Von der Masterarbeit zur EACL 2024: ScamSpot im Kampf gegen Finanzbetrug auf Instagram
28. Mai 2024
Auf der EACL 2024 in Malta stellte ein Wirtschaftsinformatik-Absolvent das Projekt ScamSpot vor, das im Zuge seiner Masterarbeit entwickelt wurde. ScamSpot nutzt Machine-Learning zur Erkennung von betrügerischen Instagram-Kommentaren und bietet Nutzern eine sichere Online-Erfahrung.
Stefan Erben, Absolvent des Double Degree Programms des Master-Studiengangs Wirtschaftsinformatik der FH Technikum Wien und des Masterstudiums IT, Digitalization & Sustainability der Hochschule Luzern, hat zusammen mit dem Erstbetreuer seiner Masterarbeit Andreas Waldis (HSLU) das Paper ScamSpot: Fighting Financial Fraud in Instagram Comments bei der 18. Konferenz of the European Chapter of the Association for Computational Linguistics (EACL) 2024 vorgestellt.
Die EACL 2024 fand vom 17. bis 22. März 2024 in St. Julians, Malta, statt und ist eine bedeutende Veranstaltung im Bereich der Computerlinguistik. Sie bietet Forscher*innen eine wertvolle Plattform, um ihre neuesten Arbeiten und Forschungsergebnisse zu präsentieren und zu diskutieren. Das umfangreiche Konferenzprogramm umfasste Themen wie Computerlinguistik, Sprachverarbeitung und maschinelles Lernen für Natural Language Processing.
ScamSpot entstand im praktischen Teil der Masterarbeit
Der Prototyp für ScamSpot entstand im praktischen Teil der Masterarbeit von Stefan Erben und wurde für das Paper weiterentwickelt. ScamSpot ist eine innovative Lösung zur Bekämpfung von Finanzbetrug auf Instagram, einer Social Media Plattform, die zunehmend mit betrügerischen Inhalten in Kommentarspalten zu kämpfen hat. Besonders Seiten mit Finanzfokus sind betroffen, was zu Betrugsfällen, Vertrauensverlust und einer unsicheren Umgebung für unerfahrene Nutzer*innen führt. Finanzbetrug hat sich von traditionellen Methoden wie Telefonanrufen und E-Mails auf soziale Medien verlagert, wobei neue und unerfahrene Anleger*innen besonders gefährdet sind und erhebliche Geldsummen verlieren können.
ScamSpot verwendet Machine-Learning-Techniken, speziell die Optimierung eines BERT-Modells. Bei ScamSpot handelt es sich um eine Google Chrome Browsererweiterung, die es Nutzer*innen ermöglicht, die Authentizität von Instagram-Kommentaren zu Finanzthemen direkt auf der Webseite zu überprüfen. ScamSpot kann Kommentare auf Instagram mit hoher Präzision klassifizieren und die Ergebnisse den Nutzer*innen in Echtzeit mitteilen, wodurch eine sichere und betrugsfreie Umgebung geschaffen wird.
Paper mit weiteren Details:
Download
Weiterführende Links:
ScamSpot
Fakultät Computer Science & Applied Mathematics
Master-Studiengang Wirtschaftsinformatik
Dieses eindrucksvolle Beispiel zeigt, wie Studierende im Rahmen ihrer Masterarbeit an Lösungsvorschlägen für praxisrelevante Probleme arbeiten und gleichzeitig wissenschaftliche Relevanz erzielen. Die Teilnahme an einer angesehenen Konferenz wie der EACL 2024 zeigt, dass praxisorientierte Forschung und wissenschaftliche Exzellenz Hand in Hand gehen können.