LONDON (IT BOLTWISE) – Ein mutmaßlich russischsprachiger Angreifer soll mithilfe von KI-Agenten Exploits für zwei PaperCut-Sicherheitslücken entwickelt und anschließend mehr als 440 Instanzen übernommen haben. Laut Berichten wurde die Kampagne von einer konkreten IP-Adresse aus betrieben, die zuvor schon für Port-Scans und Brute-Force-Versuche auffiel. Besonders auffällig: Der Workflow soll vom Labor-Aufbau über Zielgenerierung und Retry-Logik bis zur Auswertung von Fehlschlägen vollständig automatisiert worden sein. Unklar bleibt derzeit, ob der Zugriff primär für die Übergabe an andere Akteure dient oder ob daraus direkt weitere Ziele wie Datendiebstahl oder Ransomware entstehen.
Die Nachricht wirkt auf den ersten Blick wie ein weiterer PaperCut-Fall, technisch betrachtet ist sie jedoch ein Musterbeispiel dafür, wie KI-gestützte Agenten inzwischen den gesamten Angriffsbauplan verschieben. Laut unabhängigen Meldungen soll ein mutmaßlich russischsprachiger Cyberakteur zwei kürzlich offengelegte Schwachstellen in PaperCut NG/MF ausgenutzt haben, um in kurzer Zeit Hunderte von Zielsystemen zu kompromittieren. Der Angriff wird mit den CVEs CVE-2026-81578 und CVE-2026-82078 in Verbindung gebracht, beschrieben als Kette aus Authentifizierungs-Bypass und anschließender Remote-Code-Ausführung. Für Unternehmen heißt das: Es reicht nicht mehr, nur die „ersten“ Exploits im Blick zu behalten – gefragt ist ein belastbares Gesamtbild aus Patch-Stand, Angriffsoberflächen-Management und Detektionslogik über die gesamte Kill-Chain.
Als Startpunkt der Aktivität nennen die Berichte eine bestimmte Quell-IP, die mit unbefugtem Port-Scanning und Brute-Force-Versuchen in den Wochen davor verknüpft gewesen sein soll. Die Kampagne habe laut diesen Beobachtungen gezielt Systeme in einer Reihe von Ländern ins Visier genommen – darunter unter anderem die USA, das Vereinigte Königreich, Frankreich, Spanien, Kanada, Belgien, Portugal sowie weitere Staaten wie Australien, Deutschland und die Schweiz. Gleichzeitig wird erwähnt, dass der Akteur offenbar versuchte, Zielorganisationen in 28 Ländern explizit auszuschließen; in den konkreten Opferdaten soll diese Zurückhaltung aber nicht durchgängig funktioniert haben. Zusätzlich werden in den Berichten Länder der Ausschlussliste genannt, die auch Russland, China und mehrere weitere Regionen umfassen, was die Angreifer-Logik eher als „Policy-getriebene Filterung“ denn als Zufall erscheinen lässt.
Der technische Kern der Meldung liegt in der angeblich agentischen Umsetzung: Nach erfolgreicher Ausnutzung in einem selbst aufgebauten Laborumfeld soll der Angreifer Hunderte KI-Agenten gestartet haben. Diese Agenten sollen laut den Berichten durch Tools wie OpenAI Codex und einen DeepSeek-Modellzugang unterstützt worden sein, ergänzt um öffentlich verfügbare Offense-Frameworks. Konkret werden als Bestandteile unter anderem Mimikatz, SharpHound, Certipy, Rubeus und Impacket genannt – also Komponenten, die typischerweise für Credential Harvesting, Active-Directory-Erkundung und Bewegungen im Zielnetzwerk eingesetzt werden. Besonders relevant ist dabei die Abfolge: Der Einstieg in die Systeme wird als rasch beschrieben, etwa mit einer Zeitspanne von unter vier Stunden vom „leeren Workspace“ bis zur ersten Remote-Code-Ausführung in einem echten Ziel, und später mit einer sehr schnellen Kompromittierungsgeschwindigkeit, sobald die Kampagne „ernsthaft“ anläuft. Solche Zeitmuster sind weniger ein Indikator für einen einzelnen „Magic-Exploit“, sondern für ein ausgereiftes, iteratives Engineering – inklusive Retry-Mechanismen.
Aus Sicht der Angriffsarchitektur berichten die Untersucher, dass der Angreifer nicht bei einer linearen Schrittfolge blieb, sondern ein Feedback-Loopsystem aufbaute. Der Workflow soll vom Stadium der Schwachstellenanalyse über Exploit-Entwicklung und Validierung bis hin zur Ausführung gegen gefilterte Targets führen. Dabei soll der Angreifer Ziellisten zusammengeführt, geolokalisiert, nach Ländern gefiltert und dann live erreichbare PaperCut-Systeme identifiziert haben. In der nächsten Phase werden Ziele offenbar nach Betriebssystem und Umgebung kategorisiert, während getrennte Listen dafür existieren, ob Systeme aktiv sind, nicht erreichbar, bestimmte Ausführungsstufen noch nicht durchlaufen haben oder für Post-Exploitation-Schritte geeignet sind. Entscheidend ist: Fehlschläge werden als eigene Klassen erfasst, was den Rahmen für nachgelagerte Anpassungen schafft – anstatt dass jede misslungene Aktion als „alles gleich“ behandelt wird. Ergänzend sollen Python-Skripte die späteren Schritte nachverfolgen und sicherstellen, dass Zustände wie Administratorzugang, Kontoverifikation, Active-Directory-Sammlungen, Domain- und Netzwerk-Discovery sowie Proxy-Setups tatsächlich abgeschlossen wurden.
Die Berichte benennen zudem beobachtete Post-Exploitation-Aktivitäten, die das Zielbild eines typischen AD-zentrierten Angriffs stärken. Dazu zählt die Zustellung von Windows-Registry-Hive-Sammlern, Java-Payloads, die in Verbindung mit Metasploit/Meterpreter-Ökosystemen stehen sollen, sowie Kommandos, um Hosts, Nutzer, Prozesse und sensible Konfigurationsdaten zu identifizieren. Gleichzeitig bleibt das Endziel offen: Laut den Aussagen der beobachtenden Stelle sei unklar, ob der Akteur nur Zugriff aufbaut, um ihn an andere verbundene Gruppen weiterzugeben, oder ob er die Zugriffe direkt für Folgeziele wie Datendiebstahl oder Ransomware nutzen will. Gerade diese Unklarheit ist für Security-Teams wichtig, weil die beste Detektion häufig davon abhängt, welche „letzten“ Ziele priorisiert werden – Verschlüsselung, Exfiltration oder reine Persistenz.
Unternehmen sollten aus der Kombination von KI-Agenten, Exploit-Pipeline und persistenter Projektlogik konkrete Konsequenzen ableiten. Wenn KI nicht nur beim Schreiben von Payloads hilft, sondern auch bei Debugging, Klassifizierung, Status-Speicherung und kontinuierlicher Verbesserung über viele reale Systeme hinweg, verändert das die Angriffsökonomie. In den Berichten wird diese Wirkung unter anderem damit beschrieben, dass der größte Nutzen nicht in einer neuartigen Exploit-Technik liege, sondern in der Senkung menschlicher Aufwände, die sonst für Research, Entwicklung, Fehleranalyse, Tracking und fortlaufende Retry-Wellen nötig wären. Für die Verteidigung bedeutet das: Patch-Management bleibt Pflicht, aber ebenso wichtig sind „Stop-the-Line“-Kontrollen wie Segmentierung von Verwaltungsoberflächen, konsequentes Monitoring auf ungewöhnliche Prozesse nach PaperCut-bezogenen Ereignissen und das frühzeitige Erkennen von Musterwechseln in Richtung AD-Erkundung. Gerade weil die Angriffslogik offenbar Lab-zu-Production skaliert und den Zustand des Projekts über mehrere Iterationen hinweg beibehält, sollten auch Incident-Response-Workflows auf wiederholte, modulare Phasen vorbereitet sein.
Die Beobachtung, dass dem Projekt zwei Open-Source-Komponenten zugrunde liegen sollen – darunter ein Persistenz- bzw. „Memory“-Dienst für KI-Agenten und eine grafische Workspace-Umgebung zum parallelen Start und zur Auswertung mehrerer Agenten – macht die Sache greifbarer. Solche Bausteine senken die Hürde, agentische Angriffsplanung in eine reproduzierbare Pipeline zu gießen: Statt dass der Betreiber bei jeder Phase neu beginnt, bleibt Kontext erhalten, und der Übergang von Vulnerability Research zur Exploit-Validierung und schließlich zur operativen Ausführung kann durchgehend iteriert werden. Für Verantwortliche heißt das nicht, KI-angetriebene Angriffe vollständig „zu verhindern“ – das ist unrealistisch – sondern ihre Eintrittsfläche und die Zeit bis zur Entdeckung drastisch zu verkürzen. Wer PaperCut im Einsatz hat, sollte daher die betroffenen Versionen zeitnah prüfen, Lücken schließen und gleichzeitig nach Indikatoren suchen, die zu Credential Harvesting und AD-Discovery-Schritten passen – denn genau diese Schritte zeigen in den Berichten, wie die agentische Kette vom ersten Zugriff bis zur Systemweiterentwicklung funktioniert.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "PaperCut-Angriff mit KI-Agenten: 440+ Systeme kompromittiert" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "PaperCut-Angriff mit KI-Agenten: 440+ Systeme kompromittiert" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »PaperCut-Angriff mit KI-Agenten: 440+ Systeme kompromittiert« bei Google Deutschland suchen, bei Bing oder Google News!