i45.3044.
[28] Medina-Barahona, C. J., Mora, G. A., Calvache-Pabón, C., Salazar-Castro, J. A., Mora-Paz, H. A., & Mayorca-Torres, D. (2022). Propuesta de arquitectura IOT orientada a la creación de prototipos para su aplicación en plataformas educativas y de investigación. Revista Colombiana de Tecnologías de Avanzada (RCTA), 1(39), 118–125
[29] M. Rojas Puentes, C. Parada, y J. Leal Pabón, «Estructuras desglosadas de trabajo (EDT) en la gestión de alcance de proyectos de desarrollo de software», Revista Colombiana de Tecnologías de Avanzada, vol. 1, n.o 39, pp. 51-58, 2023, doi: 10.24054/rcta.v1i39.1375.
[30] Meneses, J. E., Garavito, F. A., & Meneses, E. (2021). Identificación de fallas en sistemas de bombeo mecánico de petróleo utilizando neurofuzzy. Revista Colombiana de Tecnologías de Avanzada, 1(37), 10-22. https://dialnet.unirioja.es/servlet/articulo?codigo=9377711
