Wissenschaftler der Goethe-Universität und der Universität Göttingen erarbeiten robustes System zur Erkennung von Manipulationen
Soziale Medien werden zunehmend dafür genutzt, um gezielt Falschnachrichten zu streuen. Auch an Kapitalmärkten besteht dieses Problem: Kriminelle verbreiten Fake News zu Unternehmen, um beispielsweise Aktienkurse zu manipulieren. Wirtschaftswissenschaftler der Universitäten Göttingen und Frankfurt sowie des Jožef Stefan Institute in Ljubljana haben nun ein Modell entwickelt, mit dem solche Falschnachrichten erkannt werden können, auch wenn sie immer wieder angepasst werden. Die Ergebnisse der Studie wurden in der Fachzeitschrift Journal of the Association for Information Systems veröffentlicht.
FRANKFURT. Um
Falschinformationen – häufig fiktive Sachverhalte, die ein Unternehmen in
positivem Licht erscheinen lassen – zu erkennen, erstellten die Wissenschaftler
mittels Verfahren des Maschinellen Lernens Modelle, mit denen verdächtige
Nachrichten anhand der Nachrichteninhalte und anderer theoriebasierter
linguistischer Merkmale identifiziert werden können.
„Hier wird auf weitere Aspekte des Nachrichtentextes geschaut, wie
etwa die Verständlichkeit der Sprache und die Stimmung, die der Text
vermittelt“, sagt Prof. Dr. Jan Muntermann von der Universität Göttingen.
Grundsätzlich ist der Ansatz bekannt – zum Beispiel von Spam-Filtern. Bei
bestehenden Ansätzen existiert jedoch ein zentrales Problem: Damit ihre
Nachrichten nicht mehr erkannt werden, passen Betrügerinnen und Betrüger die
Nachrichteninhalte kontinuierlich an und vermeiden bestimmte Wörter, anhand
derer die Fake News identifiziert werden können.
Hier setzt das neue Verfahren der Wirtschaftswissenschaftler an:
Um Fake News trotz solcher Umgehungsstrategien zu erkennen, kombinieren sie
hohe Erkennungsraten mit einer hohen Robustheit. Auf diese Weise werden die
Fake News anhand ihrer linguistischen Merkmale erkannt, selbst wenn „verdächtige“
Wörter aus dem Text genommen wurden. „Betrüger stehen damit vor einem Dilemma.
Sie können einem Aufdecken nur entgehen, wenn Sie zum Beispiel die Stimmung des
Textes ins Negative ändern“, erklärt Dr. Michael Siering von der Goethe-Universität.
„Dann würden sie jedoch ihr Ziel verfehlen, andere Marktteilnehmer
beispielsweise zum Aktienkauf zu verleiten“, so Siering weiter.
Das neue Verfahren kann zum Beispiel bei der Marküberwachung
eingesetzt werden, um den Handel betroffener Wertpapiere zeitweise auszusetzen.
Zum anderen bietet es Anlegerinnen und Anlegern wertvolle Hinweise, um auf
entsprechende Betrugsszenarien nicht mehr hereinzufallen. Auch ein Einsatz in
der Strafverfolgung wäre denkbar.
Publikation:
Michael
Siering, Jan Muntermann, Miha Grčar.
Design Principles for Robust Fraud Detection: The Case
of Stock Market Manipulations. Journal of the Association for Information
Systems (2021). https://aisel.aisnet.org/jais/vol22/iss1/4
Weitere
Informationen
Dr. Michael
Siering
Goethe-Universität
Frankfurt
Fachbereich
Wirtschaftswissenschaften
Professur
für Betriebswirtschaftslehre, insbesondere e-Finance
siering@wiwi.uni-frankfurt.de
https://www.efinance.wiwi.uni-frankfurt.de
Prof.
Dr. Jan Muntermann
Georg-August-Universität
Göttingen
Wirtschaftswissenschaftliche
Fakultät
Professur
für Betriebswirtschaftslehre, insb. Electronic Finance und Digitale Märkte
Telefon
0551 39-27062
muntermann@wiwi.uni-goettingen.de
www.efinance.uni-goettingen.de