Onderzoek: omzetberekening dark market verkopers

Rolf van Wegberg, Bas Stinenbosch – TU Delft

In het afgelopen decennium groeide het aantal online anonieme marktplaatsen, ook wel dark markets genoemd, gestaag. Op deze markten kunnen criminelen handelen in drugs en namaakgoederen, of kunnen ze gestolen creditcards of witwasdienstverlening aanbieden. Om inzicht te krijgen in de activiteiten op deze markten, proberen wetenschappers middels vernieuwende onderzoeksmethoden de omvang van deze markten te meten, zowel in aantal aanbiedingen als in omzet.

Hoewel de huidige inzichten uit deze onderzoeken veelbelovend zijn, kennen al deze onderzoeken een gedeelde limitering. Al deze studies voeren hun analyse uit op basis van scrapes van dark markets. Met een scrape wordt het extraheren en opslaan van informatie op een webpagina bedoeld. Als men dit systematisch – zowel frequent als voor langere tijd – bij dark markets doet, verzamelt men data over de verkopers, diens aanbiedingen en de feedbacks die kopers achterlaten, door simpelweg de pagina’s waarop de markt deze informatie weergeeft op te slaan.

Met name feedbacks zijn hier van belang, omdat een feedback slechts kan worden achtergelaten als een koper het product waarop de feedback betrekking heeft ook daadwerkelijk gekocht heeft. Feedback achterlaten is echter niet verplicht. Zodoende is het aantal feedbacks een ondergrens van het aantal transacties per aanbieding en daarmee een startpunt om transacties op een dark market te meten. Als men de feedbacks vermenigvuldigt met de prijs van de aanbieding, en deze cumuleert per verkoper, per productcategorie, of voor de hele markt, kan men de minimale omzet berekenen die een aanbieding, verkoper of de hele markt heeft gegenereerd.

Alhoewel deze methodiek een betrouwbare ondergrens van het omzetvolume van een verkoper oplevert, is diens daadwerkelijke omzet onbekend. Bij een verdachte die op dark markets heeft gehandeld en waarvan diens username bekend is, kan derhalve slechts een ruwe schatting van diens omzet worden gemaakt. Dit leidt ertoe dat ontnemingsvorderingen vaak lager zullen zijn dan het daadwerkelijk door de verkoper verdiende vermogen in diens actieve periode op een dark market. Om een beter beeld te krijgen van de verhouding tussen feedbacks en transacties, is het nodig een blik in de administratie van een markt te kunnen werpen. Immers, de markt zelf kent de daadwerkelijke omzet van een verkoper. Alleen zo kunnen we zien wat het deel van de omzet is dat onbekend blijft bij het gebruiken van feedbacks om omzet te berekenen.

Tijdens politieoptreden gericht op dark markets, worden regelmatig servers in beslag genomen. Middels deze servers is het mogelijk de administratie van de markt te reconstrueren. Hiermee wordt een unieke inkijk mogelijk in het verschil tussen wat men aan de buitenkant van de markt kan observeren en de daadwerkelijke handelspatronen op de markt. Voor ons onderzoek hadden wij de beschikking over de administratie van een prominente dark market.

Dit stelde ons in staat om voor het eerst empirisch onderzoek te kunnen doen naar de huidige wetenschappelijke methoden die middels scraping de omzet van verkopers op dark markets meten. Ons onderzoek had tot doel om methodieken te ontwikkelen die kunnen worden gebruikt voor het voorspellen van de omzet van een verkoper. Meer specifiek om de bestaande methoden nauwkeuriger en gemakkelijker te maken, opdat deze kunnen worden gebruikt in het proces van het in beslag nemen van de omzet van de verkoper - zoals de formule voor het berekenen van de omzet van een hennepkwekerij heeft bewerkstelligd.

Zoals eerder benoemd, is het aantal feedbacks een ondergrens voor het aantal transacties. Het aantal feedbacks onderschat daardoor altijd het aantal transacties, omdat niet elke koper feedback achterlaat. Het feedbackpercentage – oftewel, hoeveel procent van de transacties krijgt een feedback – moet worden gebruikt om dit te compenseren. In ons onderzoek vonden wij een gemiddelde van 0,71 feedback per transactie. Grosso modo, observeert men dus via feedbacks 71% van het daadwerkelijke aantal transacties op een dark market. Om onze resultaten begrijpelijk en bruikbaar te maken, splitsen wij dit percentage verder uit naar type product of dienst dat wordt aangeboden (zie Tabel 1).

Product categorie	Gemiddelde feedback ratio	Standaarddeviatie	Aantal aanbiedingen
Counterfeits	0,72	0,36	198
Digital Goods	0,57	0,39	1573
Drugs	0,79	0,30	12.825
Erotica	0,56	0,39	508
Fraud related	0,53	0,37	1.239
Guides & Tutorials	0,51	0,38	1.347
Miscellaneous	0,63	0,41	161
Security & Hosting	0,59	0,34	79
Services	0,57	0,41	391

Tabel 1 Overzicht van feedback ratio per categorie

Uit deze tabel blijkt dat de feedback ratio voor categorieën handelswaar grote verschillen kent. Bij Drugs is dit boven het marktgemiddelde (0,79), terwijl dit bij alle digitale producten juist onder het gemiddelde ligt – Digital Goods (0,57), Erotica (0,56), Fraud Related (0,53) en Security & Hosting (0,59). Dit is een belangrijke bevinding, omdat daaruit blijkt dat de omzet van een drugsverkoper idealiter anders moet worden berekend dan iemand die gestolen creditcards verhandeld.

Figuur 1 Transacties per aanbieding afgezet tegen feedbacks met en zonder correctie

Om vervolgens te inspecteren in hoeverre de feedback het werkelijke aantal transacties kan voorspellen, zetten we de transacties af tegen feedbacks in Figuur 1. Hierin is duidelijk te zien dat het aantal feedbacks (gele lijn) het aantal transacties per aanbieding systematisch onderschat en daarmee geen goede voorspelling kan worden gedaan van de daadwerkelijke omzet. Alle blauwe stippen vertegenwoordigen een aanbieding en diens aantal transacties. Wanneer we corrigeren met de feedback ratio, wordt de voorspelling echter zeer nauwkeurig. We vinden dat voor 95% van de aanbiedingen het aantal transacties kan worden berekend middels deze correctie van het aantal feedbacks. Hierbinnen geldt een transactieafwijking van maximaal 3,7 transactie zowel ten voordele als ten nadele van de verkoper van de aanbieding.

Bij het ontnemen van wederechtelijk verkregen vermogen is het evident dat er een transparante en wetenschappelijk gefundeerde berekening aan de vordering ten grondslag dient te liggen. Uit dit onderzoek komt naar voren dat het berekenen van de omzet met behulp van de gecorrigeerde feedback tegen de prijs van de aanbieding, het gewenste resultaat oplevert. Als er sprake is van een veranderende prijs op een aanbieding, zo stellen wij vast, is het gebruik van de mediaan toereikend om recht te doen aan de daadwerkelijk betaalde prijs per transactie.

De formule om de omzet per aanbieding te berekenen is daardoor als volgt:

O = p ∗ (q/f)

Waar O de opbrengst per aanbieding is, is p de mediaan van de prijzen van de aanbieding. Het aantal feedbacks per aanbieding is q en de feedbackratio van productcategorie is f. De cumulatie van de omzet van aanbiedingen per verkoper, genereert logischerwijs een omzetberekening die betrekking heeft op een individuele verkoper.

Een voorbeeld: een aanbieding van gestolen creditcardgegevens is geprijsd €50 en kent geen prijsschommelingen – de mediaan van de prijs is dus €50. De aanbieding krijgt 11 feedbacks. Creditcards vallen in de categorie Fraud Related, derhalve is de feedback ratio 0,53. De omzet die deze aanbieding heeft gegenereerd is daarmee: 50 ∗ (11/0,53) = €1037,74. Simpelweg de feedbacks keer de prijs, had slechts een omzet gesuggereerd van €550, terwijl in werkelijkheid de omzet meer dan €1000 betrof.

Meer weten? Aan een publicatie van dit onderzoek wordt op dit moment door de TU Delft, samen met onderzoekers van Carnegie Mellon University (VS), gewerkt. Die publicatie kan vervolgens dienen als uitgangspunt voor een kennisdocument. De scriptie waarin deze methodiek is ontwikkeld, is te downloaden uit de repository van de TU Delft.