idw - Informationsdienst
Wissenschaft
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 dem 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 sind in der Fachzeitschrift Journal of the Association for Information Systems erschienen.
(pug) 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 weiterer 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 zum Beispiel von Spam-Filtern bekannt. Jedoch existiert bei bestehenden Ansätzen ein zentrales Problem: Damit ihre Nachrichten nicht mehr erkannt werden, passen Betrügerinnen und Betrüger ihre Nachrichteninhalte kontinuierlich an und vermeiden bestimmte Wörter, anhand derer die Fake News identifiziert werden. Hier setzt das neue Verfahren der Wirtschaftswissenschaftler an: Um Fake News trotz solcher Umgehungsstrategien zu erkennen, kombinieren sie hohe Erkennungsraten mit einer hohen Robustheit. Auch wenn also „verdächtige“ Wörter aus dem Text genommen werden, werden die Fake News trotzdem anhand ihrer linguistischen Merkmale erkannt. „Betrüger stehen damit vor einem Dilemma. Sie können einem Aufdecken nur entgehen, wenn Sie die Stimmung des Textes zum Beispiel ins Negative ändern“, ergänzt Dr. Michael Siering von der Goethe-Universität Frankfurt, „dann würden sie jedoch das Ziel verfehlen, andere Marktteilnehmer beispielsweise zum Aktienkauf zu verleiten“.
Das neue Verfahren kann beispielsweise bei der Marktüberwachung 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. Ebenso ist ein Einsatz in der Strafverfolgung denkbar.
Prof. Dr. Jan Muntermann
Georg-August-Universität Göttingen
Wirtschaftswissenschaftliche Fakultät
Professur für Betriebswirtschaftslehre, insb. Electronic Finance und Digitale Märkte
Platz der Göttinger Sieben 5, 37073 Göttingen
Telefon 0551 39 27062
muntermann@wiwi.uni-goettingen.de
www.efinance.uni-goettingen.de
Dr. Michael Siering
Goethe-Universität Frankfurt
Fachbereich Wirtschaftswissenschaften
Professur für Betriebswirtschaftslehre, insbesondere e-Finance
Theodor-W.-Adorno-Platz 4
60629 Frankfurt am Main
siering@wiwi.uni-frankfurt.de
https://www.efinance.wiwi.uni-frankfurt.de
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
Prof. Dr. Jan Muntermann
Frank Lemburg/Fotostudio Wilder
Criteria of this press release:
Journalists, Scientists and scholars
Economics / business administration
transregional, national
Research results
German
You can combine search terms with and, or and/or not, e.g. Philo not logy.
You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).
Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.
You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).
If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).