Suchen

Big Data Analytics gegen Klick-Betrug So lassen sich betrügerische Bots enttarnen

| Autor / Redakteur: Dipl.-Phys. Oliver Schonschek / Nico Litzel

Programme wie Chatbots, die automatisiert und selbstständig Aufgaben ausführen, sind in Mode und versprechen viele Vorteile. Doch es gibt eine Kehrseite: Als Klick-Bots zum Beispiel können sie werbende Unternehmen finanziell schädigen. Mit Big Data Analytics werden sie nun gejagt.

Firmen zum Thema

Der Betrug mit Bots kann für Online-Kriminelle sehr lukrativ sein. Mithilfe von Big Data Analytics können sich Unternehmen jetzt wehren.
Der Betrug mit Bots kann für Online-Kriminelle sehr lukrativ sein. Mithilfe von Big Data Analytics können sich Unternehmen jetzt wehren.
(Bild: © Tatiana Shepeleva – Fotolia.com)

Chatbots und digitale Agenten werden immer häufiger die Interaktion von Benutzern mit ihren elektronischen Geräten und deren Benutzeroberflächen prägen und auch von Unternehmen für die Steuerung ihres Geschäfts eingesetzt werden, so die Prognose von Sage. Deshalb werden Chatbots auch von Sage zu den Technologie-Trends 2017 gerechnet.

Jeder vierte Bundesbürger (25 Prozent) kann sich vorstellen, solche Chatbots zu nutzen. Das hat eine repräsentative Befragung im Auftrag des Digitalverbands Bitkom ergeben. Internetkriminelle sind aber bereits weiter, sie stellen es sich nicht nur vor, Bots als automatisierte Software-Agenten zu nutzen, sie machen es bereits.

Betrug im Online-Marketing greift um sich

Online-Kriminelle haben viele Ideen, wie sie Bots für ihre Ziele einsetzen können, zum Beispiel im Klick-Betrug, auch Ad Fraud genannt: Wenn Bots als Software-Automaten massenhaft Werbeanzeigen im Internet aufrufen, kann dies die Kosten für die werbetreibenden Unternehmen in die Höhe schnellen lassen, ohne dass tatsächlich Interessenten erreicht werden. Werbenetzwerke, die ihre Mitglieder nicht gegen Ad Fraud schützen, können an dem Klick-Betrug genauso verdienen wie kriminelle Webseitenbetreiber, die Werbeplätze anbieten und dann selbst für die lohnenden Klicks auf die Anzeigen sorgen.

Wie groß der Schaden durch Klick-Bots sein kann, zeigt eine Studie von ANA (Association of National Advertisers) und dem Security-Unternehmen White Ops. Demnach führten kriminelle Bots in 2016 bei Werbetreibenden zu einem Schaden von sieben Milliarden US-Dollar. Keine Frage, die Abwehr solcher Klick-Bots ist nicht nur lohnend, sondern zwingend erforderlich. Doch wie unterscheidet man menschliche Interessenten, die die Online-Anzeigen anklicken, von den schädlichen Klick-Bots? Die Antwort: mit Big Data.

Mit Big Data gegen Bots

Die Abwehr bösartiger Bots wie den Klick-Bots basiert auf Big Data Analytics: Lösungen wie Unbotify sammeln und analysieren das Klickverhalten und suchen nach biometrischen Kennzeichen echter Nutzer wie die Bewegungen der Computermaus, die Tastatureingaben, die Berührung der Smartphone-Displays und die für den Nutzer typischen Werte der Lagesensoren mobiler Endgeräte. Die Auswertung dieser Daten wird genutzt, um Anomalien im Klickverhalten zu entdecken.

Um die echten Nutzer „kennenzulernen“ und so besser von den Klick-Bots unterscheiden zu können, setzt eine Lösung wie Unbotify neben Big Data Analytics auch auf Machine Learning (ML). Einen ähnlichen Ansatz zur Bot-Erkennung findet man bei BehavioSec, auch Telepath von CyKick Labs macht eine Big-Data-Analyse des Nutzerverhaltens, um Anomalien aufzudecken.

Auf den ersten Blick erscheint es einfach, Bots auf Basis biometrischer Merkmale zu entdecken, denn letztlich haben Bots diese gar nicht, sie berühren keine Smartphone-Displays und halten keine mobilen Endgeräte in einer für sie typischen Position. In Wirklichkeit ist es aber nicht so einfach, denn Klick-Bots können ebenfalls mit Machine Learning (ML) und Artificial Intelligence (AI) arbeiten.

Sie können ebenso echte Nutzer analysieren und als Vorbild nehmen, die Anwender ausforschen und die entsprechenden Werte der Sensoren simulieren. Das ist allerdings weder einfach noch billig für die Online-Kriminellen, sodass ihr Geschäftsmodell ins Wanken geraten könnte. Klick-Bots werden also in aller Regel nicht so intelligent sein wie die Abwehrsysteme, so die gegenwärtige Einschätzung.

Datenschutz bei Verhaltensanalysen beachten

Nicht vergessen werden darf aber, dass die Big-Data-Analysen nicht zu weit gehen dürfen, nicht bis in die Identifizierung einzelner, echter Nutzer. Die Abwehr von Klick-Bots darf nicht dazu führen, dass die echten Nutzer so durchleuchtet werden, dass sie als Person identifizierbar sind, ohne dass die betroffenen Personen informiert und um Einwilligung gebeten wurden.

Eine Identifizierung auf Nutzerebene ist für die Abwehr von Klick-Betrug auch gar nicht nötig, es reicht, wenn sich Mensch und Maschine möglichst zuverlässig unterscheiden lassen. Allerdings könnte die Nutzeridentifizierung im Bereich Werbung verlockend erscheinen. Hierzu darf man es aber nicht kommen lassen.

(ID:44612950)

Über den Autor

Dipl.-Phys. Oliver Schonschek

Dipl.-Phys. Oliver Schonschek

IT-Fachjournalist, News Analyst, Influencer und News Analyst / Commentator bei Insider Research