FORSCHUNG
August 2025: widersprüchliche Schwachstellenwerte, vergiftete Modelle, geklonte Stimmen
Supply chainRansomwareOT and industrial security
Der August 2025 stellt einige Grundwerkzeuge infrage. CVSS, EPSS und andere Bewertungssysteme stufen dieselben Schwachstellen sehr unterschiedlich ein, und Scanner für KI-Modelle übersehen die meisten Wege, sie zu vergiften. Anrufe mit geklonter Stimme lassen sich mit Hörproben entlarven, und Passwortstärke-Messer verraten die Passwörter, mit denen sie trainiert wurden.
Archiv: Rekonstruktion, verfasst im November 2026
1. Conflicting Scores, Confusing Signals: An Empirical Study of Vulnerability Scoring Systems
ACM Conference on Computer and Communications Security · Viktoria Koscinski, Mark Nelson, Ahmet Okutan, Robert Falso et al. · KI- und LLM-Sicherheit
Kurz gesagt: Bei 600 echten Schwachstellen setzen CVSS, SSVC, EPSS und Exploitability Index sehr unterschiedliche Prioritäten.
Der erste große, an realen Ergebnissen gemessene Vergleich prüft CVSS, SSVC, EPSS und den Exploitability Index an 600 Schwachstellen aus vier Monaten Microsoft Patch Tuesday. Die Systeme stufen dieselben Schwachstellen sehr unterschiedlich ein und erfassen das reale Ausnutzungsrisiko verschieden gut, mit Folgen für alle, die sich auf diese Werte stützen.
Warum es wichtig ist. Viele Underwriting-Fragebögen und Patchpläne stützen sich auf einen einzigen Wert: Die Wahl des Systems bestimmt, welche Lücken zuerst geschlossen werden.
2. The Art of Hide and Seek: Making Pickle-Based Model Supply Chain Poisoning Stealthy Again
arXiv · Tong Liu, Guozhu Meng, Peng Zhou, Zizhuang Deng et al. · Software-Lieferkette
Kurz gesagt: Scanner für KI-Modelle übersehen 19 von 22 Wegen, ein vergiftetes Pickle-Modell zu laden.
Viele KI-Frameworks speichern Modelle mit Pickle, einem Format, das beim Laden Code ausführen kann, und Austauschplattformen verstärken das Risiko. Die erste systematische Studie findet 22 Ladepfade in fünf Frameworks, von denen 19 bestehenden Scannern entgehen, eine Umgehungstechnik mit 7 Varianten, die alle Scanner täuschen, und 133 ausnutzbare Funktionen.
Warum es wichtig ist. Automatisches Scannen heruntergeladener Modelle ist keine Garantie: Nötig sind sichere Formate und Regeln, welche Modelle in Produktion dürfen.
3. NodeShield: Runtime Enforcement of Security-Enhanced SBOMs for Node.js
ACM Conference on Computer and Communications Security · Eric Cornelissen, Musard Balliu · Software-Lieferkette
Kurz gesagt: NodeShield setzt die SBOM einer Node.js-App zur Laufzeit durch und begrenzt die Ressourcen jeder Abhängigkeit.
Das Node.js-Ökosystem ist ein häufiges Ziel von Lieferkettenangriffen. NodeShield nutzt die SBOM als maßgebliche Quelle der Abhängigkeiten und ergänzt sie um eine Fähigkeitenliste, die CBOM, die festhält, auf welche Systemressourcen jede Komponente zugreifen darf. Beides wird zur Laufzeit ohne Codeänderung durchgesetzt, sodass nicht deklarierte Abhängigkeiten und Ressourcen gesperrt bleiben.
Warum es wichtig ist. Die SBOM wird vom Compliance-Dokument zur aktiven Kontrolle: Ein kompromittiertes Paket bleibt auf seine deklarierten Ressourcen beschränkt.
4. PITCH: AI-assisted Tagging of Deepfake Audio Calls using Challenge-Response
ACM Asia Conference on Computer and Communications Security · Govind Mittal, Arthur Jakobsson, Kelly Ann Marshall, Chinmay Hegde et al. · Politik, Recht und Gesellschaft
Kurz gesagt: Hörproben während des Anrufs helfen, geklonte Stimmen in Echtzeit zu entlarven.
Stimmklonen in Echtzeit umgeht stimmbasierte Telefon-Authentifizierung. PITCH schlägt 20 Hörproben auf Basis von Gehör, Linguistik und Umgebung vor, getestet an 1,6 Millionen Fälschungen von 100 Personen. Die Proben heben die automatische Erkennung auf 88,7% AUROC, und ein Mensch-KI-System markiert verdächtige Anrufe als „wahrscheinlich Deepfake“.
Warum es wichtig ist. Callcenter von Banken und Versicherern mit Stimm-Authentifizierung sind Identitätsbetrug ausgesetzt: Aktive Prüfungen im Gespräch sind nötig.
5. On the Account Security Risks Posed by Password Strength Meters
ACM Asia Conference on Computer and Communications Security · Ming Xu, Weili Han, Jitao Yu, Jing Liu et al. · Identität und Authentifizierung
Kurz gesagt: Passwortstärke-Messer verraten die Passwörter, mit denen sie trainiert wurden, und helfen Angreifern.
Von 11 Passwortstärke-Messern sind 5 datengetriebene für Membership Inference anfällig, die 10.000 bis 100.000 Trainingspasswörter offenlegt, und 3 regelbasierte zeigen ihre gesperrten Passwörter im Klartext. Auf Seiten mit dem verbreiteten Zxcvbn kompromittiert ein darauf abgestimmter Angriff 5,84% mehr Konten in 10 Versuchen.
Warum es wichtig ist. Ein Baustein, der Passwörter stärken soll, wird zur Informationsquelle für alle, die in Konten einbrechen wollen.
6. MoEcho: Exploiting Side-Channel Attacks to Compromise User Privacy in Mixture-of-Experts LLMs
ACM Conference on Computer and Communications Security · Ruyi Ding, Tianhong Xu, Xinyi Shen, Aidong Adam Ding et al. · Hardware und Seitenkanäle
Kurz gesagt: Hardwarespuren von Mixture-of-Experts-Modellen verraten Prompts und Antworten der Nutzer.
Mixture-of-Experts-Architekturen aktivieren je nach Tokenbedeutung nur einige Teilmodelle, und dieses Routing hinterlässt Spuren in der Hardware. MoEcho findet vier neue Seitenkanäle auf CPUs und GPUs, darunter Leistungszähler und TLB, und nutzt sie für Angriffe, die Prompts ableiten und Antworten MoE-basierter LLMs und Vision-Language-Modelle rekonstruieren.
Warum es wichtig ist. Auf geteilter Infrastruktur öffnet die Effizienz großer Modelle einen Weg, fremde Gespräche mitzulesen: ein Risiko für mandantenfähige KI-Dienste.
7. Minerva: A File-Based Ransomware Detector
ACM Asia Conference on Computer and Communications Security · Dorjan Hitaj, Giulio Pagnotta, Fabio De Gaspari, Lorenzo De Carli et al. · Malware und Bedrohungen
Kurz gesagt: Minerva erkennt Ransomware an Dateiaktivität, widersteht Umgehung und schlägt binnen einer halben Sekunde an.
Prozessbasierte Verhaltensdetektoren für Ransomware sind für Umgehung anfällig. Minerva ist durch Architektur und Merkmalswahl darauf ausgelegt, ihr zu widerstehen, und arbeitet auf Dateiaktivität. Es erkennt Ransomware vieler Arten, auch unbekannte und eigens zur Umgehung gebaute, und über 99% der Erkennungen erfolgen binnen 0,52 Sekunden.
Warum es wichtig ist. Erkennung in unter einer Sekunde begrenzt verschlüsselte Dateien und damit den Schaden: eine Maßnahme, die die mittlere Schwere eines Ransomware-Schadens senkt.
8. QUIC-Exfil: Exploiting QUIC's Server Preferred Address Feature to Perform Data Exfiltration Attacks
ACM Asia Conference on Computer and Communications Security · Thomas Grübl, Weijie Niu, Jan von der Assen, Burkhard Stiller · Netzwerksicherheit
Kurz gesagt: Eine QUIC-Funktion erlaubt Datenabfluss, getarnt als normale Verbindungsmigration.
QUIC trägt inzwischen einen großen Teil des Internetverkehrs, und sein Design macht es für Firewalls schwer handhabbar. QUIC-Exfil missbraucht die Funktion Server Preferred Address, um gestohlene Daten getarnt als serverseitige Migration an einen bösartigen Server zu senden. Fünf auf rund 700.000 Verbindungen trainierte Anomalie-Klassifikatoren erkennen es nur schwer.
Warum es wichtig ist. Für TLS und DNS gebaute Exfiltrationskontrollen decken QUIC nicht ab: Zu prüfen ist, ob die Perimeterabwehr es tatsächlich inspiziert.
9. Virtual Reality, Real Problems: A Longitudinal Security Analysis of VR Firmware
ACM Conference on Computer and Communications Security · Vamsi Shankar Simhadri, Yichang Xiong, Habiba Farrukh, Xiaokuan Zhang · Cyber-physische Systeme und IoT
Kurz gesagt: 300 Firmware-Versionen von Quest- und Pico-Brillen zeigen fehlenden Kernelschutz und uneinheitliche Berechtigungen.
VR-Brillen erfassen viele Sensordaten und nutzen angepasstes Android. Die erste umfassende Firmware-Analyse untersucht über 300 Versionen von Meta Quest und Pico auf Kernel-, Systembinär- und App-Ebene. Sie findet fehlende Kernel-Sicherheitsfunktionen, schwach gehärtete Binärdateien, uneinheitlich durchgesetzte Berechtigungen und unzureichende SELinux-Regeln.
Warum es wichtig ist. Brillen kommen in Ausbildung, Medizin und Arbeit an: Ihre biometrischen und Bewegungsdaten machen ein Leck schwerer als bei einem normalen Gerät.
Die Trends des Monats
Software-Lieferkette
11 Paper des Monats zu diesem Thema
Die Software-Lieferkette weitet sich auf KI-Modelle aus. Scanner, die vergiftete Pickle-Modelle blockieren sollen, übersehen die meisten Angriffspfade, während die SBOM für Node.js zur aktiven Kontrolle wird, die jede Abhängigkeit auf ihre deklarierten Ressourcen begrenzt. Die Richtung ist dieselbe: vom Inventar zur Begrenzung dessen, was jede Komponente darf.
Zitierte Paper:
- The Art of Hide and Seek: Making Pickle-Based Model Supply Chain Poisoning Stealthy Again
- NodeShield: Runtime Enforcement of Security-Enhanced SBOMs for Node.js
Malware und Bedrohungen
54 Paper des Monats zu diesem Thema
Drei Arbeiten betreffen alltägliche Abwehrwerkzeuge. Systeme zur Schwachstellenbewertung sind sich bei Prioritäten uneinig, ein dateibasierter Ransomware-Detektor reagiert in einer halben Sekunde und widersteht Umgehung, und QUIC bietet einen Exfiltrationskanal, den Kontrollen für TLS und DNS übersehen. Bei der Bewertung eines Unternehmens zählt, welche Werkzeuge genutzt werden, nicht nur, ob es sie gibt.
Zitierte Paper:
- Conflicting Scores, Confusing Signals: An Empirical Study of Vulnerability Scoring Systems
- Minerva: A File-Based Ransomware Detector
- QUIC-Exfil: Exploiting QUIC's Server Preferred Address Feature to Perform Data Exfiltration Attacks
Identität und Authentifizierung
50 Paper des Monats zu diesem Thema
Authentifizierung bleibt das Einfallstor für Betrug. Stimmklonen in Echtzeit bringt Callcenter in Bedrängnis, die Kunden am Telefon erkennen, und Passwortstärke-Messer, als Hilfe gedacht, verraten Angreifern nützliche Informationen. In beiden Fällen braucht die Abwehr aktive Prüfungen, nicht nur Vertrauen in den Kanal.
Zitierte Paper:
- PITCH: AI-assisted Tagging of Deepfake Audio Calls using Challenge-Response
- On the Account Security Risks Posed by Password Strength Meters
Wie dieser Digest entsteht
Diese Ausgabe gehört zum Archiv des Digests und wurde nachträglich rekonstruiert. Die Paper des Monats stammen aus arXiv, dem IACR-ePrint-Archiv und den wichtigsten Sicherheitskonferenzen und -zeitschriften; bei der Auswahl zählen auch die seit der Veröffentlichung erhaltenen Zitierungen. Ein KI-Modell hat die Kandidaten bewertet und die Zusammenfassungen verfasst, die auf den Abstracts beruhen: Für Details gilt das Original-Paper.
Bewertete Paper des Monats: 1434.