KI-Modelle generieren schwer erkennbare Malware-Varianten

MÜNCHEN (IT BOLTWISE) – Die Nutzung von Künstlicher Intelligenz zur Generierung neuer Malware-Varianten stellt eine zunehmende Bedrohung für die Cybersicherheit dar. Forscher haben herausgefunden, dass große Sprachmodelle (LLMs) in der Lage sind, bestehende Schadsoftware so umzuschreiben, dass sie schwerer zu erkennen ist.

Die Fähigkeit von Künstlicher Intelligenz, bestehende Malware zu transformieren, hat das Potenzial, die Cybersicherheitslandschaft erheblich zu verändern. Forscher von Palo Alto Networks Unit 42 haben gezeigt, dass große Sprachmodelle (LLMs) genutzt werden können, um bestehende JavaScript-Schadsoftware in einer Weise umzuschreiben, die ihre Erkennung erschwert. Diese Modelle sind zwar nicht in der Lage, Malware von Grund auf neu zu erstellen, aber sie können bestehende Codes so umgestalten, dass sie natürlicher wirken und somit schwerer zu identifizieren sind.

Durch die Anwendung von Techniken wie Variablenumbenennung, String-Splitting, Junk-Code-Einfügung und Entfernung unnötiger Leerzeichen kann die Malware so verändert werden, dass sie von bestehenden Erkennungssystemen als harmlos eingestuft wird. Diese Transformationen führen dazu, dass die Erkennungsrate von Malware-Klassifikationssystemen wie Innocent Until Proven Guilty (IUPG) oder PhishingJS signifikant sinkt. In 88% der Fälle konnte die umgeschriebene Malware als harmlos eingestuft werden.

Ein weiterer Vorteil dieser KI-basierten Obfuskation ist, dass die umgeschriebenen Codes natürlicher erscheinen als die von herkömmlichen Obfuskationstools erzeugten. Dies erschwert die Erkennung durch Malware-Analysetools wie VirusTotal erheblich. Die Forscher betonen, dass die Skalierung neuer bösartiger Codevarianten durch generative KI weiter zunehmen könnte, was eine ernsthafte Herausforderung für die Cybersicherheit darstellt.

Die Entdeckung dieser Möglichkeiten kommt zu einem Zeitpunkt, an dem KI-Anbieter verstärkt Sicherheitsmaßnahmen ergreifen, um die missbräuchliche Nutzung ihrer Plattformen zu verhindern. OpenAI hat beispielsweise bereits zahlreiche Operationen blockiert, die versuchten, ihre Plattform für bösartige Zwecke zu nutzen. Dennoch bleibt die Bedrohung durch die Nutzung von LLMs zur Erstellung von Malware bestehen.

Parallel dazu haben Forscher der North Carolina State University einen Seitenkanalangriff namens TPUXtract entwickelt, der es ermöglicht, Modelle auf Google Edge Tensor Processing Units (TPUs) mit hoher Genauigkeit zu stehlen. Diese Angriffe könnten zur Entwendung von geistigem Eigentum oder zur Durchführung weiterer Cyberangriffe genutzt werden. Der Angriff erfordert jedoch physischen Zugang zu den Zielgeräten und teure Ausrüstung, um die notwendigen Daten zu erfassen.

Die Kombination dieser Entwicklungen zeigt, dass die Cybersicherheitsbranche vor neuen Herausforderungen steht, die durch den Einsatz von Künstlicher Intelligenz entstehen. Es wird entscheidend sein, dass Sicherheitslösungen entwickelt werden, die in der Lage sind, mit diesen neuen Bedrohungen Schritt zu halten und die Integrität von Systemen zu gewährleisten.