LONDON (IT BOLTWISE) – METR, eine Forschungsorganisation für KI-Modellevaluation, meldet zwei Sicherheitsvorfälle. Im März 2026 sollen Angreifer einen API-Key gestohlen und über eine Agent-Umgebung auf öffentlich erreichbare Inferenzmodelle zugegriffen haben. Dabei sollen sie KI-„Credits“ im Wert von rund 600.000 US-Dollar verbraucht haben, bevor METR die Nutzung kostenlos ersetzt bekam. Im Mai 2026 beobachtete METR zudem einen länger andauernden Angriff mit automatisiertem Scanning und weiteren Fehlkonfigurationen in der öffentlichen Infrastruktur.
Die beiden Vorfälle, die METR (Model Evaluation and Threat Research) jetzt öffentlich gemacht hat, zeigen weniger ein einzelnes „Broken-By-Design“-Problem als vielmehr, wie leicht sich KI-Inferenz und Evaluationen missbrauchen lassen, wenn Authentifizierung und Schlüsselverwaltung nicht durchgehend end-to-end abgesichert sind. METR bewertet Frontier-KI-Modelle unter anderem auf die Fähigkeit zu langfristigen, agentischen Aufgaben, also auf Workflows, die typischerweise viele Tokens und damit hohe Nutzungskosten erzeugen. Genau dieser Kostenhebel wird im aktuellen Bericht als Ursache sichtbar: In beiden Fällen handelt es sich um unbefugte Zugriffe, die nicht primär Daten abgreifen sollten, sondern die Kapazitäten der Modellanbieter verbraucht haben.
Im März 2026 beschreibt METR den Kernmechanismus: Ein Forscher nutzte eine personalisierte EC2-Instanz, die absichtlich öffentlich zugänglich gemacht wurde, allerdings hinter Google-Authentifizierung. Auf dieser Instanz lag ein API-Key für das Konto von METR, das für allgemein zugängliche (öffentliche) Modelle vorgesehen ist. Das Problem lag in einer „vibe-coded app“ mit einer fail-open vulnerability, bei der Authentifizierung stillschweigend deaktiviert wurde. Dadurch war das Agent-Orchestrierungs-Dashboard mehrere Tage lang direkt über das öffentliche Internet erreichbar – ein Ablauf, der besonders kritisch ist, wenn interne Bedienoberflächen sonst nur über gesicherte Umwege erreichbar sein sollten.
METR leitet zudem ab, wie der Zugriff praktisch gefunden wurde. Die Organisation vermutet, dass Angreifer die Instanz über kürzlich registrierte Websites entdeckt haben – etwa über Einträge in Certificate-Transparency-Listen – um nach „vibe-coded“ Seiten mit aussagekräftigen Keywords zu LLMs oder Agenten zu suchen. Sobald die Infrastruktur identifiziert war, soll der Angreifer einen Agenten so angestoßen haben, dass dieser den API-Key eines Modellanbieters offenbarte. Für dauerhaften Zugriff ergänzten die Angreifer offenbar einen SSH-Key und nutzten die gestohlenen Zugangsdaten, um über einen Zeitraum von drei Wochen erhebliche API-Credits auf öffentlich verfügbaren Modellen zu verbrauchen.
Die finanzielle Dimension beziffert METR als Größenordnung: Die angefallenen Credits hätten sich nach eigenen Angaben auf etwa 600.000 US-Dollar an Rechnungen summiert, wenn METR die Nutzung nicht kostenlos vom jeweiligen Modellanbieter erhalten hätte. Auffällig ist außerdem, warum die missbräuchliche Nutzung nicht sofort auffiel. METR führt laut Bericht umfangreiche Evaluationen und Experimente durch, die typischerweise ohnehin große Token-Mengen verbrauchen. Zusätzlich gab es laut Darstellung keine Caps für Token-Spend, sodass der Angriff sich in normalen Lastspitzen „tarnen“ konnte. Nach dem Vorfall hat METR die Sicherheitsrichtlinien konkret angepasst, unter anderem die Platzierung von METR-Credentials oder -Daten auf nicht-METR-Infrastruktur und -Geräten neu geregelt, die Überwachung verbessert und – wo möglich – Spend-Alerts an Keys eingeführt.
Der zweite Vorfall im Mai 2026 beschreibt METR als länger anhaltende externe Angriffskampagne, die offenbar darauf zielte, unrechtmäßigen Zugang zu Frontier-KI-Modellen zu erlangen. Laut Bericht setzten die Angreifer stark auf agentengestütztes Automatisieren, um Schwachstellenfindung und Zugriffsschritte zu beschleunigen: Dazu gehörten Credential-Staffing gegen Authentifizierungsanbieter, Versuche mit OAuth-Token-Grants, Scans neu bereitgestellter Dienste sowie Versuche, Mitarbeitende per Phishing zu täuschen. Parallel dazu berichtet METR über eine eigene Fehlkonfiguration: In einem öffentlich zugänglichen Transkript-Viewer sei versehentlich ein Mechanismus für read-only SQL-Abfragen eingebaut gewesen.
Im Detail betont METR, dass die Queries zwar standardmäßig auf öffentliche Daten beschränkt gewesen wären, ein Bug im entsprechenden Baustein aber hätte ausgenutzt werden können, um auch unveröffentlichte Evaluationsergebnisse zu erreichen. Zusätzlich habe die Datenbank „accidentally“ sensible Modell-Daten enthalten, obwohl sie eigentlich nur nicht-sensible Modellinformationen tragen sollte. METR sagt, dass erst ein unabhängiger Sicherheitsforscher den Fehler entdeckt und gemeldet habe; daraufhin nahm die Organisation die API offline. Der Bericht ordnet die weitere Evidenz vorsichtig ein: METR sieht zwar, dass Angreifer den betroffenen Endpoint im Rahmen ihrer breiteren Kampagne „in passing“ sondiert haben, nennt jedoch keine Hinweise darauf, dass das tatsächliche Exploitieren gelungen ist oder nicht-öffentliche Daten abgerufen wurden.
Für Unternehmen, die KI-Evaluationen, Agent-Orchestrierung oder Inferenz-Pipelines betreiben, sind solche Vorfälle vor allem deshalb relevant, weil sie die Angriffsfläche verschieben: Nicht nur klassische „Daten-Leaks“ stehen im Fokus, sondern auch der Missbrauch von abrechenbaren Ressourcen über gestohlene Keys, fehlende Spend-Grenzen und Dashboard- oder Viewer-Oberflächen, die im Betrieb schnell „irgendwie“ erreichbar gemacht werden. Die Kombination aus agentischer Automatisierung auf Angreiferseite und Kostenblindheit auf Betreiberseite – etwa durch fehlende Token-Caps – kann in kurzer Zeit zu erheblichen Schäden führen, selbst wenn sensible Daten am Ende gar nicht abfließen. Genau deshalb wirken die von METR genannten Gegenmaßnahmen praxisnah: stärkere Isolation von Credentials, bessere Überwachung und Kostenalarme adressieren weniger den theoretischen Angriffsvektor, sondern die konkreten Hebel, an denen Angriffe in dieser Form ansetzen.
Gleichzeitig zeigt der Bericht, wie eng Sicherheitsqualität und Plattform-Engineering zusammenhängen: Wenn „fail-open“-Mechanismen in der Authentifizierung existieren, reicht bereits eine einzige Implementierungsentscheidung, um mehrere Tage Exponierung zu erzeugen. Auch die zweite Geschichte unterstreicht die Notwendigkeit, dass öffentliche Nutzeroberflächen und Abfrage-Mechanismen so gestaltet werden, dass auch bei Fehlern keine „verdeckten“ Datenpfade entstehen. Für Teams, die KI-Workflows in Cloud-Umgebungen ausrollen, heißt das praktisch: Zugriffspfade müssen nicht nur konzeptionell gesichert sein, sondern sich im Fehlerfall messbar verhalten, etwa durch fail-closed-Standards, klare Ausgabesperren und wiederkehrende Tests, die genau solche Bugs sichtbar machen.
METR hat die Vorfälle öffentlich gemacht, ohne den genauen Zielmechanismus auf einen konkreten Bedrohungsakteur festzunageln. Entscheidend ist aber, dass sowohl der März- als auch der Mai-Vorfall dieselbe Lehre transportieren: KI-Systeme sind nicht automatisch sicher, nur weil ihre „Output“ im Ergebnis wie Forschung aussieht. Die Ressourcen dahinter sind genau die, die Angreifer einkaufen wollen – und sobald ein API-Key oder ein öffentlich sichtbarer Zugriffspfad in die falschen Hände gerät, wird aus einer Evaluation schnell ein Kosten- und Betriebsrisiko.
💳 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 "METR: Gestohlener Inferenz-API-Key kostet KI-Testbudget rund 600.000 US-Dollar" 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 "METR: Gestohlener Inferenz-API-Key kostet KI-Testbudget rund 600.000 US-Dollar" 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: »METR: Gestohlener Inferenz-API-Key kostet KI-Testbudget rund 600.000 US-Dollar« bei Google Deutschland suchen, bei Bing oder Google News!