Wandel in der Technologie und Cybersicherheit: Neue Risiken durch KI und Software-Lieferketten

In den letzten Jahren hat sich die Technologielandschaft rapide verändert und mit ihr die Bedrohungslandschaft in der Cybersicherheit. Insbesondere die fortschrittlichen Entwicklungen in den Bereichen Künstliche Intelligenz (KI) und maschinelles Lernen (Machine Learning, ML) haben neue Dimensionen eröffnet – sowohl für innovative Anwendungen als auch für potenzielle Sicherheitsrisiken. Im Zuge dieser Entwicklungen nehmen Cyberkriminelle zunehmend KI/ML-Modelle und Software-Lieferketten ins Visier, um sensible Daten zu stehlen und Unternehmen zu kompromittieren.

KI und ML sind zu einem festen Bestandteil moderner Softwareentwicklung geworden. Large Language Models (LLMs), wie GPT-3, haben die Integration von KI in zahlreiche Anwendungen erleichtert. Entwickler sind oft gefordert, KI/ML-Modelle zusammen mit Software-Updates bereitzustellen. Diese schnelllebige Entwicklung führt jedoch oft dazu, dass Sicherheitsaspekte vernachlässigt werden. Entwicklerteams greifen häufig auf Open-Source-Software zurück, um Entwicklungsprozesse zu beschleunigen, ohne jedoch den verwendeten Code ausreichend auf Sicherheitslücken zu prüfen.

Diese Praxis eröffnet Cyberkriminellen neue Möglichkeiten: Bösartiger Code, der in KI-/ML-Modellen versteckt wird, kann dazu genutzt werden, unbemerkt in Unternehmensnetzwerke einzudringen. Es besteht das Risiko, dass Unternehmen, die KI/ML-Modelle ohne ausreichende Sicherheitsprüfungen implementieren, sich erheblichen Gefahren aussetzen.

Darüber hinaus gewinnt die Sicherheit von Software-Lieferketten immer mehr an Bedeutung. Mit der Zunahme von Softwarekomplexität und der Beschleunigung von Entwicklungszyklen wird die Bedrohungslage komplexer und intensiver. Unternehmen müssen ihre Sicherheitsstrukturen stärken und an neue Herausforderungen anpassen. In diesem Zusammenhang spielen Software Bill of Materials (SBOMs) eine wichtige Rolle. Sie bieten Transparenz über die in Softwareprodukten verwendeten Komponenten und ermöglichen es Unternehmen, schneller auf Schwachstellen zu reagieren und gezielte Sicherheitsmaßnahmen zu ergreifen.

Neben den Risiken für KI/ML und Software-Lieferketten stehen Unternehmen vor weiteren Herausforderungen durch neue Angriffsmethoden. Cyberkriminelle entwickeln fortlaufend neue Techniken, wie Cloud-native Würmer oder KI-generierte Köder für Social-Engineering-Angriffe. Solche innovativen Angriffe erfordern eine umfassende Sicherheitsstrategie, die über traditionelle Abwehrmechanismen hinausgeht.

Die Sicherheitsexperten betonen, dass Unternehmen den blinden KI-Hype der letzten Jahre überwinden und verantwortungsbewusst mit KI/ML-Modellen umgehen müssen. Es gilt, fundierte DevSecOps-Praktiken zu entwickeln, die die sichere Entwicklung und den Einsatz von KI gewährleisten.

Es ist auch von entscheidender Bedeutung, dass Unternehmen auf Angriffe auf ihre CI/CD-Pipelines (Continuous Integration and Delivery) vorbereitet sind, da Cyberkriminelle diese als Einfallstore nutzen, um in Software-Lieferketten einzudringen. Die Verwendung von externem Code aus Bibliotheken und Containern von Drittanbietern birgt Risiken, die durch sorgfältige Sicherheitsaudits und regelmäßige Scans gemindert werden müssen.

Angesichts der Tatsache, dass Cyberkriminelle zunehmend raffinierte Methoden entwickeln, um Sicherheitslücken auszunutzen und ihre Angriffe zu skalieren, ist es unerlässlich, dass Unternehmen ihre Sicherheitsmaßnahmen kontinuierlich verbessern und ein hohes Maß an Wachsamkeit aufrechterhalten. Ein 24/7-Sicherheitsmonitoring, das Anomalien erkennt und robuste Incident-Response-Prozesse beinhaltet, ist für die frühzeitige Erkennung und Abwehr von Cyberangriffen von großer Bedeutung.

Die Cybersicherheitslandschaft wird sich auch in Zukunft weiterentwickeln, und Unternehmen müssen darauf vorbereitet sein, sich neuen Herausforderungen zu stellen, um ihre Daten und Ressourcen zu schützen. Dazu gehört auch das Verständnis dafür, dass Investitionen in Cybersicherheit nicht nur als Reaktion auf Vorfälle getätigt werden sollten, sondern proaktiv als integraler Bestandteil der Unternehmensstrategie.

Bibliographie:
- Infopoint Security (2024). "Bedrohungsakteure nehmen KI/Machine-Learning-Modelle und Software-Lieferketten ins Visier." [Online]. Verfügbar unter: https://www.infopoint-security.de/bedrohungsakteure-nehmen-ki-machine-learning-modelle-und-software-lieferketten-ins-visier/a36652/ [Zugriff am 04.04.2024].
- Trend Micro (2023). "Sicherheit 2024: Neue Angriffe durch neue Technologien." [Online]. Verfügbar unter: https://www.trendmicro.com/de_de/research/23/l/sicherheit-2024-neue-angriffe-durch-neue-technologien.html [Zugriff am 04.04.2024].
- IT-Business (2024). "Lösegeldzahlung lohnt sich nicht." [Online]. Verfügbar unter: https://www.it-business.de/loesegeldzahlung-lohnt-sich-nicht-a-01ceaab5919a6dbb053dceeb0c56c488/ [Zugriff am 04.04.2024].
- Golem.de (2023). "Globale Leitlinien für KI-Sicherheit veröffentlicht." [Online]. Verfügbar unter: https://www.golem.de/news/adversarial-machine-learning-globale-leitlinien-fuer-ki-sicherheit-veroeffentlicht-2311-179792.html [Zugriff am 04.04.2024].