Vor einer gefühlten Ewigkeit machten sich Sicherheitsteams noch Sorgen darüber, dass Angreifer Anwendungen manuell auf Schwachstellen abklopften, die sie ausnutzen konnten.
Nach nur wenigen Monaten wirkt dieser Ansatz zur Ausnutzung von Schwachstellen inzwischen fast schon altmodisch, oder?
Durch den Einsatz hochmoderner KI-Modelle und von Projekten wie Claude Mythos für Anwendungscode und Open-Source-Ökosysteme ist die Entdeckung von Schwachstellen innerhalb kürzester Zeit exponentiell schneller, nahezu unbegrenzt skalierbar und sogar deutlich kostengünstiger geworden. Gleiches gilt auch für die potenzielle Ausnutzung dieser entdeckten Schwachstellen.
“Teams können sich auf eine dynamische Bedrohungsbewertung verlassen, die gezielt tatsächlich bösartiges Verhalten erkennt und gleichzeitig legitimen Datenverkehr ungehindert passieren lässt.”
Anstatt dass ein einzelner Sicherheitsforscher einen Fehler entdeckt, analysiert KI in kürzester Zeit Code-Repositorys, erkennt unsichere Muster und hilft dabei, mögliche Angriffspfade zu entwickeln. Das Ergebnis ist eine neue Realität: Mehr Schwachstellen werden früher entdeckt und schneller für Angriffe ausgenutzt.
Für Webanwendungen und APIs sowie für die Millionen von Organisationen weltweit, die sie entwickeln und nutzen, lautet die Frage nicht mehr: „Werden wir Exploit-Versuche erleben?“, sondern vielmehr: „Welche Exploits sind am relevantesten, und können wir die entscheidenden rechtzeitig abwehren?“
Das Problem: In der WAF-Alarmflut untergehen, während Exploits immer schneller voranschreiten
Web Application Firewalls (WAFs) sind eine wichtige Schutzmaßnahme zur Abwehr gängiger Angriffe. Herkömmliche WAFs erzwingen jedoch häufig eine undifferenzierte Entscheidung: den Zugriff auf eine Anwendung oder API entweder zuzulassen oder zu verweigern. Dadurch kann für Ihre Sicherheitsteams ein mühsamer und zeitaufwendiger Kreislauf entstehen – mit zu vielen Warnmeldungen, darunter Fehlalarme und Ereignisse mit niedriger Priorität, die eine manuelle (sprich: langsame), von Fachleuten durchgeführte Feinabstimmung erfordern, um das Rauschen zu reduzieren, ohne legitimen Datenverkehr zu blockieren. Gleichzeitig stehen immer weniger Fachkräfte zur Verfügung (sprich: die Kompetenz- und Wissenslücke wächst).
In der Zwischenzeit werden KI-gestützte Angreifer nicht langsamer, nur weil sich Ihre unerledigten Aufgaben stapeln. Tatsächlich setzen sie darauf, dass Ihre SecOps-Teams überlastet und überbeansprucht sind – und in manchen Fällen einfach nicht mehr können.
Von „Warnmeldungen“ zu „Prioritäten“
Aus diesem Grund ist die Risikobewertung unverzichtbar geworden.
Der derzeitige Ansatz, jedes Signal einer WAF gleich zu gewichten, erzeugt zu viele Warnmeldungen und führt bei Ihren ohnehin schon überlasteten Teams zu Alarmmüdigkeit. Außerdem entstehen dadurch zu viele Fehlalarme, die die Nutzer Ihrer Anwendung frustrieren können.
SecOps-Teams müssen ständig die richtige Balance finden: Sie müssen WAF-Signaturen kontinuierlich anpassen, um einen starken Schutz aufrechtzuerhalten und gleichzeitig Fehlalarme zu minimieren. Die manuelle Feinabstimmung einer WAF ist komplex und erfordert häufig eine zeitaufwendige Abstimmung zwischen Sicherheits-, Entwicklungs- und Betriebsteams, die in der Regel ohnehin bereits überlastet sind. Wenn bei Entscheidungen Kompromisse zwischen Geschwindigkeit, Genauigkeit und teamübergreifendem Aufwand erforderlich sind, verzögert sich die Behebung und die Gefährdung bleibt bestehen. Deshalb sind fortschrittlichere, KI-gestützte WAF-Funktionen heute notwendiger und wichtiger denn je.
Anstatt jedes WAF-Signal gleich zu behandeln, beantwortet ein risikobasiertes Modell die eigentliche operative Frage: „Was sollten wir zuerst angehen, um das Risiko so weit wie möglich zu reduzieren?“
Ein risikobasiertes Modell für Anwendungen liefert einen Risikowert, der komplexe Sicherheitsdaten verständlich macht und zahlreiche Signale und Eingaben in quantifizierbare Kennzahlen überführt. Bei der Risikobewertung werden die Ausnutzbarkeit einer Schwachstelle, die geschäftliche Kritikalität und die Sensibilität der Daten berücksichtigt. Die Einbeziehung dieses Kontexts bei Anwendungsschwachstellen modernisiert und vereinfacht die Priorisierung von Patches, ermöglicht eine effiziente Ressourcenzuweisung und schließt die sich rasch verengende Lücke zwischen technischem Risiko und geschäftlichen Auswirkungen.
Die Bewertung des von Schwachstellen ausgehenden Risikos hilft, Alarmmüdigkeit zu vermeiden, indem die dringendsten und kritischsten Bedrohungen identifiziert werden. So können Sicherheitsteams diejenigen Schwachstellen beheben – oder virtuell patchen –, die potenziell den größten Schaden für das Unternehmen und seine Benutzer verursachen können. Die Risikobewertung schafft Kontext, ermöglicht die Priorisierung von Schutzmaßnahmen und trägt dazu bei, Nachweise für einen risikobasierten Sicherheitsansatz zu standardisieren. Dadurch wird auch die Einhaltung gesetzlicher und regulatorischer Vorgaben vereinfacht.
KI-gestützte WAF von F5
In einem Blogbeitrag Anfang dieses Jahres mit dem Titel „Webanwendungen ohne Komplexität schützen: Wie die KI-gestützte WAF von F5 die WAF-Sicherheit transformiert“ haben wir erläutert, wie die KI-gestützten WAF-Funktionen in F5 Distributed Cloud WAF einen bedeutenden Fortschritt beim Schutz von Webanwendungen darstellen: Sie bieten stärkere Sicherheit mit weniger Fehlalarmen und entlasten SecOps-Teams von der kontinuierlichen manuellen Feinabstimmung. Die KI-gestützte WAF verändert die Art und Weise, wie Entscheidungen zur Anwendungssicherheit getroffen werden, und ermöglicht Teams den Übergang von einer konfigurationsintensiven Regelverwaltung zu einer ergebnisorientierten Sicherheit.
Anstatt Hunderte oder Tausende von Signaturen immer wieder anzupassen, können sich Teams auf eine dynamische Bedrohungsbewertung verlassen, die gezielt tatsächlich bösartiges Verhalten erkennt und legitimen Datenverkehr ungehindert passieren lässt. Dadurch können Unternehmen schneller in den Blockierungsmodus wechseln und sofortigen Schutz erhalten – bei einem deutlich geringeren Risiko, echte Benutzer zu beeinträchtigen.
Die KI-gestützten Funktionen der Distributed Cloud WAF können den Schweregrad einer Bedrohung jetzt anhand eines einzigen, intuitiven Zahlenwerts quantifizieren. Dies ähnelt stark der Gleichung, die viele Sicherheitsteams bereits verwenden: „Risiko = Wahrscheinlichkeit × Auswirkung“. Sie wird lediglich in Form eines einzigen Zahlenwerts operationalisiert, den Teams sofort priorisieren können.
Der numerische Wert setzt sich aus einem Wahrscheinlichkeitswert zusammen, der angibt, wie wahrscheinlich es ist, dass sich ein Sicherheitsereignis zu einem tatsächlichen Angriff entwickelt, statt legitimen Datenverkehr oder einen Fehlalarm darzustellen.
Er umfasst außerdem einen Auswirkungswert, der quantifiziert, wie kritisch die Situation wäre, wenn das wahrscheinliche Sicherheitsereignis zu einem erfolgreichen Angriff führen würde. Dieser Wert basiert auf Kennzahlen, die sich an realen Auswirkungen orientieren – etwa Vertraulichkeit, Integrität und Verfügbarkeit – sowie auf Indikatoren wie dem Exploit Prediction Scoring System (EPSS) und dem Reifegrad des Exploit-Codes.
Warum dies beim Schutz vor KI-gestützter Ausnutzung von Schwachstellen wichtig ist
Da KI-Tools die Schwachstellenforschung ausweiten, wird es mehr Scans, mehr Sondierungsversuche und mehr „Beinahe-Angriffe“ geben. Die Gefahr besteht darin, die begrenzte Zeit zur Abwehr tatsächlicher Bedrohungen mit der Verfolgung der falschen Sicherheitsereignisse zu verbringen. Dadurch könnte ein Exploit mit schwerwiegenden Auswirkungen der Aufmerksamkeit Ihrer überlasteten Mitarbeitenden entgehen, weil sie in die falsche Richtung geschaut haben.
Die Risikobewertung hilft dabei:
- Alarmmüdigkeit reduzieren, damit sich Teams auf die wirklich gefährlichen Bedrohungen konzentrieren können.
- Treffen Sie schneller und fundierter Entscheidungen darüber, ob eine potenzielle Bedrohung untersucht, blockiert oder ignoriert werden soll.
- Reduzieren Sie den manuellen Abstimmungsaufwand, indem Sie quantitative Signale anstelle endloser Regelanpassungen verwenden. So sparen bereits überlastete und unterbesetzte Sicherheitsteams wertvolle Zeit.
- Ermöglichen Sie kleineren SecOps-Teams, effektiv zu arbeiten, indem sich neue Mitarbeitende an einer klaren Bewertung statt an informellem Erfahrungswissen orientieren können.
Das Fazit
KI der nächsten Generation verkürzt die Zeitspanne zwischen „Eine Schwachstelle ist vorhanden“ und „Ein Exploit wird aktiv ausgenutzt“. In diesem Umfeld darf Sicherheit nicht aus einem Rückstau undifferenzierter Warnmeldungen bestehen. Risikobewertungen schaffen Klarheit im WAF-Rauschen und helfen dabei, echte Bedrohungen zu priorisieren und die Ausnutzung von Schwachstellen zu verhindern, bevor daraus Sicherheitsvorfälle werden.
Weitere Informationen finden Sie in unserer Pressemitteilung und auf unseren Produktseiten zu F5 WAF-Lösungen.
Fordern Sie eine kostenlose Testversion an oder sprechen Sie noch heute mit einem Experten.
Über die Autoren
Ähnliche Blogbeiträge
Kubernetes-native WAF für das Gateway-Zeitalter: F5 WAF for NGINX lässt sich jetzt in F5 NGINX Gateway Fabric integrieren
F5 erweitert WAFs, um mit F5 NGINX Gateway Fabric und F5 NGINX Ingress Controller einen konsistenten, skalierbaren Schutz über Cluster und Umgebungen hinweg bereitzustellen.
Von Regeln zu Risiken: Die Entwicklung von WAFs und der Aufstieg KI-gestützter Ergebnisse
WAF-Programme geraten oft an einem bekannten Punkt ins Stocken: Der Blockierungsmodus wird verzögert aktiviert, weil die Feinabstimmung aufwendig ist.
Erklärbarkeit: Licht ins Dunkel der KI-Blackbox bringen
Einblicke von James White, CTO bei CalypsoAI: Dank GenAI verstehen wir inzwischen gut, wie Antworten generiert und an uns zurückgegeben werden. Vereinfacht gesagt basiert KI auf einer Transformer-Architektur – sie wählt die beste Vorhersage für das nächste Wort und den nächsten Satz aus und liefert anhand der ihr vorliegenden Informationen die wahrscheinlichste Antwort […]
Die neue KI-Risikolandschaft: unsichtbar, autonom und bereits im Unternehmen
James White, VP Engineering, F5 Zur Jahresmitte 2025 ist es an der Zeit, eine Momentaufnahme der KI-Nutzung in Unternehmen und des aktuellen Stands der KI-Sicherheit zu erstellen. Der Einsatz generativer KI ist in Unternehmen mittlerweile Standard Unternehmen verfügen inzwischen durchweg zumindest über ein grundlegendes Verständnis von generativer KI. Sie wissen, was sie ist und wo sie […]
Die KI-Grenzen sichern: Strategien zur Bekämpfung von Datenexfiltration
Da Unternehmen zunehmend Modelle der generativen KI (GenAI) und große Sprachmodelle (LLMs) in ihre digitalen Systeme integrieren, sind sie mit neuen und erhöhten Risiken konfrontiert. Wenig überraschend stehen dabei Risiken im Zusammenhang mit Datenexfiltration – der unbefugten Übertragung von Daten aus einem Unternehmen an ein externes Ziel – meist ganz oben auf der Prioritätenliste der Sicherheitsteams. Ein Verständnis […]
Everest Group-Bericht: Aktuelle Trends und Zukunftsaussichten bei der Einführung von GenAI in der Industrie
Wir freuen uns, einen wesentlichen Beitrag zu einem wegweisenden neuen Bericht der Everest Group, einem weltweit führenden Forschungsunternehmen, geleistet zu haben. Der Bericht mit dem Titel „Generative AI Adoption – Examining Real-world Use in Horizontal Functions and Future Outlook“ bietet eine eingehende Analyse der Einführung generativer KI (GenAI) in verschiedenen Branchen. Dem Bericht zufolge ist die IT […]