Der Abstand zwischen offenen und geschlossenen KI-Modellen bei Cyberangriffen wird kleiner

Die neuesten Daten zeigen in eine klare Richtung: Der Abstand zwischen geschlossenen und offenen KI-Modellen bei Cyberangriffen wird immer kleiner. Laut The Decoder erreichte im Vals-AI-Benchmark, der Angriffe auf Unternehmensnetzwerke simuliert, das geschlossene Modell GPT-6 Sol Daybreak von OpenAI 80,8 Prozent der Angriffsziele. Das Open-Weight-Modell DeepSeek V4. Flash kam auf 72,8 Prozent, bei einem Zehntel der Kosten. Der Unterschied bei den Ergebnissen ist also gering, und eine günstige Alternative liegt nah. Modellnamen und Ergebnisse stammen aus der Berichterstattung von The Decoder. Vor Entscheidungen lohnt sich ein Blick in den Originalbericht von Vals AI.

Warum offene Modelle die Regeln verändern

Ein Modell mit offenen Gewichten lässt sich herunterladen, lokal betreiben und verändern. Der Anbieter kann den Zugang daher nicht zurückziehen und die im Modell eingebauten Einschränkungen nicht abschalten. Laut The Decoder gehen Analysten davon aus, dass sich das Zeitfenster für Verteidiger rasch verkleinert. Für Unternehmen bedeutet das ein Umdenken: Sicherheitskonzepte, die davon ausgehen, dass die besten Angriffswerkzeuge geschlossen und teuer sind, sind nicht mehr verlässlich.

Auch die EU-Regulierung geht in eine ähnliche Richtung. Die KI-Verordnung (AI Act, Verordnung EU 2024/1689) verpflichtet Anbieter von KI-Modellen mit allgemeinem Verwendungszweck und systemischem Risiko, dieses Risiko einschließlich der Cybersicherheitsrisiken zu bewerten und zu begrenzen. Die für Open-Source-Modelle vorgesehenen Ausnahmen gelten jedoch nicht für Modelle mit systemischem Risiko. Die Regulierung entbindet Unternehmen außerdem nicht von der Verantwortung für ihre eigene Abwehr.

Wie sich die Abwehr vorbereiten lässt

Der Kauf eines weiteren Werkzeugs allein reicht nicht aus. Sinnvoll ist es, mit vier Schritten zu beginnen:

1. Testen Sie die eigene Infrastruktur mit automatisierten Penetrationstests und nicht nur mit einer manuellen Prüfung einmal im Jahr. Wenn ein Angriff in großem Maßstab durchgeführt werden kann, muss die Abwehr ebenso wiederholbar sein.
2. Verkürzen Sie die Zeit zwischen dem Erkennen einer Schwachstelle und ihrer Behebung. Legen Sie Prioritäten danach fest, ob das verwundbare System aus dem Internet erreichbar ist und welche Auswirkungen auf Daten möglich sind.
3. Begrenzen Sie die Folgen eines Einbruchs. Netzwerksegmentierung und das Prinzip der minimalen Berechtigungen sorgen dafür, dass ein automatisierter Angriff in einer Sackgasse endet, statt die gesamte Organisation zu durchsuchen.
4. Überwachen Sie maschinenartigen Datenverkehr, also sehr schnelle Serien von Anfragen, wiederholte Anmeldeversuche und ungewöhnliche Aktivitäten von Konten.

Die einfachste Falle ist die Annahme, dass ein geschlossenes Modell des Anbieters für Sicherheit sorgt. Der Benchmark zeigt, dass der Vorsprung gering ist. Die zweite Falle ist der Kauf von Werkzeugen ohne Anpassung von Prozessen, Verantwortlichkeiten und Schulungen im Team.

Zusammenfassung

Die Daten aus dem Vals-AI-Benchmark, über die The Decoder berichtet, deuten darauf hin, dass der Vorsprung geschlossener Modelle bei Cyberangriffen rasch schrumpft. Unternehmen, die dies als Signal zum Handeln verstehen, gewinnen Zeit. Die Stärkung der Abwehr erfordert nicht, jede Bedrohung vorherzusehen. Schnelles Testen, zügiges Patchen und die Begrenzung möglicher Schäden eines Einbruchs reichen für einen guten Start.

Lub System unterstützt B2B-Unternehmen bei der Einführung von KI, Automatisierung und IT-Lösungen - von der Strategie bis zur Umsetzung. Mehr zu unseren Leistungen oder Kontakt aufnehmen.