Zum Inhalt Zur Navigation Zur Subnavigation

Forschung

Der Fake-Shop Detector ist das Ergebnis mehrerer Forschungsprojekte seit dem Jahr 2018 und wird laufend weiterentwickelt. Der Datensatz zu Fake-Shops und Markenfälschern ist auf Anfrage für Forschungszwecke verfügbar. Bei Fragen zu einzelnen Projekten wenden Sie sich bitte an Mag.a  Louise Beltzung.

Beltzung, L.; Lindley, A.; Dinica, O.; Hermann, N.; Lindner, R. (2020). Real-Time Detection of Fake-Shops through Machine Learning. 10.13140/RG.2.2.20984.47363.

SINBAD 

Das Ziel des Projekts SINBAD ist es durch innovative, user-zentrierte Erhebungsmethoden, datengestützte Modelle und Vertiefung der Machine Learning-Verfahren neue Erkenntnisse zur proaktiven Fake-Shop Detektion zu gewinnen und wirkungsvolle Gegennarrative unter Einbindung des Bedarfsträgers BMSGPK zu entwickeln, mit denen KonsumentInnen gestärkt werden. Das Projekt wird finanziert durch Mittel des BMLRT in der KIRAS-Förderschiene 2020.

Projektname: SINBAD - Sicherheit und Prävention vor organisiertem Internet-Bestellbetrug für Anwender durch Maßnahmen der Digitalen-Forensik

Website: https://projekte.ffg.at/projekt/3807747 

Konsortium: Österreichisches Institut für angewandte Telekommunikation, Center for Digital Safety & SecurityCenter for Technology Experience (AIT Austrian Institute of Technology GmbH), X-Net Services GmbH, Ciuvo GmbH

Laufzeit: 2020-2022

DETECT

Das Ziel des Projekts ist Gamification-Elemente zum Detector-Plugin zu erarbeiten. Dadurch soll der Fake-Shop Detector zu einem Community Tool werden, das beim Aufdecken von Internetbetrug unterstützt. Interessierte User werden über ihr Engagement und über die Nutzung des Tools zu wertvollen Agenten in der Prävention und Aufdeckung von Kriminalität im Online-Handel. Relevante Behörden und InteressensvertreterInnen erhalten frühzeitig Warnmeldungen und können Aufgaben an die Community delegieren. Das Projekt wird unterstützt von der netidee, einer Förderaktion der Internetstiftung Austria.

Projektname: DETECT - Echtzeitschutz gegen Fake-Shops durch Community-Driven AI

Website:https://www.netidee.at/detect

Konsortium: Center for Digital Safety & Security des AIT Austrian Institute of Technology GmbH (Projektleitung), Österreichisches Institut für angewandte Telekommunikation

Laufzeit: 2021

INSPECTION

Ziel des Projekts INSPECTION ist es, gehackte Webseiten durch das Durchsuchen des deutschsprachigen Internets und durch Klassifikation der Seiten mit Methoden der künstlichen Intelligenz von außen automatisiert zu identifizieren. Es sollen zudem Methoden entwickelt werden, die es erlauben, Betroffene zu informieren, den Schaden zu beheben und das Risiko zukünftiger erfolgreicher Angriffe zu reduzieren. Dabei sollen sowohl Betroffene als auch Webseitenbetreiber für die Probleme sensibilisiert werden. Das Projekt wird vom deutschen Bundesministerium für Bildung Forschung im Zuge von KMU Innovativ gefördert, die Watchlist Internet ist als assoziierter Partner dabei.

Projektzusammenfassung: https://www.mindup.de/data-scientists/anwendungsfaelle/fake-online-shops 

Konsortium: mindUp Web + Intelligence GmbH (Projektleitung), Karlsruher Institut für Technologie (KIT), BDO AG, Hamburg, Host Europe GmbH, Allianz für Sicherheit in der Wirtschaft, Deutschland sicher im Netz e.V., ECO Verband - SIWECOS, Baden-Württembergischer Handwerkskammertag, Fachverband Elektro- und Informationstechnik BW, Österreichisches Institut für angewandte Telekommunikation, SWISS INTERNET SECURITY ALLIANCE

Laufzeit: 2020-2023

MAL2

Das Ziel von MAL2 (MAchine Learning detection of MALicious content) war es Deep Neural Networks und Unsupervised Learning zur automatisierten Detektion von betrügerischen Fake-Shops und schädlichen Android Apps (PHAs) einzusetzen und somit zur Verbesserung der Cyberkriminalitätsprävention beizutragen. Das Projekt MAL2 wurde unterstützt durch finanzielle Mittel des Fördergebers BMVIT in IKT der Zukunft 6. Ausschreibung der FFG.

Projektwebsite: https://www.malzwei.at/ 

Konsortium: Center for Digital Safety & Security, AIT Austrian Institute of Technology GmbH (Projektleitung), Österreichisches Institut für angewandte Telekommunikation, X-Net Services GmbH, Kuratorium Sicheres Österreich, Ikarus Security Software GmbH

Laufzeit: 2018-2020

KOSOH

Ziel des Projekts KOSOH (Konsumentenschutz im Online Handel) war die Erfassung des Wissens der Watchlist Internet in der manuellen Erkennung von Fake-Shops, um Machine Learning mit Neuronalen Netzen zur automatischen Klassifizierung von Webseiten auf Grund der Ähnlichkeit ihrer Sourcecode Merkmale sowie durch Verfahren der automatischen Identifikation von Gütesiegeln durch Bildanalyseverfahren verstärkt zu automatisieren. Das Projekt wurde mit Unterstützung finanzieller Mittel des BMLRT in der Förderschiene KIRAS 2018 finanziert. 

Projektzusammenfassung: https://www.kiras.at/gefoerderte-projekte/detail/d/kosoh-1

Konsortium: Center for Digital Safety & Security, AIT Austrian Institute of Technology GmbH (Projektleitung), Österreichisches Institut für angewandte Telekommunikation

Laufzeit: 2018-2020

Fake-Shop Datensatz

2.756 Fake-Shops sowie 283 seriöse Online-Shops wurden für die Machine-Learning Anwendung des MAL2-Projekts archiviert. Dieser Datensatz umfasst relevante Inhalte dieser Websites, die für die Klassifikation von Fake-Shops relevant sein könnten. Darunter fallen der gesamte HTML-Code, CSS-Code, Bilder einer URL sowie alle Links erster Ordnung. Dieser Datensatz steht für Forschungszwecke frei zur Verfügung und wird auf Anfrage geteilt.

Download: Nutzungsbedingungen

Hier geht es zum Anfrageformular.