Jahrelang folgte die Cybersicherheit einem vertrauten 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 hingen weitgehend davon ab, dass sich Angreifer vorhersehbar genug verhielten, damit Erkennungssysteme sie letztlich einholen konnten.
KI-gesteuerte Angriffe verändern das grundlegend.
Sicherheitsforscher verwenden zunehmend Begriffe wie „Vibe Hacking“, um Angriffe zu beschreiben, die von großen Sprachmodellen (LLMs) unterstützt werden und bei denen Angreifer die Absicht vorgeben, während die KI einen Großteil der technischen Ausführung übernimmt. Anstatt Payloads 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, die in erster Linie auf Erkennung setzen.
KI-generierte Angriffe werden erheblich schwerer vorhersehbar
Traditionelle Malware-Familien hinterlassen häufig erkennbare Muster.
KI-generierte Angriffe müssen das nicht.
Wenn eine Payload die Erkennung auslöst, können Angreifer das Modell einfach anweisen, sie mithilfe anderer Ausführungsmethoden, APIs, Skriptansätze oder Befehlsstrukturen neu zu schreiben. Jede Variante kann sich ausreichend anders verhalten, um die bisherige Erkennungslogik zu umgehen.
Besonders gefährlich ist dabei die Geschwindigkeit.
Angreifer müssen nicht mehr tagelang oder wochenlang manuell neue Werkzeuge erstellen. KI beschleunigt die Anpassung von Malware, die Erstellung von Phishing-Kampagnen, die Automatisierung der Aufklärung und die Veränderung von Angriffstechniken drastisch.
Wir sehen bereits Beispiele aus der Praxis für diesen Wandel.
Forscher haben demonstriert, wie Angreifer KI-Assistenten einsetzen, um Aufklärung zu automatisieren, maßgeschneiderte Payloads zu erstellen, gestohlene Daten zu komprimieren und sogar individuelle Lösegeldforderungen zu verfassen. In anderen Fällen soll Malware eine aktive LLM-Funktionalität direkt in die Angriffskette integriert haben, die dynamisch neue Anweisungen anfordert, abhängig von der Umgebung, auf die sie trifft.
Statt sich auf statischen Code zu verlassen, können sich Angriffe nun in Echtzeit weiterentwickeln.
Traditionelle Erkennungsmodelle können nur schwer Schritt halten
Die meisten Plattformen zur Erkennung und Reaktion an Endpunkten (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 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 ständigen reaktiven Kreislauf gezwungen, während sich Angreifer weiter anpassen.
KI-Systeme greifen außerdem ganz selbstverständlich auf legitime Verwaltungswerkzeuge zurück, die bereits in Unternehmensumgebungen vorhanden sind, darunter PowerShell, WMI, Python, Cloud-APIs und Dienstprogramme zur Fernverwaltung.
Diese Werkzeuge existieren bereits in den meisten Organisationen und fügen sich häufig nahtlos in normale Abläufe ein.
Dadurch sind KI-gesteuerte Angriffe deutlich schwerer von legitimen Aktivitäten zu unterscheiden.
Diese Herausforderung ist ein Grund dafür, dass Organisationen zunehmend präventionsorientierte Plattformen wie ThreatLocker® einsetzen. Anstatt feststellen zu müssen, ob jede einzelne Aktion bösartig ist, wendet ThreatLocker Zero-Trust-Kontrollen an, die von vornherein einschränken, welche Anwendungen, Skripte und Kommunikationsvorgänge ausgeführt beziehungsweise zugelassen werden.
KI beschleunigt den Wandel hin zu Zero Trust
Genau deshalb verstärken KI-gesteuerte Angriffe die Notwendigkeit von 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 ausschließlich darauf zu verlassen, bösartiges Verhalten im Nachhinein zu identifizieren, 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 Payload neu schreibt.
Wenn der PowerShell-Zugriff durch ThreatLocker Application Allowlisting und Ringfencing™ streng kontrolliert wird, verlieren Angreifer eines ihrer effektivsten Werkzeuge für Aufklärung, Rechteausweitung und laterale Bewegungen. Wenn ausgehende Kommunikation eingeschränkt wird, lassen sich gestohlene Daten weitaus schwieriger exfiltrieren.
Anstatt zu versuchen, jede neue Angriffsvariante vorherzusagen, verringern Unternehmen ihre Angriffsfläche, indem sie unnötiges Vertrauen beseitigen, Berechtigungen einschränken und Ausführungspfade vollständig begrenzen.
Einschränkung wird wirksamer als Erkennung
Traditionelle Cybersicherheitsstrategien konzentrierten sich stark darauf, bösartige Aktivitäten zu erkennen, nachdem sie aufgetreten waren.
KI-generierte Angriffe erschweren dies zunehmend.
Unternehmen wenden sich nun Sicherheitsmodellen zu, die der Einschränkung Vorrang vor der Erkennung geben. 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, administrative Werkzeuge zu begrenzen, die Kommunikation einzuschränken, 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 helfen Unternehmen, diesen Ansatz durch Application Allowlisting, standardmäßige Verweigerungskontrollen, Kommunikationsbeschränkungen und eine granulare Kontrolle über Aktivitäten auf Endgeräten 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 statisch 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.
Indem Unternehmen strenge betriebliche Grenzen durchsetzen und kontinuierlich überprüfen, was Anwendungen, Systeme, Benutzer und Geräte tun dürfen, können sie 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 zu versuchen, jede Variante erst im Nachhinein zu erkennen.
Lesen Sie das ThreatLocker Cyber-Hero-Magazin für weitere umsetzbare Zero-Trust-Tipps und Einblicke
Und lesen Sie die folgenden Artikel, um mehr darüber zu erfahren, wie Sie Ihre Umgebung mit Zero-Trust-Lösungen vor KI schützen können:



