Wenn KI kritische Software-Schwachstellen schneller, kostengünstiger und in größerem Umfang aufspüren kann als führende menschliche Sicherheitsforscher, steht jeder CISO vor den folgenden drängenden Fragen: Wie viel Zeit bleibt Ihnen, um Ihre Open-Source-Schwachstellen zu beheben – und wie viele davon haben Sie im Blick: einzelne, Dutzende oder Tausende? Ist Ihre Sicherheitsstrategie auf die Geschwindigkeit und das Ausmaß ausgelegt, mit denen neue Bedrohungen heute entstehen?
KI-Modelle können inzwischen mehr als nur Code schreiben: Sie können ihn lesen, seine Funktionsweise verstehen und genau erkennen, wo er Schwachstellen aufweist. Beim Aufspüren und Ausnutzen von Sicherheitslücken in Software übertreffen sie damit fast alle Menschen – mit Ausnahme der versiertesten Fachleute.
Claude Mythos Preview, das hochmoderne Modell im Zentrum der Initiative, hat bereits Tausende schwerwiegende Sicherheitslücken entdeckt, darunter auch einige in weitverbreiteten Betriebssystemen und Webbrowsern. In manchen Fällen blieben diese Schwachstellen trotz jahrzehntelanger Überprüfung durch Menschen und Millionen automatisierter Sicherheitstests unentdeckt.
“Unternehmen, die jetzt handeln und die Durchsetzung von WAF-Regeln mithilfe von KI automatisieren, machen Sicherheit zu einem Wettbewerbsvorteil.”
Die Software, auf der Bankensysteme, Patientenakten, Logistiknetzwerke und Stromnetze basieren, war schon immer fehleranfällig. Doch um diese Schwachstellen zu finden und auszunutzen, war bislang seltenes Spezialwissen erforderlich. KI hat die dafür nötigen Kosten, den Aufwand und die fachlichen Hürden drastisch gesenkt. Angesichts der rasanten Fortschritte im Bereich KI wird es nicht mehr lange dauern, bis sich solche Fähigkeiten verbreiten – möglicherweise auch unter Akteuren, die nicht auf einen sicheren Einsatz bedacht sind.
Was das für Cyberverteidiger bedeutet
Was einst nur eine theoretische Sorge war, ist heute operative Realität: Die KI-gestützte Erkennung von Schwachstellen nimmt sowohl hinsichtlich des Umfangs als auch der Geschwindigkeit drastisch zu, wodurch sich das Zeitfenster zwischen Offenlegung und aktiver Ausnutzung immer weiter verkürzt.
Jede Sicherheitsorganisation steht vor der Frage, ob sie KI zur Verteidigung ebenso konsequent einsetzen kann, wie Angreifer sie für ihre Angriffe nutzen werden. In diesem Umfeld reichen statische, signaturbasierte Schutzmaßnahmen allein nicht mehr aus. Wenn KI-Modelle innerhalb weniger Wochen Tausende neue, schwerwiegende Schwachstellen aufdecken können, sind Sicherheitsteams schlicht nicht in der Lage, Signaturen manuell schnell genug zu erstellen, zu testen, zu optimieren und bereitzustellen, um Schritt zu halten – schon gar nicht mit dem Tempo, das Angreifer vorlegen werden.
Der traditionelle Betriebszyklus einer Web Application Firewall (WAF) – Warnmeldungen priorisieren, sie gemeinsam mit Entwicklern validieren, Ausnahmen implementieren und diesen Prozess für jede Anwendung und jede Version wiederholen – wird untragbar, wenn die Schwachstellen-Pipeline durch maschinelle Intelligenz gespeist wird. Bereits stark ausgelastete Teams werden noch weiter ins Hintertreffen geraten, sodass Unternehmen genau dann ungeschützt sind, wenn sie es sich am wenigsten leisten können.
Warum Project Glasswing Era das Betriebsmodell für WAF verändert
Project Glasswing deckt nicht nur Schwachstellen auf, sondern offenbart auch ein Geschwindigkeitsproblem.
Wenn Claude Mythos Preview innerhalb weniger Wochen Tausende schwerwiegende Schwachstellen in weitverbreiteten Betriebssystemen und Webbrowsern aufdecken kann, löst jede neue Schwachstelle einen Wettlauf aus: Wie schnell können Sie Ausnutzungsversuche erkennen, priorisieren und blockieren, bevor Angreifer die Erkenntnisse für ihre Zwecke nutzen? Diesen Wettlauf gab es schon immer, doch KI hat das Zeitfenster drastisch verkürzt.
Insbesondere für WAFs führt dies zu drei sich gegenseitig verstärkenden Herausforderungen:
1. Die Signatur-Pipeline allein kann nicht Schritt halten: Signaturen sind für bekannte Bedrohungen nach wie vor unverzichtbar, da sie katalogisierte Exploits zuverlässig und deterministisch blockieren. Doch Signaturen sind von Natur aus reaktiv: Jemand muss die Schwachstelle identifizieren, die Regel erstellen, sie testen und bereitstellen. Wenn die Schwachstellen-Pipeline mit KI-Geschwindigkeit arbeitet und fortlaufend Tausende neue Erkenntnisse hervorbringt, entstehen bei einer reinen Signaturstrategie immer größere Lücken zwischen Entdeckung und Schutz.
2. Der Aufwand für die Feinabstimmung wird zum Sicherheitsrisiko: Viele WAF-Programme geraten an einem bekannten Punkt ins Stocken: Sie sind implementiert und geben Warnmeldungen aus, doch der Blockierungsmodus wird hinausgezögert, weil die Feinabstimmung aufwendig und riskant ist und mehrere Abteilungen einbezieht. In einer Welt nach Glasswing ist diese Verzögerung nicht nur ein betriebliches Ärgernis, sondern ein messbares Sicherheitsrisiko. Jede Woche, die vor dem Übergang zur aktiven Durchsetzung für die Feinabstimmung aufgewendet wird, ist eine Woche, in der neu entdeckte Schwachstellen für Angriffe auf ungeschützte Anwendungen ausgenutzt werden können. Wenn KI selbstständig Kernel-Schwachstellen finden und miteinander verknüpfen kann, um sich vom Benutzerzugriff bis zur vollständigen Systemkontrolle hochzuarbeiten, waren die Kosten des Zustands „implementiert, aber nicht durchgesetzt“ noch nie so hoch.
3. Verteidiger müssen der Geschwindigkeit von KI mit ebenso schneller KI begegnen: Wenn KI die offensive Seite beschleunigt, muss die defensive Seite entsprechend nachziehen. Dafür sind Sicherheitskontrollen erforderlich, die Bedrohungen anhand mehrerer Signale in Echtzeit bewerten, Risiken dynamisch einstufen und Entscheidungen durchsetzen können, ohne auf Optimierungszyklen mit menschlicher Beteiligung warten zu müssen.
Wie F5 darauf reagiert
Wir haben diesen Wandel vorausgesehen. Deshalb ist die KI-gestützte WAF in F5 Distributed Cloud Services auf diese neue Realität ausgelegt. Sie ergänzt Signaturen durch eine mehrschichtige Analyse, darunter kuratierte Signaturkombinationen, kontextbezogene Angriffsindikatoren und Echtzeitmodelle für maschinelles Lernen (ML). Hinzu kommen die Erkennung von Zero-Day-Angriffen, um bislang unbekannte, aktiv ausgenutzte Bedrohungen zu identifizieren, sowie die Anomalieerkennung, um Verhaltensabweichungen aufzudecken, die keine Signatur oder Regel vorhersehen könnte. Jeder Anfrage wird dynamisch eine Risikostufe zugewiesen. So können Teams schneller in den Blockierungsmodus wechseln – mit weniger Fehlalarmen und ohne die betriebliche Komplexität, die herkömmliche WAF-Bereitstellungen ausbremst.
Hier sind drei Fragen, die sich jeder CISO in diesem Quartal stellen sollte, um die eigene Bereitschaft zu bewerten:
- Können Sie mit der Menge Schritt halten? Ihr Schwachstellenmanagement wurde für eine Welt entwickelt, in der neue Erkenntnisse in einem für Menschen bewältigbaren Tempo aufkamen. Wenn KI innerhalb weniger Wochen Tausende schwerwiegende Schwachstellen aufdeckt, kann Ihr Team diese dann schnell genug identifizieren, priorisieren und beheben – oder wächst der Rückstau einfach immer weiter?
- Können Sie erkennen, was Sie noch nie zuvor gesehen haben, und innerhalb von Sekunden reagieren? Zero-Day-Angriffe warten nicht auf Signaturen. Kann Ihre Sicherheitsinfrastruktur bislang unbekannte Bedrohungen in Echtzeit erkennen, und wie schnell lässt sich Ihre Erkennungslogik aktualisieren, wenn eine neue Schwachstelle bekannt wird? Wenn dafür Regeln manuell erstellt und ein Änderungskontrollprozess durchlaufen werden müssen, sind Sie bereits im Rückstand.
- Blockieren Sie Angriffe oder beobachten Sie nur? Wie viel Ihres Anwendungsportfolios wird aktiv im Blockierungsmodus geschützt und wie viel lediglich überwacht? Bei jeder Anwendung, die im Überwachungsmodus verbleibt, sehen Sie zwar, wie es zu einer Sicherheitsverletzung kommt, können sie aber nicht verhindern. Diese Lücke ist Ihre tatsächliche, ungeschützte Angriffsfläche.
Die meisten Unternehmen setzen eine WAF ein, doch nur wenige nutzen sie aktiv zur Abwehr. Die Abstimmung der Richtlinien erfordert Zeit und Fachwissen, über die Sicherheitsteams nicht verfügen. Daher verbleibt die WAF im Überwachungsmodus.
Das Ergebnis? Ein Posten in Ihrem Sicherheitsbudget, der Ihr Unternehmen nicht wirklich schützt. Da KI-gestützte Angriffe immer schneller zunehmen, wird diese Lücke zu einem existenziellen Risiko. Unternehmen, die jetzt handeln und die Durchsetzung von WAF-Richtlinien mithilfe von KI automatisieren, machen Sicherheit zu einem Wettbewerbsvorteil.
Weitere Informationen zur KI-gestützten WAF in F5 Distributed Cloud Services finden Sie auf unserer Webseite zu F5 Distributed Cloud WAF.
Lesen Sie außerdem unseren vorherigen Blogbeitrag „Das Zeitfenster für Patches ist geschlossen. So ist F5 auf das vorbereitet, was als Nächstes kommt“.
Über die Autoren
Ähnliche Blogbeiträge
Vier Gründe, warum Sie den F5 Post-Mythos Security Summit nicht verpassen sollten
Holen Sie sich Expertenrat, um Ihre Apps, APIs und Modelle in der Post-Mythos-Welt zu schützen.
Von einer App zu einer Flotte von KI-Agenten: Ein 90-Tage-Framework für KI-Sicherheit
Vermeiden Sie den kostspieligen Ansatz „Erst bereitstellen, später absichern“ – mit einem umfassenden Framework zum Schutz von KI-Modellen, Anwendungen und autonomen Agenten.
Fünf Stufen antifragiler Cyberresilienz verwandeln Praxis in Ergebnisse
Erfahren Sie, wie fünf Stufen antifragiler Resilienz Störungen in adaptive Verhaltensweisen überführen, die Ausfälle begrenzen und hybride Multicloud-Architekturen stärken.
Warum Ihre KI-Richtlinien, Governance und Leitplanken nicht warten können
KI-Richtlinien und -Governance dürfen nicht länger als reine Formalitäten oder Zukunftsthemen betrachtet werden. Sie müssen durch praktische, durchsetzbare Leitplanken ergänzt werden.
Wenn „privat“ nicht privat ist: Wie ChatGPT-Unterhaltungen öffentlich wurden
KI verändert die Arbeitsabläufe in Unternehmen, doch eine übersehene Einstellung hat bereits Tausende vertraulicher Unterhaltungen öffentlich zugänglich gemacht
KI-Nutzung verstehen: Warum Unternehmen Transparenz brauchen
Anstatt einen zu laxen oder zu strengen Ansatz zu verfolgen, können Unternehmen durch mehr Transparenz bei der KI-Nutzung fundierte und durchsetzbare Entscheidungen treffen.