Sicherheit & Datenschutz

Google meldet autonome KI-Agenten, die Exploit-Generierung aus Patches automatisieren

Google und Mandiant haben Angreifer identifiziert, die Multi-Agent-Frameworks nutzen, um Sicherheitspatches zurückzuentwickeln und innerhalb von Minuten Exploits zu generieren. Dies verkürzt das Zeitfenster für Verteidigungsmaßnahmen erheblich.

Roboterarme interagieren mit digitalen Schilden, die automatisierte Sicherheit und Ausnutzung darstellen.
Für diesen Artikel generierte Illustration

Automatisch aus dem englischen Original übersetzt.

Google und seine Cybersicherheits-Tochtergesellschaft Mandiant haben eine signifikante Verschiebung in der Offensive Cyber-Operation dokumentiert: Angreifer setzen nun autonome künstliche Intelligenz-Agenten ein, um die Erstellung von Exploits zu automatisieren. Wie am 16. November 2026 berichtet wurde, markiert diese Entwicklung die ersten bestätigten Fälle, in denen Angreifer Large-Language-Model-Frameworks (LLM) nutzen, um den gesamten Lebenszyklus der Schwachstellensuche und -ausnutzung ohne direkte menschliche Intervention zu steuern.

Was passiert ist

Forscher der Threat Intelligence Group von Google entdeckten einen öffentlich erreichbaren Staging-Server, der von Bedrohungsakteuren betrieben wurde. Auf diesem Server befand sich ein benutzerdefiniertes Multi-Agent-System namens exploit_agent, das zusammen mit gestohlenen Daten früherer Opfer und verschiedenen Post-Intrusion-Skripten gefunden wurde. Das Framework verband mehrere fortschrittliche Sprachmodelle – sowohl kommerzielle Frontier-Versionen als auch lokal gehostete Open-Weight-Varianten –, um eine automatisierte Pipeline zu schaffen. Seine Hauptfunktion bestand darin, Sicherheitspatches zu analysieren, die zugrunde liegenden Schwachstellen zu identifizieren, die durch die Patches behoben wurden, und anschließend Code zu generieren, um dieselben Schwächen auszunutzen.

Die Untersuchung ergab, dass die Betreiber dieser Infrastruktur gezielt französische Medien-, Unterhaltungs- und Bildungssektoren ins Visier nahmen. Das automatisierte System hatte bereits Zugriffssteuerungen im Spectra-WordPress-Plugin überprüft, was auf einen Fokus weit verbreiteter Webtechnologien hindeutet. Neben der Generierung von Exploits enthielt der Server Tools für Reconnaissance, Brute-Force-Authentifizierungsangriffe und die Bereitstellung von Webshells. Es waren sogar Skripte enthalten, die dazu dienten, Webshells zu entfernen, die von konkurrierenden Hackergruppen installiert worden waren – ein Hinweis auf eine überfüllte und kompetitive Bedrohungslandschaft.

Über diesen spezifischen Fall hinaus beobachtete Google weitere offensive Frameworks, die ähnliche Orchestrierungsmuster nutzten. Ein solches Framework, CAIRN, wurde bei Eindringversuchen gegen US-amerikanische Luft- und Raumfahrtorganisationen eingesetzt. Es koordiniert spezialisierte Agenten über ein gemeinsames Informationsboard und nutzt einen Observe-Orient-Decide-Act-Loop (OODA), um nachfolgende Aktionen basierend auf früheren Ergebnissen zu bestimmen. Ein weiteres Tool, CyberStrikeAI, verwendet ein Go-basiertes Backend, um über hundert Sicherheitstools und benutzerdefinierte Skripte über verschiedene Modelle hinweg zu verwalten. HexStrike AI bietet mehr als 150 offensive Sicherheitsdienstprogramme über das Model Context Protocol an und weist verschiedenen Agenten Aufgaben wie Binäranalyse und Reconnaissance zu.

Wie es funktioniert

Diese Systeme wenden Standard-Workflows der Softwareentwicklung auf offensive Sicherheitsaufgaben an. Ein Orchestrator-Agent verwaltet den Prozess, koordiniert spezialisierte Sub-Agenten, die Kontext teilen und externe Tools über Schnittstellen wie das Model Context Protocol aufrufen. Der Prozess beginnt mit dem Patch-Diffing, bei dem die KI Codeversionen vor und nach einem Sicherheitsupdate vergleicht, um Änderungen genau zu lokalisieren. Sobald eine potenzielle Schwachstelle identifiziert ist, generieren andere Agenten Kandidaten-Exploit-Code und testen ihn automatisch gegen Zielsysteme.

Diese Automatisierung beseitigt den manuellen Engpass, der traditionell mit der Rückentwicklung von Patches verbunden war. Während der Vergleich von Codeänderungen eine langjährige Technik in der Cybersicherheit ist, liegt die Neuheit in der Fähigkeit des Agenten, die gesamte Kette unabhängig auszuführen. Das Framework handhabt alles von der initialen Analyse über die Codegenerierung bis hin zu Ausführungssversuchen und erfordert nur minimale menschliche Aufsicht. Die Forscher merkten jedoch an, dass diese Agenten nicht perfekt sind; sie halluzinieren oft technische Details oder zielen auf nicht existierende Systeme, was ihre eigenen Angriffe manchmal stören oder ihre Anwesenheit verraten kann.

Wichtige Details

  • Google und Mandiant identifizierten die ersten Fälle vollständig automatisierter Schwachstellenerkennung und -ausnutzung unter Verwendung von LLM-Frameworks.
  • Das exploit_agent-Framework wurde auf einem öffentlichen Server gefunden, der französische Medien- und Bildungsseiten anvisierte.
  • Andere Frameworks wie CAIRN, CyberStrikeAI und HexStrikeAI nutzen ähnliche Orchestrierungsmuster für offensive Operationen.
  • Angreifer priorisieren Geschwindigkeit über Tarnung und erzeugen erheblichen Netzwerkverkehr sowie erkennbare Code-Artefakte.
  • Öffentliche Informationen zu Schwachstellen erreichen Angreifer schneller, wobei funktionierende Exploits innerhalb weniger Tage nach Offenlegung entwickelt werden.
  • Agenten halluzinieren häufig technische Details, was zu fehlgeschlagenen Angriffen oder zur Entdeckung des Betreibers führt.

Warum es wichtig ist

Für Software-Ingenieure und Sicherheitsteams ist die kritischste Implikation die drastische Verkürzung der verfügbaren Zeit für die Bereitstellung von Fixes. Historisch gab es ein Zeitfenster zwischen der Veröffentlichung eines Sicherheitspatches und der Verfügbarkeit zuverlässiger Exploits in freier Wildbahn. Nun können autonome Agenten von der Patch-Offenlegung zur aktiven Ausnutzung innerhalb von Minuten wechseln. Diese Geschwindigkeit bedeutet, dass Organisationen die Bereitstellung von Patches als sofortigen Notfall behandeln müssen, nicht als geplante Wartungsaufgabe.

Das schiere Volumen der generierten Exploits erschwert zudem die Verteidigungsbemühungen. Nach der Behebung kürzlicher PHP-Schwachstellen tauchten Hunderte angeblicher Exploits online auf, viele davon nicht funktionsfähiger Code, der von Sprachmodellen generiert wurde. Sicherheitsteams sehen sich nun mit der zusätzlichen Belastung konfrontiert, diese automatisierten Versuche zu triagieren, um echte Bedrohungen vom Rauschen zu unterscheiden. Dieser Wandel zwingt Verteidiger dazu, ihre Überwachungsstrategien anzupassen, um Hochgeschwindigkeits-Angriffe mit geringer Tarnung zu bewältigen, die deutliche digitale Spuren hinterlassen.

Was Sie tun können

  • Priorisieren Sie die sofortige Bereitstellung von Patches für kritische Schwachstellen und behandeln Sie sie als Zero-Day-Bedrohungen, bis das Gegenteil bewiesen ist.
  • Überwachen Sie ungewöhnliche Netzwerkverkehrsmuster und bekannte Signaturen, die mit automatisierten Agent-Frameworks assoziiert sind.
  • Implementieren Sie strenge Zugriffssteuerungen und Segmentierung, um laterale Bewegungen einzuschränken, falls ein initialer Zugriff erfolgt.
  • Verwenden Sie automatisierte Testtools, um Ihre eigenen Patches zu validieren und sicherzustellen, dass sie keine neuen Schwachstellen einführen.
  • Bleiben Sie über neu auftretende offensive KI-Frameworks informiert, um deren Artefakte in Ihren Logs besser zu erkennen.
  • Überprüfen und härten Sie Konfigurationen für weit verbreitete Plugins und Komponenten, wie etwa WordPress-Erweiterungen.
  • #cybersecurity
  • #ai agents
  • #exploit generation
  • #patch management
  • #google mandiant

Tools aus dem Bytechap-Shop

Weiterlesen

Alle Artikel