Beobachtetes Signal · 9. März 2026 · Technical Release · Quelle: OnlineMarketing.de · Relevanz: 2/5 · Sentiment: Negativ
KI enttarnt anonyme Accounts anhand von Verhaltensmustern
Eine Studie der ETH Zürich mit dem Titel „Large-scale online deanonymization with LLM agents“ untersucht, ob Large Language Models echte Personen hinter pseudonymen Online-Profilen identifizieren können. Unter wissenschaftlicher Beratung von Nicholas Carlini (Anthropic) analysierten die Forscher öffentlich zugängliche Daten von Reddit, Hacker News, LinkedIn und Interviewtranskripten. Mittels KI-Agenten extrahierten sie Signale wie Schreibstil, Interessen und biografische Details, um Profile plattformübergreifend zu verknüpfen. In Tests erreichte das System eine Trefferquote von 68 Prozent bei einer Präzision von 90 Prozent, wobei die Analysekosten auf ein bis vier US-Dollar pro Profil beziffert werden. Die bisher nicht begutachtete Studie basiert auf kuratierten Datensätzen. Während die Technologie Moderation und Fraud Detection unterstützen kann, wirft sie erhebliche Datenschutzbedenken auf, darunter Risiken für Whistleblower sowie Missbrauchspotenziale für Phishing und Überwachung. Als Gegenmaßnahmen diskutieren die Autoren stilistische Variationen und konsequente Datentrennung.
Relevante Datenschutzrisiken und methodische Implikationen für Identitätspraktiken und Anonymität auf Online-Plattformen.
Marktsignale zu Anthropic in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Studie: Large-scale online deanonymization with LLM agents
- ETH-Zürich-Forscher leiteten die Studie und führten Kernexperimente durch
- Nicholas Carlini von Anthropic fungierte als wissenschaftlicher Berater
- Testergebnisse: 68 % Trefferquote bei 90 % Präzision
- Datenquellen: Reddit, Hacker News, LinkedIn und Interviewtranskripte
- Geschätzte Kosten: 1 bis 4 US-Dollar pro analysiertem Profil
- Experimente nutzten kuratierte Datensätze; Paper noch nicht peer-reviewed
Verknüpfte Unternehmen
1 verknüpfte UnternehmenOntologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
LLMs Leak Personal Data, Raising Doxxing Risks
Generative large language models can inadvertently expose sensitive personal data by aggregating dispersed public records and user-contributed content. The article reports examples where models returned private phone numbers, past addresses, and employer links; Reddit users said Google Gemini returned a private number as a service hotline, and security researchers found chatbots suggesting manipulated support numbers placed by fraudsters. Model behaviour is inconsistent: ChatGPT, Gemini and Claude often refuse or limit sensitive outputs, while Grok (xAI) was observed to be more permissive. The piece warns that automated aggregation by LLMs lowers the bar to doxxing, highlights limited consumer options for removing third-party data (especially in German-speaking markets), and calls for stronger legal/political safeguards and technical controls over which personal data LLMs may reveal.
KI verknüpft Krypto-Wallets für vier US-Dollar mit Social-Media-Profilen
Ein Bericht aus dem Jahr 2026 beschreibt eine KI-gestützte Methode, mit der pseudonyme Krypto-Wallets für rund vier US-Dollar pro Versuch probabilistisch mit Social-Media-Identitäten verknüpft werden können. Forscher (darunter ein Team von NS3.AI) demonstrierten, dass dieser Ansatz über mehrere öffentliche Blockchains hinweg funktioniert. Dabei werden öffentliche Social-Media-Beiträge gescrapt, On-Chain-Verhaltensmuster wie Timing, Protokoll-Interaktionen und NFT-Mints analysiert sowie Stil- und Zeitzonensignale abgeglichen, um Wallet-Identitäts-Zuordnungen zu erstellen. Der Artikel warnt, dass dies die bisher von Unternehmen wie Chainalysis und Elliptic dominierte Blockchain-Analyse demokratisiert und das Risiko von Doxing, Phishing sowie regulatorischen Problemen erhöht. Als Gegenmaßnahmen werden Wallet-Hygiene, Transaktions-Privacy-Tools wie Aztec und Railgun, Netzwerkschutz sowie KI-spezifische Taktiken zur Stilevakuierung empfohlen.
Reddit setzt LLMs zur Bekämpfung von KI-generiertem Spam ein
Reddit hat neue Tools auf Basis von Large Language Models (LLMs) eingeführt, um Spam und koordinierte koinzidente Aktivitäten auf seiner Plattform zu erkennen und zu entfernen. Das Unternehmen gibt an, dass die aktualisierten KI-gestützten Systeme täglich rund 23 Millionen Spam-Views blockieren und etwa 25.000 neue Spam-Posts sowie Kommentare identifizieren. Zwischen Januar und März verzeichnete Reddit im Vergleich zum Vorquartal einen Rückgang der Spam-Exposition für Nutzer um 20 Prozent. Laut Reddit helfen LLMs dabei, subtile, koordinierte Muster gefälschten Verhaltens aufzuspüren, die von älteren Systemen übersehen wurden. Dies spiegelt einen breiteren Branchentrend wider, bei dem KI zur Bekämpfung von KI-generiertem Missbrauch eingesetzt wird, während Plattformen zunehmend auf eine Kombination aus Automatisierung und menschlicher Moderation setzen, um die Inhaltsqualität und das Vertrauen von Werbetreibenden zu sichern.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.