FORSCHUNG
Januar 2026: signierte Treiber als Waffe, Sicherheitsneuronen, Passwortmanager
RansomwareSupply chainOT and industrial security
Der Januar 2026 ist NDSS-Monat. Malware bringt eigene signierte, verwundbare Treiber mit, um Abwehr abzuschalten, und eine Architektur wie ACE trennt die Planung von Agenten von nicht vertrauenswürdigen Apps. Wenige Neuronen tragen die Ausrichtung von LLMs, Desktop-Passwortmanager fallen auf simulierte Tasten herein, und E-Mail-Aliase verwirren Identitäten.
Archiv: Rekonstruktion, verfasst im November 2026
1. Unveiling BYOVD Threats: Malware's Use and Abuse of Kernel Drivers
Network and Distributed System Security Symposium · Andrea Monzani, Antonio Parata, Andrea Oliveri, Simone Aonzo et al. · Malware und Bedrohungen
Kurz gesagt: Eine Sandbox, die Treiber bis in den Kernel verfolgt, entlarvt BYOVD-Angriffe und sieben unbekannte verwundbare Treiber.
Bei BYOVD-Angriffen lädt Malware einen legitimen, signierten, aber verwundbaren Windows-Treiber, um in den Kernel zu gelangen und Abwehr abzuschalten. Öffentliche Sandboxes sehen nur das Laden. Die Autoren erstellen eine Phasen-Taxonomie und eine virtualisierte Sandbox, die jeden Treiberschritt verfolgt: Bei 8.779 Proben und 773 Treibern melden sie 48 Verdachtsfälle und sieben neue Lücken.
Warum es wichtig ist. Ransomware und staatliche Gruppen schalten so EDR ab: Kontrolle über ladbare Treiber schließt einen Weg zu schweren Schäden.
2. Actively Understanding the Dynamics and Risks of the Threat Intelligence Ecosystem
Network and Distributed System Security Symposium · Tillson Galloway, Omar Alrawi, Allen Chang, Athanasios Avgetidis et al. · Malware und Bedrohungen
Kurz gesagt: Mit markierten Proben durch die Threat-Intelligence-Kette finden die Autoren Verzögerungen, Engpässe und Lücken.
Das Threat-Intelligence-Ökosystem bewegt Milliarden, doch niemand wusste, wie es wirklich funktioniert. Die Autoren reichen Proben mit markierten Netzindikatoren ein und verfolgen ihre Verbreitung. Fließt die Information, werden Bedrohungen fast immer gestoppt, doch Anbieter, die selektiv oder Stunden bis Tage später teilen, bremsen alle, und leicht erkennbare Sandboxes werden bereits umgangen.
Warum es wichtig ist. Wie schnell ein Indikator die eigenen Werkzeuge erreicht, hängt von der Anbieterkette ab: ein Kriterium bei der Auswahl.
3. DySec: A Machine Learning-Based Dynamic Analysis for Detecting Malicious Packages in PyPI Ecosystem
IEEE Transactions on Information Forensics and Security · Sk. Tanzir Mehedi, Chadni Islam, Gowri Sankar Ramachandran, Raja Jurdak · Software-Lieferkette
Kurz gesagt: DySec beobachtet per eBPF, was ein PyPI-Paket bei der Installation tut, und erkennt bösartige mit 96 % Genauigkeit.
Bösartige Python-Pakete nutzen das Vertrauen in offene Repositories mit ähnlichen Namen und spontan erzeugten Nutzlasten. DySec überwacht die Installation mit eBPF-Sonden und misst 36 Verhaltensmerkmale, von Systemaufrufen bis Netzverkehr. Bei 14.271 Paketen erreicht es 96 % Genauigkeit und fand sechs bösartige Pakete, die PyPI für harmlos hielt.
Warum es wichtig ist. Ein von einem Entwickler installiertes Schadpaket kann viele Produkte erreichen: Verhaltensanalyse bei der Installation schließt eine Lücke.
4. ACE: A Security Architecture for LLM-Integrated App Systems
Network and Distributed System Security Symposium · Enlai Li, Tushin Mallick, Evan Rose, William Robertson et al. · KI- und LLM-Sicherheit
Kurz gesagt: ACE plant die Arbeit eines Agenten nur mit vertrauenswürdigen Daten und isoliert Fremd-Apps bei der Ausführung.
Ruft ein LLM Apps Dritter auf, kann eine bösartige App den Plan verfälschen, die Ausführung blockieren oder Daten stehlen. Die Autoren zeigen neue Angriffe und schlagen ACE vor: zuerst ein abstrakter Plan nur aus vertrauenswürdigen Daten, geprüft gegen Nutzervorgaben, dann die Ausführung mit Barrieren zwischen Apps. Es hält Benchmark-Angriffen mit indirekter Injektion stand.
Warum es wichtig ist. Klassische Systemsicherheit auf Agenten anzuwenden macht sie kontrollierbar und damit bewertbar.
5. NeuroStrike: Neuron-Level Attacks on Aligned LLMs
Network and Distributed System Security Symposium · Lichao Wu, Sasha Behrouzi, Mohamadreza Rostami, Maximilian Thang et al. · KI- und LLM-Sicherheit
Kurz gesagt: Durch Abschalten von unter 0,6 % der Neuronen einiger Schichten umgeht NeuroStrike die Ausrichtung von über 20 offenen LLMs.
Die Sicherheitsausrichtung von LLMs beruht auf wenigen Neuronen, die schädliche Anfragen erkennen. Mit Modellzugang findet und deaktiviert NeuroStrike sie: Unter 0,6 % entfernte Neuronen bringen im Schnitt 76,9 % Erfolg bei über 20 offenen Modellen. Ohne Zugang trainiert es Prompt-Generatoren an ähnlichen Modellen und erreicht 63,7 % gegen fünf geschlossene Modelle.
Warum es wichtig ist. Schutzmechanismen offener Modelle lassen sich leicht entfernen: Nutzer brauchen eigene nachgelagerte Kontrollen.
6. Vault Raider: Stealthy UI-based Attacks Against Password Managers in Desktop Environments
Network and Distributed System Security Symposium · Andrea Infantino, Mir Masood Ali, Kostas Solomos, Jason Polakis · Identität und Authentifizierung
Kurz gesagt: Unter Windows und Linux kann eine bösartige App per unsichtbarer simulierter Tasten Passwörter aus Passwortmanagern stehlen.
Im Browser schützt das Autofill von Passwortmanagern vor Phishing, weil es die Domain kennt. Auf dem Desktop mit nativen Apps sieht es anders aus. Die Autoren prüfen verbreitete Manager wie 1Password und LastPass unter macOS, Windows und Linux: macOS schützt gut, unter Windows fehlen Prüfungen, und eine andere App kann Zugangsdaten, Einmalcodes und Tresorschlüssel abgreifen.
Warum es wichtig ist. Im Passwortmanager bündeln sich alle Zugangsdaten: Eine Schwäche dort vervielfacht die Folgen einer Infektion.
7. One Email, Many Faces: A Deep Dive into Identity Confusion in Email Aliases
Network and Distributed System Security Symposium · M. Wu, Geng Hong, Jiatao Chen, Baojun Liu et al. · Identität und Authentifizierung
Kurz gesagt: E-Mail-Aliase verwirren Anbieter und Plattformen: 139 npm-Konten aus einer Adresse und mehr Phishing-Opfer.
Anbieter sehen Aliase wie [email protected] als Zugänge zum selben Postfach, viele Plattformen als getrennte Identitäten. Bei 28 Anbietern und 18 Plattformen dokumentiert nur Gmail seine Regeln vollständig, 11 Anbieter unterstützen undokumentierte Aliase. Ein Angreifer legte 139 npm-Konten mit einer Adresse an, und 31,65 % der Alias-Kundigen halten Phishing für echt.
Warum es wichtig ist. Die E-Mail ist der Wiederherstellungsschlüssel fast aller Konten: Unklare Alias-Regeln öffnen Betrug und Identitätsdiebstahl die Tür.
8. FirmAgent: Leveraging Fuzzing to Assist LLM Agents with IoT Firmware Vulnerability Discovery
Network and Distributed System Security Symposium · Jiangan Ji, Chao Zhang, Shuitao Gan, Lin Jian et al. · Cyber-physische Systeme und IoT
Kurz gesagt: FirmAgent verbindet Fuzzing mit LLM-Agenten und findet 140 neue Lücken in 14 echten IoT-Firmwares.
Statische Analyse von IoT-Firmware, mit oder ohne LLM, liefert viele Fehlalarme, Fuzzing übersieht viele Fehler. FirmAgent findet per Fuzzing die Eingabestellen und rekonstruiert riskante Pfade; ein LLM-Agent analysiert sie, ein zweiter erstellt Testfälle. In 14 echten Firmwares findet es 182 Lücken mit 91 % Präzision, 140 davon neu und 17 mit CVE.
Warum es wichtig ist. IoT-Geräte in Firmennetzen haben viele schwer sichtbare Lücken: Bessere Werkzeuge beschleunigen die Suche, für Verteidiger wie Angreifer.
9. Discovering Blind-Trust Vulnerabilities in PLC Binaries via State Machine Recovery
Network and Distributed System Security Symposium · Fangzhou Dong, Arvind S. Raj, Efrén López-Morales, Siyu Liu et al. · Cyber-physische Systeme und IoT
Kurz gesagt: Ta'veren rekonstruiert den Zustandsautomaten einer SPS aus dem Binärcode und findet fehlende Sicherheitsprüfungen.
SPS steuern Anlagen mit physischer Wirkung, und eine Sicherheitslücke kann schwere Folgen haben. Viele Schwachstellen entstehen durch fehlende oder unvollständige Prüfungen von Sensoreingaben, denen die SPS blind vertraut. Ta'veren findet sie direkt im Binärcode, ohne Quellcode oder Emulation, indem es den Zustandsautomaten rekonstruiert, und deckt kritische Verstöße in echten SPS auf.
Warum es wichtig ist. In der Industrie kann ein Logikfehler Sachschäden und Stillstand verursachen: Eine Analyse ohne Herstellercode hilft Anlagenbetreibern.
Die Trends des Monats
KI- und LLM-Sicherheit
525 Paper des Monats zu diesem Thema
Mit 525 von 2.920 Arbeiten bleibt KI-Sicherheit das wichtigste Thema. NeuroStrike zeigt, dass die Ausrichtung auf sehr wenigen, in offenen Modellen leicht abschaltbaren Neuronen beruht, während ACE klassische Systemsicherheit auf Agenten überträgt und Planung von nicht vertrauenswürdigen Daten trennt. Der Schutz wandert vom Modell in die Architektur darum.
Zitierte Paper:
- ACE: A Security Architecture for LLM-Integrated App Systems
- NeuroStrike: Neuron-Level Attacks on Aligned LLMs
Malware und Bedrohungen
79 Paper des Monats zu diesem Thema
Drei Arbeiten fragen, wo Malware sich versteckt und wie schnell sie gestoppt wird. Signierte verwundbare Treiber bleiben ein wirksamer Weg, EDR abzuschalten, die Threat-Intelligence-Kette funktioniert, hat aber Engpässe von Stunden bis Tagen, und Verhaltensbeobachtung bei der Installation findet bösartige PyPI-Pakete, die statische Prüfungen übersehen.
Zitierte Paper:
- Unveiling BYOVD Threats: Malware's Use and Abuse of Kernel Drivers
- Actively Understanding the Dynamics and Risks of the Threat Intelligence Ecosystem
- DySec: A Machine Learning-Based Dynamic Analysis for Detecting Malicious Packages in PyPI Ecosystem
Identität und Authentifizierung
143 Paper des Monats zu diesem Thema
Digitale Identität zeigt unerwartete Schwachstellen. Passwortmanager, im Browser sicher, können auf dem Desktop Zugangsdaten und Codes an eine andere App verlieren, und unklare Regeln für E-Mail-Aliase erlauben massenhaft Konten und machen Phishing gerade für erfahrene Nutzer glaubwürdiger.
Zitierte Paper:
- Vault Raider: Stealthy UI-based Attacks Against Password Managers in Desktop Environments
- One Email, Many Faces: A Deep Dive into Identity Confusion in Email Aliases
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: 2920.