Forscher von Zscaler ThreatLabz haben rekonstruiert, wie ein einzelner Angreifer bei einer internationalen Hackerkampagne mehrere KI-Modelle einsetzte. Jedes Modell erhielt eine eigene Aufgabe, von der Erkundung der Angriffsziele bis zur Aufbereitung gestohlener Daten für den Verkauf. Die Analyse erscheint kurz nachdem die Europäische Kommission von einem Cyberangriff getroffen wurde, bei dem KI-Tools eine Rolle spielten.
Laut Berichten des niederländischen Technikportals Tweakers setzten die Angreifer beim Angriff auf die Europäische Kommission das KI-Tool ARTEX ein, um Schwachstellen aufzuspüren. Mehrere Systeme, darunter HR-Anwendungen, wurden vorübergehend abgeschaltet. Ein Datenleck mit personenbezogenen Daten ist nicht ausgeschlossen.
Die von ThreatLabz analysierte Kampagne entdeckten die Forscher selbst. Es handelte sich um eine angepasste Implementierung von ARTEX, die der Angreifer mit Claude Code, Codex und Grok kombinierte. Da die Forscher Zugriff auf gespeicherte Anweisungen und Arbeitsdateien des Angreifers erhielten, konnten sie den Aufbau des Angriffs Schritt für Schritt rekonstruieren. Laut ThreatLabz setzte der Angreifer in nahezu jeder Phase KI ein. Die vollständige Rekonstruktion findet sich in der technischen Analyse von ThreatLabz.
Aufgabenteilung zwischen KI-Modellen
In der Aufklärungsphase wies der Angreifer verschiedenen KI-Systemen bestimmte Aufgaben zu. DeepSeek untersuchte Websites und Anwendungen auf mögliche Einstiegspunkte. Anschließend überprüfte GLM diese Ergebnisse und suchte nach Schwachstellen, die DeepSeek möglicherweise übersehen hatte. Grok führte gleichzeitig von einem separaten Server aus eigenständig Untersuchungen durch.
In der zweiten Phase erhielten spezialisierte KI-Agents den Auftrag, personenbezogene Daten, Kundendaten und Finanzinformationen zu sammeln und zu verarbeiten. Sie sollten unter anderem verschlüsselte Daten entschlüsseln, Transaktionsdaten analysieren und Datenbestände ordnen.
In der letzten Phase nutzte der Angreifer KI, um die erbeuteten Daten für den Verkauf vorzubereiten. Datenfelder wurden ins Chinesische übersetzt und überflüssige Informationen entfernt. Zudem fragte der Angreifer die KI, wo gestohlene Daten üblicherweise verkauft werden.
Angriffsziele in mehreren Branchen
Aus den Anweisungen geht laut den Forschern hervor, dass der Angreifer Organisationen aus ganz unterschiedlichen Branchen im Visier hatte, darunter Finanzdienstleistungen, Onlineshops, Bildung, Logistik und Dating-Plattformen. Die Ziele befanden sich unter anderem in den Vereinigten Staaten, im Vereinigten Königreich, in Indien, Japan, Südkorea und mehreren afrikanischen Ländern. Das Interesse galt vor allem Mitarbeiter- und Kundendaten sowie Finanzinformationen.
ARTEX enthält eine standardmäßige Sperrliste, die Angriffe auf Behörden und Universitäten einschränken soll. ThreatLabz zufolge lässt sich diese Beschränkung relativ einfach umgehen.
Kleinere Akteure, größere Operationen
Der wichtigste Unterschied zu manuellen Angriffen liegt laut den Forschern in der Organisation. KI-Systeme wie DeepSeek, GLM und Grok teilen Aufgaben auf, tauschen Ergebnisse aus und setzen Untersuchungen eigenständig fort. Dadurch kann ein einzelner Angreifer eine Operation aufziehen, für die früher mehrere Personen nötig waren. ThreatLabz erwartet, dass auf diese Weise auch kleinere Hackerkollektive und einzelne Cyberkriminelle großen Schaden anrichten können.
Albert Kramer, Manager Solutions Consulting Benelux bei Zscaler, sagt, dass die breite Verfügbarkeit von KI-Tools wie Mythos und ARTEX das Cyberrisiko beschleunigt und vergrößert. Kramer betont, wie wichtig es ist, Sicherheitsupdates rechtzeitig zu installieren und den Zugriff auf Anwendungen, Workloads und deren Verbindungen untereinander über einen Zero-Trust-Ansatz zu beschränken.
Das niederländische Nationaal Cyber Security Centrum (NCSC) hatte bereits zuvor gewarnt, dass KI die Ausnutzung von Schwachstellen beschleunigen kann. Zscaler verweist zudem auf jüngste Schwachstellen in PHP als Beispiel dafür, wie notwendig gut aufgestellte Sicherheitsprozesse sind.
Der vollständige Bericht ist in der technischen Analyse von ThreatLabz nachzulesen.
Dieser Artikel ist ursprünglich auf Niederländisch bei MSP Business erschienen. Zum Originalartikel →
