LONDON (IT BOLTWISE) – Angreifer nutzen KI, um Malware-Versionen in kurzen Abständen dynamisch zu verändern, während Legacy-SIEMs vor allem auf bekannte Muster reagieren. Ein Fallbeispiel aus der Threat-Intelligence-Welt zeigt, dass ein kompromittiertes Programm stündlich neue Varianten nachlädt und dabei die Erkennung durch feste Signaturen aushebelt. Gleichzeitig steigt die Zahl relevanter Alarme, sodass Security-Teams zunehmend mehr Zeit mit Sichtung statt mit Analyse verbringen. Für die Praxis bedeutet das: Der Fokus rückt von „Erkennung durch Wiedererkennung“ hin zu verhaltensbasierter Korrelation und Kontext für Analysten.
Wenn Malware auf einem bereits kompromittierten Rechner nach Hause telefoniert, passiert im Hintergrund oft mehr als nur die klassische C2-Kommunikation. In der vom Quelletext beschriebenen Beobachtung mit dem Namen PROMPTFLUX meldet sich die Schadsoftware regelmäßig beim Ziel einer KI-gestützten Komponente, um eine neue Version ihres eigenen Codes anzufordern. Entscheidend ist nicht, dass „ein“ Tool versagt, sondern wie die Angriffslogik die Annahme aushebelt, auf der viele ältere SIEM-Setups beruhen: Sie sollen bekannte Muster finden und bleiben dann effektiv, solange Angreifer weitgehend wiedererkennbare Technik verwenden.
Legacy-SIEMs funktionieren wie ein digitaler Sicherheitsdienst, der Logdaten aus vielen Unternehmensbereichen einsammelt und nach Anzeichen sucht, die zu früheren Eindringversuchen passen. Das gelingt lange Zeit besonders gut, weil sich Angreifer oft auf bewährte Bausteine stützen: wiederkehrende Phishing-Templates, ähnliche Code-Signaturen oder typische Verhaltensmuster. Laut der genannten X-Force-Analyse nutzen Angreifer heute KI, um Recherche zu beschleunigen, Schwachstellen schneller zu finden und Texte so umzuschreiben, dass sie plausibler wirken. Damit steigt die Geschwindigkeit über die gesamte Kill-Chain, und selbst wenn nicht jede Technik neu erfunden werden muss, reicht die schnellere Anpassung aus, um klassische Erkennungsansätze auszubremsen.
Ein weiterer Effekt kommt hinzu: Die Eintrittshürde sinkt. Der Text verweist auf eine Zunahme aktiver Ransomware-Gruppen um 49% innerhalb eines Jahres, getrieben vor allem durch kleinere, kurzlebige Akteure. Solche Gruppen greifen häufig auf geleakte Tools und etablierte Playbooks zurück, automatisieren aber mit KI die Arbeitsschritte, die früher Zeit und Spezialwissen erforderten. Dazu zählt etwa das zielgerichtete Recherchieren, das Formulieren einer überzeugenden „Lure“ oder das Umschalten, wenn ein Vorgehen nicht sofort funktioniert. In der Praxis sieht das Security-Team dann nicht „den einen“ bekannten Angriff, sondern eine Reihe von Varianten, die von Monat zu Monat das Erscheinungsbild verändern.
Das Problem beschränkt sich daher nicht auf „neue“ Malware-Signaturen, sondern entsteht gleichzeitig aus Alarmflut und Bearbeitungsdruck. Wenn ein Team täglich tausende Alerts manuell prüfen muss, von denen ein großer Teil später als Fehlalarm endet, verschiebt sich die Aufmerksamkeit unweigerlich. Müdigkeit wirkt wie ein Filter: Sicherheitsverantwortliche überspringen eher Dinge, die routineähnlich wirken, selbst wenn sie in Wahrheit Teil eines größeren Musters sind. Der Quelletext nennt dafür eine konkrete Hausnummer aus dem IBM-Umfeld: Im Schnitt vergehen 241 Tage, bis Unternehmen eine Verletzung erkennen und schließen; auch wenn dieser Wert sinkt, entspricht das immer noch grob acht Monaten. Gleichzeitig steckt in derselben Betrachtung eine klare Entlastungslogik: Unternehmen, die KI und Automatisierung im SecOps-Betrieb einsetzen, reduzieren die Reaktionszeit im Mittel um 80 Tage und sparen laut Quelle zudem rund 1,9 Mio. US-Dollar pro Incident.
Der springende Punkt liegt laut Text in der Frage, welche Art von „Antwort“ ein SIEM auf Ereignisse gibt. Ältere Systeme stellen wiederholt dieselbe Prüfregel: Passt das zu etwas, das ich bereits als gefährlich gespeichert habe? KI-native SIEM-Ansätze drehen die Logik um und fragen stattdessen, ob das Verhalten für Person, Gerät und Netzwerk „normal“ ist. Dabei wird nicht behauptet, dass ein System beliebige neue Bedrohungen magisch versteht. Vielmehr werden die schwer veränderbaren Teile einer Intrusion stärker in den Vordergrund gerückt: Auch wenn Code sich stündlich anpassen lässt, müssen Angreifer nach dem Einstieg noch Daten durchsuchen, sich seitlich bewegen und schließlich Daten herausübertragen. Genau diese Aktionen hinterlassen Spuren in Log- und Telemetriedaten, selbst wenn das „Gesicht“ des Codes bei jeder Runde anders aussieht.
Technisch bedeutet das in der beschriebenen Sicht vor allem drei Fähigkeiten. Erstens lernt das System, wie Nutzer, Geräte und Netzwerksegmente üblicherweise agieren, und markiert Abweichungen – auch dann, wenn es die exakte Angriffsversion noch nie gesehen hat. Zweitens verknüpft es kleine, für sich genommen unscheinbare Signale zu einem zusammenhängenden Fall, etwa wenn ein ungewöhnlicher Login zeitlich mit einer auffälligen Dateiübertragung korreliert. Drittens braucht ein verhaltensbasierter Ansatz weniger starre Regelpflege für jedes neue Malware-„Gesicht“, weil er sich laufend an die Umgebung anpasst und damit die Erkennungsqualität nicht ausschließlich von schnellen Regelupdates abhängig macht. Für Analysten verschiebt sich dadurch der Tagesrhythmus: weniger Zeit mit „Habe ich das exakt schon gesehen?“ und mehr Zeit mit „Welche weiteren Knotenpunkte ergeben zusammen ein plausibles Angriffsmuster?“
Diese Verlagerung verändert auch die Erwartungshaltung an den Betrieb. Ein KI-basiertes SIEM muss nicht nur Daten sammeln, sondern Vertrauen verdienen: Es braucht ausreichend saubere Baselines für „normal“, gute Datenqualität in den relevanten Quellen und eine Auswertung, die Kontext liefert, statt nur einzelne Einzelmeldungen anzuwerfen. Gleichzeitig wird die menschliche Rolle nicht ersetzt, sondern anders gewichtet. Der Quelletext betont, dass Sicherheitsteams schneller zu bedeutenden Signalen kommen und die Untersuchung mit genug Kontext starten können, um Fehlentscheidungen zu vermeiden. Für Organisationen heißt das praktisch: Der Modernisierungsplan sollte weniger bei „Signatur-Updates“ enden und stärker bei „Verhaltensmodellierung, Korrelation und Operationalisierung“ ansetzen, damit das Monitoring mit der Dynamik moderner Angriffe Schritt hält.
Für Teams, die derzeit überwiegend auf klassische SIEM-Regelwerke setzen, ist die Botschaft damit klar: Angreifer optimieren nicht nur Payloads, sondern auch ihre Tarnstrategie über KI-gestützte Anpassung. Wenn die Erkennungsfähigkeit zu spät anspringt, ist der Schaden oft längst angerichtet. Eine verhaltensorientierte Detektion, die über verknüpfte Ereignisse arbeitet und nicht ausschließlich auf bekannte Muster vertraut, bietet hier einen strukturellen Vorteil. Genau in diesem Spannungsfeld entscheidet sich, ob die Security-Organisation lediglich „Alarme zählt“ oder ob sie Bedrohungen in ihrer Gesamtheit früh genug erkennt.
💳 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.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【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 "KI-gestützte Angriffe lassen Legacy-SIEMs bei Mustererkennung alt aussehen" 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 "KI-gestützte Angriffe lassen Legacy-SIEMs bei Mustererkennung alt aussehen" 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: »KI-gestützte Angriffe lassen Legacy-SIEMs bei Mustererkennung alt aussehen« bei Google Deutschland suchen, bei Bing oder Google News!