Seit Jahren folgt die Cybersicherheit einem bekannten Kreislauf.
Angreifer entwickeln neue Malware oder Techniken, Verteidiger analysieren die Aktivitäten, die Erkennungslogik wird verbessert und Sicherheitstools lernen, die nächste Variante zu erkennen. Traditionelle Sicherheitsmodelle haben sich weitgehend darauf verlassen, dass Angreifer sich vorhersehbar genug verhalten, damit Erkennungssysteme sie irgendwann einholen können.
KI-gesteuerte Angriffe verändern das grundlegend.
Sicherheitsforscher verwenden zunehmend Begriffe wie „Vibe-Hacking“, um von großen Sprachmodellen (LLMs) unterstützte Angriffe zu beschreiben, bei denen Angreifer die Absicht vorgeben, während die KI einen großen Teil der technischen Ausführung übernimmt. Anstatt Nutzlasten manuell zu schreiben oder Skripte ständig zu verändern, können Angreifer diese Prozesse nun in enormem Umfang automatisieren.
Das Ergebnis sind schnellere und anpassungsfähigere Angriffe, die die zunehmenden Grenzen von Sicherheitsstrategien offenlegen, bei denen die Erkennung an erster Stelle steht.
Von KI generierte Angriffe werden immer schwerer vorhersehbar
Herkömmliche Malware-Familien hinterlassen oft erkennbare Muster.
Von KI generierte Angriffe müssen das nicht.
Wenn eine Nutzlast eine Erkennung auslöst, können Angreifer das Modell einfach anweisen, sie mithilfe anderer Ausführungsmethoden, APIs, Skriptansätze oder Befehlsstrukturen umzuschreiben. Jede Variante kann sich ausreichend anders verhalten, um die bisherige Erkennungslogik zu umgehen.
Besonders gefährlich ist dabei die Geschwindigkeit.
Angreifer müssen nicht mehr Tage oder Wochen damit verbringen, Werkzeuge manuell neu zu erstellen. KI beschleunigt die Anpassung von Malware, die Erstellung von Phishing-Kampagnen, die Automatisierung der Aufklärung und die Veränderung von Angriffstechniken erheblich.
Wir sehen bereits Beispiele aus der Praxis für diesen Wandel.
Forscher haben demonstriert, wie Angreifer KI-Assistenten einsetzen, um Aufklärungsmaßnahmen zu automatisieren, maßgeschneiderte Nutzlasten zu erstellen, gestohlene Daten zu komprimieren und sogar individuelle Lösegeldforderungen zu verfassen. In anderen Fällen soll Malware Live-LLM-Funktionen direkt in die Angriffskette integriert haben und je nach vorgefundener Umgebung dynamisch neue Anweisungen anfordern.
Angriffe können sich nun in Echtzeit weiterentwickeln, anstatt sich auf statischen Code zu stützen.
Herkömmliche Erkennungsmodelle haben Schwierigkeiten, Schritt zu halten
Die meisten Plattformen für Endpoint-Erkennung und -Reaktion (EDR) sind stark auf Wiederholbarkeit angewiesen.
Sie suchen nach verdächtigen Binärdateien, Verhaltensmustern, bekannten Indikatoren oder Aktivitäten, die mit früheren Angriffen in Verbindung stehen.
Das Problem besteht darin, dass von KI generierte Angriffe dieses Modell erheblich schwächen.
Wenn ein Ausführungspfad erkannt wird, erzeugen Angreifer einen anderen. Wenn Verteidiger eine Skriptvariante identifizieren, schreibt die KI sie anders um. Erkennungssysteme werden in einen konstanten reaktiven Kreislauf gezwungen, während Angreifer sich weiter anpassen.
KI-Systeme greifen außerdem naturgemäß auf legitime Verwaltungstools zurück, die bereits in Unternehmensumgebungen vorhanden sind, darunter PowerShell, WMI, Python, Cloud-APIs und Dienstprogramme zur Fernverwaltung.
Diese Tools sind in den meisten Unternehmen bereits vorhanden und fügen sich oft nahtlos in den normalen Betrieb ein.
Dadurch sind KI-gesteuerte Angriffe deutlich schwerer von legitimen Aktivitäten zu unterscheiden.
Diese Herausforderung ist ein Grund dafür, dass Unternehmen zunehmend Plattformen einsetzen, bei denen die Prävention an erster Stelle steht, wie etwa ThreatLocker®. Statt zu versuchen festzustellen, ob jede einzelne Aktion bösartig ist, setzt ThreatLocker Zero-Trust-Kontrollen ein, die von vornherein beschränken, welche Anwendungen, Skripte und Kommunikationsvorgänge ausgeführt beziehungsweise zugelassen werden.
KI beschleunigt den Wandel hin zu Zero Trust
Genau deshalb verstärken KI-gesteuerte Angriffe den Bedarf an Zero-Trust-Sicherheitsmodellen.
Zero Trust geht davon aus, dass keiner Anwendung, keinem Benutzer, keinem Gerät und keiner Kommunikation automatisch vertraut werden sollte, selbst wenn sie bereits in der Umgebung vorhanden sind.
Statt sich vollständig darauf zu verlassen, bösartiges Verhalten im Nachhinein zu erkennen, konzentriert sich Zero Trust darauf, von vornherein zu kontrollieren, was Systeme tun dürfen.
Dieser Ansatz wird äußerst wertvoll, wenn Angriffe darauf ausgelegt sind, sich kontinuierlich zu verändern.
Wenn nicht genehmigte Anwendungen nicht ausgeführt werden können, spielt es keine Rolle, wie oft die KI die Nutzlast umschreibt.
Wenn der PowerShell-Zugriff durch ThreatLocker-Anwendungs-Allowlisting und Ringfencing™ streng kontrolliert wird, verlieren Angreifer eines ihrer effektivsten Werkzeuge für Aufklärung, Rechteausweitung und laterale Bewegungen. Wenn die ausgehende Kommunikation eingeschränkt ist, wird es deutlich schwieriger, gestohlene Daten zu exfiltrieren.
Anstatt zu versuchen, jede neue Angriffsvariante vorherzusagen, verringern Unternehmen ihre Angriffsfläche, indem sie unnötiges Vertrauen beseitigen, Berechtigungen einschränken und Ausführungspfade insgesamt begrenzen.
Einschränkung wird effektiver als Erkennung
Traditionelle Cybersicherheitsstrategien konzentrierten sich stark darauf, bösartige Aktivitäten zu erkennen, nachdem sie aufgetreten waren.
KI-generierte Angriffe machen das zunehmend schwieriger.
Unternehmen wenden sich nun Sicherheitsmodellen zu, bei denen Einschränkung Vorrang vor Erkennung hat. Anstatt zu versuchen, jede mögliche Bedrohung zu identifizieren, legen Verteidiger fest, was ausdrücklich erlaubt ist, und blockieren standardmäßig alles andere.
Das bedeutet, die Ausführung von Anwendungen zu kontrollieren, Administratorwerkzeuge einzuschränken, Kommunikation zu begrenzen, das Prinzip der geringsten Rechte durchzusetzen und Möglichkeiten für laterale Bewegungen zu reduzieren.
Bei ThreatLocker sind wir fest davon überzeugt, dass Prävention an erster Stelle stehen muss.
Eine schnelle Reaktion ist nicht schnell genug, wenn KI Angriffe schneller anpassen kann, als Verteidiger Erkennungsmechanismen entwickeln können.
ThreatLocker®-Lösungen unterstützen Unternehmen dabei, diesen Ansatz durch Anwendungs-Allowlisting, standardmäßige Verweigerungskontrollen, Kommunikationsbeschränkungen und eine granulare Kontrolle über die Aktivitäten an Endpunkten umzusetzen.
Das KI-Zeitalter erfordert eine andere Sicherheitseinstellung
KI verändert grundlegend die Geschwindigkeit, das Ausmaß und die Anpassungsfähigkeit von Cyberangriffen und legt gleichzeitig die Grenzen traditioneller reaktiver Sicherheitsmodelle offen.
Unternehmen können nicht länger davon ausgehen, dass Malware lange genug unverändert bleibt, damit Signaturen oder Verhaltensanalysen sie zuverlässig erkennen können.
KI-generierte Angriffe sind darauf ausgelegt, sich kontinuierlich weiterzuentwickeln.
Deshalb gewinnt Zero Trust zunehmend an Bedeutung.
Durch die Durchsetzung strenger betrieblicher Grenzen und die kontinuierliche Überprüfung dessen, was Anwendungen, Systeme, Benutzer und Geräte tun dürfen, können Unternehmen die Möglichkeiten für KI-gesteuerte Angriffe, erfolgreich ausgeführt zu werden, sich auszubreiten oder zu kommunizieren, erheblich reduzieren.
Denn wenn sich Angriffe sofort verändern können, ist die Kontrolle der Umgebung weitaus effektiver, als jede Variante erst im Nachhinein erkennen zu wollen.
Lesen Sie das ThreatLocker Cyber Hero-Magazin für weitere umsetzbare Zero-Trust-Tipps und Einblicke
Und lesen Sie die folgenden Artikel für weitere Informationen zur Nutzung von Zero-Trust-Lösungen, um Ihre Umgebung gegen KI zu verteidigen:



