Die neuen ABCs der Cybersicherheit: Identität, Sichtbarkeit und Eindämmung
Als Keren Elazari zustimmte, mich im The Segment Podcast zu begleiten, war das Erste, was sie tat, in ihrem Kleiderschrank zu wühlen. Sie suchte nach einem T-Shirt, das eine Zeile enthält, die sie von Bühnen auf der ganzen Welt überliefert hat: Hacker brechen nicht ein, wir loggen uns ein.
Während unseres Gesprächs untermauerte sie die Linie mit Daten.
Year after year, she said, the Verizon Data Breach Investigations Report (DBIR) told the same story: stolen credentials and recycled passwords still the front door. While vulnerability exploitation has now overtaken credential abuse as the top initial access vector, credential abuse still turns up in 39% of breaches when looking at the attack chain as a whole. That makes it the most pervasive technique in the data. (Attackers often pair the two.) They pry open an unpatched system, then reach straight for credentials.
Das Patching hingegen geht rückwärts. Nur 26 % der bekannten ausgenutzten Schwachstellen wurden im vergangenen Jahr behoben, gegenüber 38 % im Vorjahr. Und die mittlere Zeit bis zum Patch erstreckte sich von 32 auf 43 Tage.
Das ist die Kluft zwischen dem Gespräch, das wir über KI in der Cybersicherheit führen, und dem, was Angreifer tatsächlich mit unserer Umgebung machen. KI hat keine neue Klasse von Eindringlingen erfunden, sondern vielmehr die Zeitlinie komprimiert, um Schwächen auszunutzen, von denen wir bereits wussten.
Kerens Argument ist, dass die Branche Sicherheits-ABCs richtig einsetzen muss, bevor sie wirklich einen Nutzen aus Sicherheits-KI ziehen kann. Ihre Version dieser Grundlagen: Identität, Sichtbarkeit und Eindämmung. Jede Schließung schließt eine Lücke, die KI derzeit vergrößert.
Angreifer brechen nicht ein. Sie loggen sich ein.
Frag Keren, wie sie bei einem Red-Team-Engagement in eine Organisation gelangt, und sie wird dir sagen, was sie nicht tun wird: Sie wird keine Zeit und kein Budget damit verschwenden, einen maßgeschneiderten Exploit von Grund auf zu erstellen.
Aufklärung frisst den Großteil des Zeitplans ein, und wonach sie sucht, ist Zugang. Die Zugangsdaten eines legitimen Mitarbeiters sind der ideale Fund, da dieser Zugang unauffällig abläuft.
Erst wenn die Low-Effort-Pfade ausgeschöpft sind, denkt sie darüber nach, ein öffentlich zugängliches System anzugreifen, denn das ist die laute Option und diejenige, die am ehesten erwischt wird.
Real criminal groups follow the same breach economics. Keren walked through the ShinyHunters campaigns, part of the loose ecosystem the FBI refers to as “The Com.” Their playbook started with calling an organization’s help desk while impersonating an employee with privileged access, then convincing the desk to reset the employee’s credentials.
In jüngerer Zeit haben sie das Ganze umgedreht, indem sie den Helpdesk selbst imitieren, einzelne Anmeldehinweise und Passwort-Zurücksetzungen auslösen und die zurückgegebenen Zugangsdaten sammeln. Als diese Gruppen schließlich KI angriffen, so Keren, nutzten sie sie hauptsächlich zur Deepfake-Stimmengenerierung, um ihre soziale Technik zu schärfen.
Der Punkt, der bei Sicherheitsführern bleiben sollte, ist, dass Kriminelle unermüdlich kreativ mit dem sind, was sie bereits haben. Sie sitzen auf riesigen Datenbanken mit Benutzernamen und Passwörtern. Multi-Faktor-Authentifizierung ist in vielen Organisationen noch nicht vollständig ausgerollt, und viele der vorhandenen Implementierungen basieren auf Authentifizierungsmethoden, die Keren als weit über das Ablaufdatum hinaus betrachtet.
Warum KI Angreifer mehr beschleunigt als Verteidiger.
Keren beschrieb KI als Zeitmaschine für Angreifer. Aufklärung, Werkzeuge und Kampagnenplanung, die früher Wochen oder Monate dauerten, können heute in Tagen oder Stunden durchgeführt werden.
Verteidiger sollten einen vergleichbaren Bonus bekommen, und bisher tun sie das nicht.
Der Grund liegt darin, woran ein KI-Modell seine eigene Arbeit abgleichen kann. Wenn ein großes Sprachmodell (LLM) nach einer Schwachstelle sucht, hat es einen klaren Erfolgstest. Es kann versuchen, den Fehler auszunutzen und zu sehen, ob der Versuch funktioniert. Dieses Bestehen-Nicht-Bestehen-Signal macht die Fähigkeit trainierbar, und sie wird mit jeder Iteration schärfer.
Patching bietet kein solches Signal. Eine Lösung muss die Produktion überstehen, egal in welcher Variante der Umgebung sie landet, ohne die Anwendung zu zerstören, die sie schützen soll. Keine schnelle automatische Kontrolle kann all das bestätigen.
Modelle werden immer besser darin, Fehler zu finden. Das Schreiben und sichere Versand der Reparatur bleibt eine langsame, sorgfältige und von Menschen überwachte Arbeit.
Das ist die erste harte Wahrheit aus dem Gespräch. Discovery beschleunigt sich, Sanierung nicht, und die Lücke zwischen ihnen vergrößert sich von selbst. Wie Keren sagte: Man kann nicht einfach "etwas LLM-Pulver darauf streuen" und das als Strategie bezeichnen.
AI didn’t create two decades of technical debt built from passwords, unpatched systems, identity sprawl, and flat networks. It just moved up the due date.
The most advanced attacks she’s seen bear this out. She pointed to the nation-state campaign Anthropic documented in late 2025 as GTG 1002, in which the attacker used AI agents to orchestrate an intrusion end to end. That orchestration was a real advance. Still, Keren suspects the initial access itself looked entirely ordinary: likely stolen credentials or a forgotten gap in the environment that solid fundamentals would’ve closed.
Warum eine Netzwerksicherheitsbewertung von außen beginnen sollte
Kerens zweite harte Wahrheit ist, dass Angreifer eine Zielumgebung oft besser verstehen als die Verteidigenden.
She doesn’t think that’s a competence problem. Security teams defend a live business, not a laboratory. A live business runs payroll, onboards vendors, spins up cloud workloads, and connects APIs. Every one of those necessary activities creates an attack surface.
Schatten-IT und Schatten-KI folgen derselben Logik. Die Menschen übernehmen das, was ihnen hilft, ihre Arbeit zu machen. Angreifer nutzen sie in der sicheren Annahme, dass die Lücken vorhanden sind – eine Annahme, von der Keren sagt, dass sich fast immer auszahlt.
She raised a related pattern in security tooling. Most teams now run somewhere between 50 and 60 security products, and they assume all that coverage adds up. But map those capabilities against a real attack path, whether that’s the Lockheed Martin kill chain or MITRE ATT&CK, and the gaps become obvious.
Keren sagte, sie könne in einer hochentwickelten Organisation normalerweise jemanden finden, der zugibt, dass ein bestimmtes System, eine Cloud-Umgebung oder ein neues KI-Projekt einer Abteilung außerhalb all dessen liegt.
Ihre praktische Herausforderung für Sicherheitsteams: eine interne Netzwerksicherheitsbewertung durchzuführen. Tools wie Shodan und Censys sind seit Jahren verfügbar, aber sie trifft immer noch Teams, die sie nie genutzt haben, um ihre eigene Umgebung so zu betrachten, wie es ein Angreifer tun würde.
Jede ernsthafte Netzwerksicherheitsbewertung sollte das von außen betrachten, denn man kann nicht verteidigen, was man nicht sieht.
Proaktive Paranoia: die drei wesentlichen Sicherheitsgrundlagen
Als Keren sich für den Cyberberuf ausbildete, waren die Grundlagen die CIA-Triade: Vertraulichkeit, Integrität und Verfügbarkeit. Die halten immer noch. Aber sie beschreiben, was du schützt, und nicht, wie Angreifer es tatsächlich erreichen.
Stattdessen schlägt sie ein aktualisiertes Set vor:
- Identität. Im größten Teil des letzten Jahrzehnts war Identität der größte einzelne anfängliche Zugriffsvektor bei gemeldeten Sicherheitsvorfällen, und die meisten Organisationen verwalten sie bis heute im Denken des 20. Jahrhunderts. Nach Kerens Schätzung entfernt die Reparatur mindestens 20 % der anfänglichen Angriffsvektoren.
- Sichtbarkeit. Wenn Angreifer Assets inventarisieren können, die du vergessen hast, startest du den Kampf mit einem Nachteil. Sichtbarkeit ist das, was eine unbekannte Umgebung in eine verteidigungsfähige verwandelt.
- Containment. This is the one Keren cares about most as a hacker, precisely because she doesn’t want to be contained. An attack stops short when lateral movement is hard, when networks are segmented, and when getting into one system doesn’t hand over the next ten. Microsegmentation builds that containment directly, putting policy between workloads so a compromised system has nowhere obvious to go next.
Keren bezeichnet die Denkweise hinter allen drei als "proaktive Paranoia" und unterscheidet sie sorgfältig von Angst. Angst lähmt, während proaktive Paranoia vorbereitet. Wie sie sagt, wartest du nicht auf den Regen, um dein Zelt aufzubauen.
Warum übernehmen also nicht mehr Sicherheitsteams diese Arbeit? Keren glaubt, dass das teilweise menschlich ist, denn die Sortierung der Identität fühlt sich an wie das Ausräumen eines Dachbodens. Und es ist zum Teil Priorisierung, weil es schwer ist, Identität, Sichtbarkeit und Eindämmung als nächste große strategische Initiative zu positionieren.
Die Grundlagen machen KI lohnenswert für die Einführung
Jede KI-Fähigkeit, die ein Sicherheitsteam einsetzen möchte, basiert auf derselben Grundlage: zu wissen, wer sich in Ihrem Netzwerk befindet, was sich in Ihrer Umgebung befindet und wohin ein Eindringling gelangen kann.
An AI agent that triages alerts is only as useful as the asset inventory behind it. Automated response is only safe in a network where the blast radius of an attack is already bounded.
That’s the part of Keren’s argument worth taking to a budget conversation. Identity, visibility, and containment are the preconditions for an AI strategy that holds up. Skip them and you’re layering automation onto an environment nobody can fully see, which compounds the visibility problem you started with.
Die Zeitlinie des Angreifers wird immer kürzer. Die Frage für die Verteidiger ist, ob der Boden unter ihrem Werkzeug stabil genug ist, dass irgendetwas davon helfen könnte.
Hören Sie die vollständige Folge von The Segment: A Zero Trust Leadership Podcast auf Apple Podcasts, Spotify (Englisch), oder Unsere Website.
