Sicherheit und Prävention vor organisiertem Internet-Bestellbetrug für AnwenderInnen durch Maßnahmen der Digitalen-Forensik

Prävention ist ein wesentliches Instrument zur Bekämpfung von Cyberkriminalität. Technologische Lösungen, die Verbraucher aktiv warnen und schützen, sind eine wichtige Ergänzung zu existierenden Präventionsmaßnahmen. Methoden des maschinellen Lernens (ML) haben sich in diesem Bereich in den letzten fünf Jahren entscheidend verbessert, so etwa ermöglicht das MAL2 Projekt die Klassifizierung von Fake-Shops mit Erkennungsraten von über 90% im Praxiseinsatz.

SINBAD leitet den spezifischen Bedarf an Sicherheitsforschung in folgenden Bereichen ab: Erforschung von Lücken im Informationsraum, Bereitstellung spezifischer Fortschritte, proaktiver Verbraucherschutz und Entwicklung von Gegennarrativen. Eine umfassende Analyse des Fake-Shop-Betrugs erfolgt über (1) ein technologiegestütztes Monitoring mit realen Personen zur Erhebung von Daten zu gelisteten Produkten und Preisen, (2) eine Dark-Web-Recherche zu modularen Fake-Shop-Systemen, (3) die Analyse von Wegen und Methoden der Zielgruppenansprache durch betrügerischen eCommerce (Werbung, Social Media, Suchmaschinen) sowie die Erhebung von Verbraucherbedürfnissen. Durch proaktives Screening von neu registrierten Domains in der DACH-Region wird die Effizienz der Fake-Shop-KI-Detektor-Prototypen hinsichtlich ihrer Fähigkeit, das Window of Opportunity (WoO) von betrügerischen Angeboten zu verringern, evaluiert und ein interdisziplinärer Maßnahmenkatalog abgeleitet.

Die Ziele des Projekts sind:

• Gewinnen von neuen Einsichten in die Möglichkeiten der proaktiven Erkennung von Fake-Shops durch nutzerzentrierte Methoden, datenbasierte Modelle und die Vertiefung von maschinellen Lernprozessen;
• Entwicklung wirksamer Gegenargumente, durch die die Verbraucher gestärkt und geschützt werden.

Fakten:

• Projektbeginn: Oktober 2020
• Projektdauer: 24 Monate
• Haushaltsmittel: ca. 260k EUR

Förderung: FFG KIRAS