Mehr Transparenz und Offenheit – das haben wir uns bei LOVOO nach den Ereignissen im Juni dieses Jahres auf die Fahne geschrieben. Künftig wollen wir deshalb quartalsweise einen “Fake and Spam Transparency Report” veröffentlichen, um Einblick in interne Zahlen sowie unseren täglichen Kampf gegen den Spam zu geben. Der erste Report befasst sich vor allem mit grundlegenden Begriffen und Abläufen bei LOVOO.

Wie wird ein Nutzer bei LOVOO zum Spammer?

Das ist eine der ersten Fragen, die wir beantworten müssen und wollen. Denn Nutzer können auf ganz unterschiedliche Weise zum Spammer werden:

    • Zum einen haben Nutzer die Möglichkeit, andere Nutzer zu melden. Wurde ein Nutzer häufig gemeldet, erfolgt eine automatische Prüfung und der Nutzer wird blockiert (sprich: als Spammer markiert). Er kann die App dann nicht länger nutzen und ist auch für andere Nutzer nicht mehr sichtbar.
    • Eine zweite Möglichkeit ist eine Blockierung durch unser Anti-Spam-System. Dieses erkennt automatisch, dass es sich bei einem Nutzer um einen Spammer handelt und sperrt diesen unverzüglich.
    • Desweiteren tut unser Support sein Bestes, um so schnell wie möglich auf Meldungen zu reagieren. So stellen wir sicher, dass Spammer möglichst frühzeitig gesperrt werden – noch bevor die kritische Menge an Meldungen erreicht ist.

 

Doch wie viele unserer Nutzer sind eigentlich tatsächlich Spammer? Wie viele wurden entweder durch häufige Meldungen anderer Nutzer, durch den Support oder das Anti-Spam-System als Spammer identifiziert?
Die folgende Grafik zeigt das Verhältnis von Spammern zu täglich aktiven Nutzern (DAU – daily active user) für den Zeitraum von Juli bis Oktober 2016:

Verhältnis von Spammern zu täglich aktiven Nutzern (DAU - daily active user) für den Zeitraum von Juli bis Oktober 2016

Die grüne Fläche zeigt alle “echten” Nutzer, die rote Fläche all diejenigen, die an dem jeweiligen Tag als Spammer identifiziert wurden. Die Grafik verdeutlicht also, dass Spammer lediglich einen sehr geringen Anteil unserer Nutzerbasis ausmachen. Genau genommen sind es im Durchschnitt nur 0,3% der täglich aktiven Nutzer.

Bei der genaueren Betrachtung eines einzelnen Monats (zum Beispiel den August 2016), wird deutlich, dass organisierte Spammer oftmals in Wellen angreifen. So gab es beispielsweise in der zweiten Augustwoche eine erhöhte Aktivität von Spammern. Ausschlaggebend dafür kann aber auch das Aktivieren einer neuen Version unseres Anti-Spam-Systems sein, zum Beispiel, weil nach einem Softwareupdate neue Arten von Spammern erkannt werden können und sich dies rückwirkend auf in der Vergangenheit aktive Nutzer auswirkt.

Wer die LOVOO-App kennt, fragt sich vielleicht, ob statt des Anteils an Spammern nicht deren Interaktion viel interessanter ist. Denn auch wenn die Anzahl der Spammer im Vergleich zur Gesamtzahl der Nutzer vergleichsweise klein ist: Lösen diese überproportional viele Aktionen aus, kann das einen erheblichen, negativen Einfluss auf die verbleibenden Nutzer haben.

Aus diesem Grund haben wir uns auch das Verhältnis von Likes zu allen täglichen Votes angeschaut:

Verhältnis von Likes zu allen täglichen Votes

Die Grafik macht deutlich, dass Spammer nicht immer gleich aktiv sind. Ihre Aktivität ist zu Beginn des dritten Quartals beispielsweise höher als am Ende. Zudem ist der Einfluss von Spammern auf die täglichen Votes größer als ihr Anteil an den täglich aktiven Nutzern. Das war allerdings zu erwarten. Spammer wollen möglichst viele Nutzer erreichen und die naheliegendste Methode dafür sind Votes im Match. Auf der anderen Seite liegt ihr Anteil hier im Durchschnitt bei nur 2.89%. Unser Ziel liegt selbstverständlich bei 0% – wir sind diesbezüglich also auf dem richtigen Weg.

Wer erkennt mehr Spam: Die Nutzer oder das Anti-Spam-System?

Spammer können sowohl von Nutzern gemeldet als auch automatisch durch das Anti-Spam-System entdeckt werden. Unser Ziel ist es, möglichst viele Spammer automatisch zu blockieren – noch bevor die kritische Anzahl an Meldungen erreicht ist oder ein Mitarbeiter des Supports manuell eingreifen muss. Im dritten Quartal 2016 ist es uns gelungen, 75.62% aller Spammer automatisch durch das Anti-Spam-System zu blocken. Die verbleibenden 24.38%, die durch Nutzermeldungen markiert wurden, sind dennoch hilfreich.

Wer erkennt mehr Spam: Die Nutzer oder das Anti-Spam-System?

Sie unterstützen uns dabei, unser System stetig zu verbessern. Handelt sich es nämlich um eine neue Art von Spam oder um ein gänzlich neues Verhalten von Spammern, fließen diese Erkenntnisse in das System mit ein, sodass es diese Spammer künftig erkennt und rückwirkend Profile blockiert, die in der Vergangenheit damit auffällig geworden sind.

Meldung = Sperrung?

Eine Frage, die oft gestellt wird: Warum wird ein Nutzer nicht direkt nach der ersten Meldung gesperrt? Ganz einfach: Nutzer melden andere Nutzer aus diversen Gründen. Nicht alle davon rechtfertigen jedoch eine Sperrung des entsprechenden Nutzers.

Das zeigt allein die gigantische Zahl an Meldungen: Im dritten Quartal 2016 waren es insgesamt 1.051.560 Meldungen, die sich auf 819.710 verschiedene Nutzer bezogen. Exakt 82,19% davon waren allerdings gar keine Spammer. Das Empfinden von Fake oder Spam ist subjektiv und beruht oft nicht auf Tatsachen. Eine Erkenntnis, derer sich unser Produktteam annimmt, um am Verifizierungsprozess zu feilen.

Viele Reports werden überprüft und stellen sich als falsch heraus

Wie schnell ist das Anti-Spam-System?

Wenn wir Nutzer automatisch blockieren, müssen wir sehr vorsichtig sein. Einerseits wollen wir möglichst viele Spammer erwischen, andererseits dürfen wir nicht vorschnell urteilen. Andernfalls laufen wir Gefahr, echte Nutzer zu sperren, die sich nur kurzzeitig wie Spammer verhalten haben. Das kann zum Beispiel passieren, wenn das Match-Game sehr schnell gespielt wird. Das Anti-Spam-System wartet deshalb, bis ihm ein Nutzer mehrfach negativ auffällt. Im Schnitt dauert es aktuell 2,2 Stunden – von der ersten ausgelösten Aktion wie einem Vote im Match – bis zur tatsächlichen Blockierung durch das Anti-Spam-System. Wir arbeiten kontinuierlich daran, diese Zeit so weit wie möglich zu verkürzen.

Im Schnitt dauert es aktuell 2,2 Stunden – von der ersten ausgelösten Aktion wie einem Like im Match bis zur tatsächlichen Blockierung durch das Anti-Spam-System.

Wichtig zu wissen ist hierbei, dass es verschiedene Arten von Spammern gibt:

  • Manche lösen nur sehr langsam Likes aus, dies aber über einen langen Zeitraum.
  • Andere lösen Likes in kleinen Wellen aus, zum Beispiel nur 100 pro Tag, das aber innerhalb weniger Minuten.
  • Und wieder andere lösen kontinuierlich eine hohe Menge an Likes aus.

 

Eine kontinuierlich hohe Menge an Likes wird sehr schnell erkannt und der entsprechende Nutzer innerhalb weniger Sekunden blockiert. Bei den ersten beiden Arten kann es jedoch dauern, manchmal bis zu mehreren Tagen, weil die Nutzer pro Tag nur sehr kurz aktiv sind. Denn auch bei diesen Nutzern muss das Anti-Spam-System mehrfach ein negatives Verhalten beobachtet haben, um sie schließlich berechtigt sperren zu können.

Sind Spammer eher männlich oder weiblich?

Spammer auf LOVOO nutzen vorwiegend Frauenprofile - und zwar in 83,90% der Fälle.

Spammer auf LOVOO nutzen vorwiegend Frauenprofile – und zwar in 83.90% der Fälle. Dieses Vorgehen scheint sich für sie einfach als erfolgversprechender erwiesen zu haben. Das durchschnittliche Alter der Spammer ist hingegen überraschend: Es beträgt sowohl bei Männern als auch bei Frauen 29 Jahre und ist damit recht hoch. Ein Grund hierfür könnte sein, dass die Profilinformationen für Spammer nur eine geringe Rolle spielen. Sie selbst wollen schließlich keine Likes bekommen, sondern nur Aktionen bei anderen Nutzern auslösen.

 

Die Top 10 Herkunftsländer von Spammern*

Zum Schluss unserer Auswertung haben wir uns noch angesehen, aus welchen Ländern die Spammer, die sich bei uns registrieren, hauptsächlich kommen:

Wer spammt am meisten...

Diese Zahlen sind allerdings nur teilweise von Bedeutung: Häufig nutzen Angreifer sogenannte „Botnetze“. Dabei wird eine große Menge bereits gehackter Rechner auf der ganzen Welt genutzt, um diese Angriffe zu steuern. Das bedeutet, dass die Angreifer dann scheinbar von überallher kommen und nicht mehr genau lokalisiert werden können.

 

Ein Blick in unser Backend

Wie werden die eingehenden Daten verarbeitet?

Wenn Nutzer auf LOVOO miteinander interagieren, kommunizieren sie dabei auch automatisch mit unseren Backend-Servern. Gibt ein Nutzer einem anderen im Match-Game ein “Like”, sorgen die Backend-Server dafür, dass dieses “Like” auch ankommt. Darüber hinaus schickt das Backend diese Information anonymisiert an das Anti-Spam-System sowie unsere Database, welche diese Daten speichert. Das Anti-Spam-System wertet Nutzerinteraktion aus und blockiert Nutzer gegebenenfalls, sollten sie das Match-Game für Spam missbrauchen.
Alle Informationen aus unserer Database nutzen wir, um weitere Analysen durchzuführen und Spam so gut wie möglich zu unterbinden.

Wie geht die Abwehr gegen Spam bei LOVOO weiter?

Der Kampf gegen Spammer ist im Grunde ein ständiger Wettstreit: Immer dann, wenn man glaubt, sie durchschaut und verbannt zu haben, finden sie einen neuen Weg. Dies geschieht leider häufig in der Form, dass sie das gängige Nutzerverhalten noch besser nachahmen und so schwerer ausfindig zu machen sind.
Erfolg (in Form von gefundenen Spammern) und Misserfolg (in Form von Nutzerbeschwerden über noch nicht gesperrte Profile) gehen bei uns oft Hand in Hand. Trotzdem stellen wir uns dieser Herausforderung jeden Tag aufs Neue und können inzwischen immer schneller auf neue Arten von Spam reagieren.
Dieser Report soll ein öffentlicher Beleg für unseren Fortschritt, aber natürlich auch für unsere Rückschläge sein. Wir nehmen Spam bei LOVOO nicht einfach hin, sondern gehen aktiv dagegen vor. Mehr dazu gibt es in unserem nächsten “Fake and Spam Transparency Report”.

*basierend auf der IP Adresse beim Installieren


Download: Fake and Spam Transparency Report