LONDON (IT BOLTWISE) – Kerberoasting-Angriffe stellen seit über einem Jahrzehnt eine Herausforderung für die IT-Sicherheit dar. Trotz zahlreicher Versuche, diese Bedrohung zu erkennen, bleiben viele Ansätze ineffektiv. Die BeyondTrust-Forschung hat nun einen neuen Weg eingeschlagen, um die Genauigkeit der Anomalieerkennung zu verbessern.
Kerberoasting-Angriffe nutzen das Kerberos-Netzwerkauthentifizierungsprotokoll in Windows Active Directory-Umgebungen aus. Angreifer zielen darauf ab, die Verschlüsselung von Service-Tickets zu knacken, die mit dem Passwort-Hash des Dienstkontos verschlüsselt sind. Dies ermöglicht es ihnen, sich lateral zu bewegen, Privilegien zu eskalieren oder Daten zu exfiltrieren.
Traditionelle Erkennungsmethoden basieren häufig auf heuristischen Ansätzen, die sich als unzuverlässig erwiesen haben. Sie erzeugen entweder zu viele Fehlalarme oder übersehen subtile, langsame Angriffe. Die BeyondTrust-Forschung hat sich daher auf die Entwicklung eines statistischen Modells konzentriert, das die Erkennung von Anomalien verbessert und Fehlalarme reduziert.
Das neue Modell nutzt statistische Analysen, um normale Benutzerverhaltensmuster zu lernen und Abweichungen zu identifizieren. Es gruppiert ähnliche Ticket-Anforderungsmuster in Cluster und verfolgt die Häufigkeit bestimmter Aktivitätsniveaus über die Zeit. Diese Methode ermöglicht es, verdächtige Aktivitäten zu erkennen, die in isolierter Betrachtung unauffällig erscheinen könnten.
In Tests über 50 Tage hinweg konnte das Modell sechs Anomalien identifizieren, darunter zwei Penetrationstests und einen simulierten Kerberoasting-Angriff. Diese Ergebnisse zeigen, dass das Modell in der Lage ist, sowohl offensichtliche als auch subtile Bedrohungen effektiv zu erkennen.
Die Forschungsergebnisse unterstreichen die Bedeutung der Zusammenarbeit zwischen Sicherheitsexperten und Datenwissenschaftlern. Während Statistiker adaptive Modelle entwickeln können, die variable Verhaltensweisen berücksichtigen, liefern Sicherheitsexperten den notwendigen Kontext zur Identifizierung bemerkenswerter Merkmale innerhalb der erkannten Ereignisse.
Zusammenfassend zeigt diese Forschung, dass es auch bei langjährigen Angriffsmustern wie Kerberoasting klare Wege gibt, die Erkennungs- und Reaktionsfähigkeiten zu verbessern. Neben der Entwicklung neuer Erkennungsmöglichkeiten sollten Teams auch proaktive Sicherheitsmaßnahmen ergreifen, um Risiken zu minimieren, bevor sie auftreten.
- 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!
Stellenangebote
Dozent Tourismusmanagement Tech und KI (m/w/d)
Duales Studium Informatik/Künstliche Intelligenz (B.Sc.), Campusmodell Stuttgart 2026 (w/m/d)
(Senior) Consultant (m/w/d) Managementberatung – Schwerpunkt Artificial Intelligence
Dozent Tourismusmanagement Tech und KI (m/w/d)
- Die Zukunft von Mensch und MaschineIm neuen Buch des renommierten Zukunftsforschers und Technologie-Visionärs Ray Kurzweil wird eine faszinierende Vision der kommenden Jahre und Jahrzehnte entworfen – eine Welt, die von KI durchdrungen sein wird
- Künstliche Intelligenz: Expertenwissen gegen Hysterie Der renommierte Gehirnforscher, Psychiater und Bestseller-Autor Manfred Spitzer ist ein ausgewiesener Experte für neuronale Netze, auf denen KI aufbaut
- Obwohl Künstliche Intelligenz (KI) derzeit in aller Munde ist, setzen bislang nur wenige Unternehmen die Technologie wirklich erfolgreich ein
- Wie funktioniert Künstliche Intelligenz (KI) und gibt es Parallelen zum menschlichen Gehirn? Was sind die Gemeinsamkeiten von natürlicher und künstlicher Intelligenz, und was die Unterschiede? Ist das Gehirn nichts anderes als ein biologischer Computer? Was sind Neuronale Netze und wie kann der Begriff Deep Learning einfach erklärt werden?Seit der kognitiven Revolution Mitte des letzten Jahrhunderts sind KI und Hirnforschung eng miteinander verflochten
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Statistische Modelle verbessern Kerberoasting-Erkennung" für unsere Leser?
#Sophos
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 "Statistische Modelle verbessern Kerberoasting-Erkennung" 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: »Statistische Modelle verbessern Kerberoasting-Erkennung« bei Google Deutschland suchen, bei Bing oder Google News!