Gefälschte Bewertungen bald mit KI entlarvt

Forscher der Texas Tech University entwickeln neues Werkzeug zum Schutz des Online-Handels

Bewertung: KI erkennt gefälschte Einträge (Bild: Gerd Altmann, pixabay.com)

Lubbock (pte001/17.09.2025/06:00)

Mithilfe von maschinellem Lernen, computergestützter Sprachverarbeitung und Künstlicher Intelligenz (KI) erkennen Ying Liu von der Texas Tech University und seine Doktorandin Pallavi Zambare gefälschte Produkt- und Unternehmensbewertungen auf E-Commerce-Plattformen. Diese Fälschungen nehmen zu, um minderwertige Produkte leichter verkaufen zu können oder Konkurrenten zu schaden. Letztlich könnten diese Manipulationen das Vertrauen in digitale Marktplätze untergraben.

Fälschungen schwer zu erkennen

Die Urheber dieser Bewertungen verwenden häufig erfundene Profile und sorgfältig formulierte Sprache, wodurch sie schwer von echten Kundenbewertungen zu unterscheiden sind. Darüber hinaus werden mittlerweile große Sprachmodelle, umgangssprachlich als generative KI bezeichnet, eingesetzt, um authentisch wirkende Spam-Bewertungen zu generieren, was die Erkennung zusätzlich erschwert.

Konkret setzen die Forscher "Computational Opinion Mining" ein, mit der Texte analysiert werden, um Stimmungen und Bedeutungen zu extrahieren und Muster zu erkennen, die auf betrügerische Aktivitäten hindeuten. Zu den traditionellen Techniken gehören das Filtern nach verdächtigen Schlüsselwörtern, die Überwachung abnormaler Posting-Muster, die Bewertung der Glaubwürdigkeit von Rezensenten und der Einsatz von Verifizierungswerkzeugen wie Anti-Spam-CAPTCHAs.

In jüngerer Zeit haben Fortschritte im Bereich des maschinellen Lernens und der natürlichen Sprachverarbeitung, die es Computern ermöglichen, menschliche Sprache zu interpretieren, automatisierte Systeme in die Lage versetzt, subtile sprachliche Eigenarten und Zusammenhänge zu erkennen, die auf gefälschte Inhalte hinweisen.

Training mit Echtem und Gefälschtem

Im Mittelpunkt ihres Ansatzes stehen sogenannte Ground-Truth-Datensätze. Dabei handelt es sich um geprüfte Beispiele für echte und gefälschte Bewertungen. Diese Datensätze dienen als Referenz für das Training von Modellen des maschinellen Lernens, um subtile Indikatoren für Täuschung in fremden Bewertungen zu erkennen, darunter ungewöhnliche Schreibstile, Inkonsistenzen in der Stimmung oder Anomalien in der Satzstruktur.

Schließlich kombinieren die Entwickler ein Deep-Learning-Framework, das sich für die Identifizierung komplexer Muster eignet, mit einem traditionellen statistischen Klassifikator. Die Erkennungsrate liegt bei Tests mit Standarddatensätzen zwischen 96 und 99 Prozent. Angesichts des E-Commerce-Booms werden genaue Spam-Erkennungssysteme immer wichtiger, um die Zuverlässigkeit digitaler Marktplätze zu gewährleisten und Transparenz und Vertrauenswürdigkeit zu stärken.

Aussender:	pressetext.redaktion
Ansprechpartner:	Wolfgang Kempkens
Tel.:	+43-1-81140-300
E-Mail:	kempkens@pressetext.com
Website:	www.pressetext.com