ALPHARETTA, GEORGIA / LONDON (IT BOLTWISE) – Ein Hacker-Kollektiv soll eine Überwachungskamera von Flock Safety physisch entwendet und anschließend den lokalen Speicher vollständig kopiert haben. Berichten vom September 2026 zufolge gelang dabei die Entsperrung von Aufnahmen mittels Verschlüsselungsschlüsseln. Dabei sollen in rund 21 Tagen etwa 1,6 Mio. Bilder zu 50.000 bis 50.200 Fahrzeugen entstanden sein. Für die betroffenen Behörden rückt damit auch die Frage in den Fokus, wie Datenabflüsse bei lokal gespeicherten Video-Streams organisatorisch und technisch verhindert werden können.
Der Vorfall rund um eine gehackte ALPR-Kamera (Automated License Plate Recognition) zeigt, wie stark die tatsächliche Angriffsfläche von Überwachungssystemen von ihrem Betriebsmodell abhängt. Laut den vorliegenden Angaben hat das Hacker-Kollektiv stegan0gram die Kamera des Anbieters Flock Safety in den USA physisch entwendet. Erst dadurch, nicht über eine klassische Online-Schnittstelle, soll sich Zugriff auf die lokal gespeicherten Bilddaten ergeben haben. Berichten vom September 2026 zufolge kopierten die Angreifer den Speicher der demontierten Hardware vollständig und nutzten dabei Verschlüsselungsschlüssel, mit denen sich die eigentlich geschützten Aufnahmen entsperren ließen.
Besonders aufschlussreich ist der dokumentierte Umfang der Datenextraktion, weil er die Perspektive vom einzelnen Sicherheitsereignis hin zu einem messbaren Datenschutz- und Betriebsrisiko verschiebt. Die Analyse der extrahierten Bestände deutet auf eine Überwachungsleistung über einen Zeitraum von rund 21 Tagen hin: Erfasst worden seien Informationen zu etwa 50.000 bis 50.200 Fahrzeugen, dabei seien insgesamt rund 1,6 Mio. Bilder generiert worden. Auf Fahrzeugebene nennt die Auswertung typischerweise etwa 28 gespeicherte Aufnahmen, in einzelnen Fällen jedoch mehr als 100 Bilder. Im Schnitt kamen so rund 3.300 Fahrzeuge pro Tag zusammen; einen Spitzenwert mit 4.454 Fahrzeugen an einem einzigen Tag nennt der Bericht ebenfalls.
Technisch basiert die Speicherung demnach auf kurz getakteten Videoclips, was für die Einschätzung der Risikoauswirkung zentral ist. Laut Beschreibung umfasste der lokale Datensatz 27.321 kurze MP4-Clips mit einer Dauer von jeweils einer bis zwei Sekunden. Die Clips lieferten eine Auflösung von 1024×768 Bildpunkten und enthielten keine Tonspur. Zusätzlich wurden mehr als 27.000 Fehlermeldungen mit dem Wortlaut „no space left on device“ dokumentiert, was auf eine vollständige Ausnutzung der lokalen Speicherkapazität schließen lässt. Für Betreiber ist das mehr als ein Betriebsdetail: Wenn ein Gerät dauerhaft an die Speichergrenze läuft, entstehen genau jene Randbedingungen, unter denen Datenraten, Puffer-Logik und Löschmechanismen besonders streng geprüft werden müssen.
Für die inhaltliche Einordnung kommt noch hinzu, wie das installierte Analyse-Softwaremodell die Bilddaten verarbeitet. Die auf der Kamera installierte Software war offenbar darauf ausgelegt, nicht nur Kennzeichen, sondern auch Personen, Fahrzeuge und Fahrräder zu identifizieren. Gleichzeitig nennt der Bericht typische Fehlinterpretationen: Aufkleber und Aufnäher an Fahrzeugen seien vom System fälschlicherweise als Kennzeichen registriert und gespeichert worden. Hinweise auf den Einsatz von Gesichtserkennungstechnologien hätten sich in den Datenbeständen hingegen nicht gefunden. In einer Auswertung von 27.321 Clips seien Personen nur in elf Fällen erkannt worden, und dabei handelte es sich ausschließlich um Motorradfahrer.
Damit rückt auch die Frage in den Vordergrund, wie stark regionale Installationen in Verwaltungsketten eingebunden sind. Die betroffene Kamera war in Alpharetta im US-Bundesstaat Georgia installiert; aus dieser Position heraus sollen Daten für mehr als 2.000 Behörden zugänglich gewesen sein. Wenn Datenströme oder Berechtigungsmodelle so breit verteilt sind, wird ein einzelner Hardware- oder Zugriffsvorfall automatisch zu einem Organisations- und Prozessproblem: Selbst wenn die eigentliche Cloud-Infrastruktur nicht kompromittiert wird, kann der lokale Abgriff einen erheblichen Teil der verwertbaren Informationen liefern. Flock Safety stellte hierzu laut den Angaben klar, dass die Demontage illegal gewesen sei und dass die Cloud-Infrastruktur durch den physischen Zugriff auf die Hardware nicht kompromittiert worden sei. Außerdem hieß es, dass im Vorfeld keine Meldung über die Sicherheitslücke im Rahmen der hauseigenen Vulnerability-Disclosure-Policy eingegangen sei.
Politisch und regulatorisch wird der Fall als weiterer Impuls für die Diskussion um ALPR-Überwachungstechnologien eingeordnet. Der Vorfall rückt die Verbreitung von ALPR-Kameras in den Fokus: In den USA sollen derzeit mehr als 130.000 solcher Kameras an Straßenrändern im Einsatz sein. Zeitgleich mit dem Bekanntwerden des Datenabflusses wurde laut den vorliegenden Angaben die Einbringung eines Gesetzesentwurfs unter dem Namen „No FLOCK Act“ angekündigt, der sich mutmaßlich mit Regulierung oder Einschränkung dieser Technologien befasst. Auch wenn die Details noch ausstehen, wird aus technischer Sicht klar, warum solche Initiativen an Fahrt gewinnen: Die Kombination aus lokaler Speicherung, Verschlüsselung, physischen Bedrohungen (Demontage) und anschließendem Zugriff auf Entschlüsselungsschlüssel schafft eine Angriffsoberfläche, die sich durch reine Netzwerkhärtung nicht vollständig schließen lässt.
Für Unternehmen und Behörden lässt sich aus dem berichteten Muster vor allem eine praktische Lehre ableiten: Bedrohungsmodelle müssen physische Angriffe und Datenabgriff nach dem Abschöpfen der Hardware einbeziehen. Dazu gehören robuste Schlüsselmanagement-Ansätze, die nicht allein am Gerät „mitgeliefert“ sind, sowie Verfahren, die bei Speichergrenzen nicht nur Datenverlust verhindern, sondern auch die Integrität von Lösch- und Rotationseinstellungen sicherstellen. Ebenso wichtig ist ein sauberes Berechtigungs- und Zugriffskonzept, das den Kreis an „zugriffsberechtigten“ Stellen im Fehlerfall begrenzt. Während die Ermittlungs- und Bewertungslage zu technischen Ursachen im Detail offen bleibt, verdeutlicht der Vorfall, dass KI-gestützte Erkennungssysteme im Feld nicht nur von Modellgüte abhängen, sondern ebenso davon, wie konsequent Betreiber den Datenlebenszyklus von Clip-Erstellung bis Archiv und Zugriff kontrollieren.
💳 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 "Gehackte ALPR-Kamera: 1,6 Mio. Bilder von 50.000 Fahrzeugen entwendet" 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 "Gehackte ALPR-Kamera: 1,6 Mio. Bilder von 50.000 Fahrzeugen entwendet" 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: »Gehackte ALPR-Kamera: 1,6 Mio. Bilder von 50.000 Fahrzeugen entwendet« bei Google Deutschland suchen, bei Bing oder Google News!