LONDON (IT BOLTWISE) – Unit 42 zeigt, wie Angreifer „phantom squatting“ nutzen: KI generiert erfundene Domains, Angreifer registrieren sie als Erstes und platzieren sofort Phishing- und Malware-Ziele. In einem Test mit 685.339 Fragen entstanden 2,1 Millionen Links, von denen ein Teil bereits als bösartig eingestuft wurde und rund 250.000 noch unregistrierte Ziele boten. Entscheidender Faktor ist die fehlende Reputation neuer Domains – Blocklisten greifen oft zu spät. Für Unternehmen bedeutet das: Link-Validierung und Agent-Schutz müssen in den Workflow eingebaut werden, bevor KI-Ausgaben automatisiert werden.
Wenn eine Künstliche Intelligenz einen Link ausspuckt, behandeln Teams ihn häufig wie einen „Datenpunkt“, nicht wie eine potenzielle Falle. Genau dort setzt das von Palo Alto Networks Unit 42 beschriebene Muster „Phantom Squatting“ an: LLMs erfinden Webadressen, die es (noch) nicht gibt, und Angreifer kaufen diese Domains, noch bevor jemand sie als schädlich identifiziert. Dadurch entsteht ein Vertrauensvorsprung ohne klassisches Spam-Vorgehen. Das System braucht keine Phishing-E-Mails in großem Stil, weil der erste Kontakt oft über ein KI-Tool, eine Such-/Antwortroutine oder eine Agenten-Automatisierung entsteht.
Unit 42 quantifiziert das Risiko mit einem breiten Stresstest: Zwei KI-Modelle erhielten 685.339 Fragen zu 913 bekannten Marken aus den Bereichen Technologie, Finanzen, Gesundheitswesen, Regierung, Glücksspiel und weiteren Branchen. Die Modelle lieferten dabei 2,1 Millionen Links. Threat-Intelligence-Quellen markierten 13.229 dieser Adressen als eindeutig bösartig. Gleichzeitig waren etwa 250.000 der erfundenen Domains zum Testzeitpunkt noch nicht registriert – genau das macht sie für das „First-Registration“-Prinzip attraktiv. Sobald ein Angreifer eine dieser Adressen registriert, startet die Kampagne nahezu ohne Reputations-Hürde.
Technisch ist der Kern der Angriffsidee überraschend banal: Eine neue Domain hat keine Historie. Reputation-Mechanismen wie Blocklisten, Threat-Feeds oder Score-basierte Systeme funktionieren meist reaktiv – sie benötigen Indikatoren dafür, dass eine konkrete Domain „schlecht“ ist, und das dauert. Bei einer phantom gesquateten Domain existiert diese negative Historie am Anfang nicht. Wenn Verteidiger dann Signale nachziehen, ist der wichtigste Zeitfenster-Moment oft bereits vergangen: Das Opfer wird von dem Tool, dem es vertraut, erst auf die gefälschte Seite geführt. Genau deshalb ist es für Security-Teams nicht ausreichend, nur nach bekannten Endpunkten zu scannen.
Zwei Details verschärfen die Lage. Erstens stammen die Fake-Domains nicht aus einer Art „Lernarchiv“ bekannter Muster, sondern aus der generativen Logik der Modelle. Laut Unit 42 liefen beide Modelle in einer Zeit, in der die realen, später missbrauchten schädlichen Ziele noch nicht existierten. Die Adressen ergeben sich damit aus statistischen Sprach- und Strukturmustern der Modelle, nicht aus „Erinnerung“ an existierende Systeme. Zweitens sind diese Muster konsistent: Werden Temperatur- oder „Creativity“-Parameter erhöht, entstehen eher mehr erfundene Domains als tatsächlich neue Varianten, die das Scanning erleichtern.
Dass Angreifer diese Konsistenz ausnutzen, zeigen zwei beobachtete End-to-End-Fälle. Unit 42 berichtet, dass am 8. März 2026 die Systeme eine Domain vorhersagten, die ein Online-Marktplatz-Muster eines nationalen postalischen Dienstes nachbildet. Beide Modelle erzeugten diese Adresse über mehrere Temperatureinstellungen hinweg. 23 Tage später registrierte ein Angreifer genau diese Domain und setzte eine Phishing-Umgebung mit einem „Phishing-kit“-Baukasten um. Die Ausspielung umfasste dabei das Kopieren des realen Storefronts in Echtzeit sowie den Diebstahl von Zahlungs- und Identitätsdaten. Laut den beobachteten Indikatoren spielte ein KI-Coding-Assistent beim Kit-Bau eine Rolle.
Im zweiten Fall identifizierte Unit 42 eine halluzinierte Domain bereits 51 Tage, bevor sie ein Angreifer registrierte. Danach wurde sie mit einer pixelgenauen Markenanmutung versehen, inklusive gefälschter Bewertungsangaben und der Behauptung einer sehr großen Nutzerbasis. Ziel war wiederum nicht „nur“ das Sammeln von Credentials, sondern auch der Übergang zu weiterer Schadsoftware: Der Angreifer band eine bösartige Android-App in die Kampagne ein. Neben dieser postalischen Zielrichtung nennt Unit 42 auch Domain-Missbrauch, der Marken eines arabischen Bankkonzerns, europäische Banken sowie Sports-Betting-Angebote adressierte – mit Fokus auf Nutzersegmente in spezifischen Regionen. Für die Abwehr heißt das: Der Schaden entsteht nicht erst durch Payload-Delivery, sondern schon durch das Domain-Setup.
Phantom Squatting ist dabei die Domain-Variante eines älteren Prinzips: slopsquatting, bei dem Angreifer Fantasie-Namen für Softwarepakete registrieren oder ankündigen, die KI-Codetools erfinden. Ein großer USENIX-Research-Report hatte gezeigt, dass code-generierende Modelle regelmäßig Paketnamen vorschlagen, die nicht existieren. Die PhantomRaven-Kampagne habe genau dieses Verhalten genutzt, indem sie Malware in 126 npm-Paketen versteckte, die zusammen über 86.000 Installationen erzielten. Der entscheidende Markttrend dahinter: Modelloutput wird zur Input-Schicht. Wenn Entwickler, Agenten oder Security-Workflows Links und Namen übernehmen, bevor sie gegen reale DNS-/Registrierungs- und Authentizitätsdaten geprüft sind, schrumpft die Reaktionszeit der Defender systematisch – und Automatisierung wird zum Verstärker für Angreifer.
Was können Organisationen konkret tun? Unit 42 beschreibt im Kern einen einfachen, aber disziplinierten Mechanismus: Wenn Modelle Domains konsistent „raten“, können Security-Teams Listen potenzieller phantom Zieladressen aufbauen und Registrierungsaktivitäten überwachen – idealerweise mit Zeitpuffer, bevor eine Kampagne online geht. Für die Praxis im Alltag gilt: Man sollte keine Links akzeptieren, nur weil sie aus einer Antwort-KI stammen; die Domain muss gegen die offiziell erwartete Schreibweise verifiziert werden, bevor Passwörter eingegeben, Tokens geteilt oder Code-Ausschnitte übernommen werden. Außerdem sollten KI-gestützte Agents beim automatisierten Öffnen oder Herunterladen von modelgenerierten URLs immer einen Prüf-Checkpoint erzwingen, und jede „KI-Behauptung“ als unvalidierten Entwurf behandeln. Der Wettbewerbsaspekt bleibt hart: Teams mit besseren Validierungsroutinen erreichen Domains später oder früher. Die eigentliche Frage lautet daher nicht, ob Halluzinationen vorkommen, sondern wer zuerst am Ziel landet.
💳 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 "Phantom Squatting: KI erfindet Domains für Phishing und Malware, bevor Defender reagieren" 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 "Phantom Squatting: KI erfindet Domains für Phishing und Malware, bevor Defender reagieren" 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: »Phantom Squatting: KI erfindet Domains für Phishing und Malware, bevor Defender reagieren« bei Google Deutschland suchen, bei Bing oder Google News!