امروزه از رسانه‌های اجتماعی به‌طور فزاینده‌ای برای انتشار اخبار جعلی استفاده می‌شود. همین مشکل در بازار سرمایه نیز وجود دارد. اخبار جعلی در مورد شرکت‌ها منتشر می‌شوند تا قیمت سهام به طور غیرواقعی بالا یا پایین برود.

محققان دانشگاه‌های گوتینگن و فرانکفورت در آلمان و موسسه جوزف استفان در اسلوونی روشی را ابداع کرده‌اند که قادر است این اخبار جعلی را تشخیص دهد. به ‌منظور کشف اطلاعات نادرست که غالباً داده‌هایی ساختگی هستند که عملکرد یک شرکت را مثبت نشان می‌دهند، محققان با استفاده از روش‌های یادگیری ماشینی (Machine Learning)، مدل‌های طبقه‌بندی شده‌ای ایجاد کردند که می‌توانند برای شناسایی پیام‌های مشکوک براساس محتوای آن‌ها و برخی از ویژگی‌های زبانی استفاده شوند.

پروفسور یان مونترمن (Jan Muntermann) از دانشگاه گوتینگن: "در اینجا ما به جنبه‌های دیگری از متن که پیام را می‌سازد، مانند قابل درک بودن زبان و لحن متن، توجه می‌کنیم."

در حال حاضر از روش‌های مشابه در فیلترهای اسپم استفاده می‌شوند. با این حال، مشکل اصلی روش‌های فعلی این است که متقلبان برای جلوگیری از شناخته‌شدن به‌طور مداوم مطالب را تطبیق می‌دهند و از کلمات خاصی که برای شناسایی اخبار جعلی استفاده می‌شوند، اجتناب می‌کنند. رویکرد جدید این تحقیق این است که برای شناسایی اخبار جعلی مدل‌ها به گونه‌ای ترکیب می‌شوند که میزان تشخیص جعل و قدرت تحلیل متن در کنار هم قرار می‌گیرند. بنابراین حتی اگر کلمات مشکوک از متن ناپدید شوند، اخبار جعلی همچنان با ویژگی‌های زبانی آن شناخته می‌شوند.

دکتر مایکل سیرینگ (Michael Siering) از محققان این طرح: "این روش، متقلبان را در معرض یک معضل قرار می‌دهد. آن‌ها فقط در صورت تغییر حالت یا موضوع متن می‌توانند از تشخیص جلوگیری کنند. اما در این صورت آن‌ها هدف خود را از تحریک و تشویق سرمایه‌گذاران برای خرید یک سهام خاص از دست خواهند داد."

از این مدل جدید می‌توان در نظارت بر بازار برای تعلیق موقت معاملات سهام متضرر استفاده کرد. همچنین این مدل ابتکاری اطلاعات ارزشمندی را به سرمایه‌گذاران ارائه می‌دهد تا از این‌گونه طرح‌های کلاه‌برداری مصون بمانند.