Open-Source-KI holt bei Cyber-Fähigkeiten auf
Open-Source-KI holt bei Cyber-Fähigkeiten auf
Eine neue Studie des Unternehmens Vals offenbart, dass Open-Source-KImodelle wie DeepSeek die Hacking-Fähigkeiten führender proprietärer Systeme wie von OpenAI fast einholen. Diese Entwicklung stellt die langjährige Annahme in Frage, dass geschlossene Labore durch restriktiven Zugang einen unüberwindbaren Vorsprung bei Cyber-Kompetenzen besitzen.
Die strategische Grundlage der Cybersicherheit gerät ins Wanken: Eine neue Analyse des Unternehmens Vals zeigt, dass Open-Source-KImodelle die Fähigkeiten führender proprietärer Systeme im Bereich der Netzwerksicherheit fast einholen. Die Ergebnisse untergraben die langjährige Annahme, dass geschlossene Labore durch restriktiven Zugang einen unüberwindbaren Vorsprung bei Cyber-Kompetenzen besitzen.
Vals hat in Tests evaluiert, wie effektiv verschiedene Modelle komplexe, mehrstufige Netzwerkoperationen in simulierten Unternehmensumgebungen ausführen können. Die Daten deuten darauf hin, dass die Lücke zwischen offenen und geschlossenen Modellen rapide schwindet. Nikil Rav, Forscher bei Vals, stellt fest: "Die besten Frontier-Modelle, die in den Laboren eingesperrt sind und nur über vertrauenswürdige Zugangsprogramme verfügbar sind, werden nun von offenen Modellen erreicht, die jeder herunterladen kann."
Diese Entwicklung trifft auf einen Zeitpunkt, an dem große US-Technologieunternehmen ihre Strategien neu justieren. Anthropic hatte im April sein Modell Claude Mythos Preview veröffentlicht, aber den breiten Zugang basierend auf der Überzeugung eingeschränkt, dass gated access den allgemeinen Verfügbarkeit von Hacking-Fähigkeiten nur verzögern würde. Logan Graham, Leiter des Frontier Red Teams bei Anthropic, erklärte gegenüber WIRED, das Projekt Glasswing diene dazu, Verteidigern einen Vorsprung zu verschaffen. Er warnte davor, dass eine Welt, in der solche Fähigkeiten innerhalb von sechs bis 24 Monaten allgemein verfügbar sind, bereits naht. Sieben Monate später legt Vals’ Forschung nahe, dass dieser Übergang genau im Zeitplan stattfindet.
In den Tests von Vals mussten die KI-Modelle zwei Szenarien bewältigen: Erst das Eindringen in ein über eine öffentliche Website zugängliches Netzwerk und zweitlich der Kompromittierung eines Netzwerks, um Zugang zu einem zweiten, separaten Netzwerk zu erlangen. OpenAIs fortschrittlichstes Cyber-Modell Daybreak, das exklusiv vertrauenswürdigen Partnern zur Verfügung steht, zeigte die höchste Leistung mit 81 Prozent abgeschlossenen Aufgaben im Durchschnitt von zwei Versuchen. Das chinesische Open-Source-Modell DeepSeek folgte dicht auf den Fersen mit 73 Prozent der Ziele.
Neben der Performance hebt die Forschung erhebliche Kostenvorteile hervor. Die Nutzung eines Open-Weight-Modells ist deutlich günstiger als der Einsatz proprietärer Systeme. Vals berichtet, dass ein Angriff mit GPT-6-Sol zwischen 17 und 46 Dollar in Token-Kosten verursacht, während DeepSeek nur 2 bis 3 Dollar kostet. Rayan Krishnan, CEO von Vals, betont, dass diese Kosteneffizienz Verteidigungsteams stark dazu anregt, offene Modelle zu bevorzugen, da sie auf persönlicher oder organisationaler Hardware betrieben werden können.
Die Cybersicherheitsbranche folgt weitgehend den früheren Vorhersagen, wonach KI Kern-Hacking-Aufgaben automatisiert, um sowohl Angreifern als auch Verteidigern zu helfen, Schwachstellen in großem Maßstab zu identifizieren. Während die Geschwindigkeit dieser Operationen zugenommen hat, diskutieren Experten weiterhin, ob KI die konzeptionelle Grundlage der Cybersicherheitsverteidigung fundamental verändert hat oder lediglich bestehende Herausforderungen verstärkt.
Die Konvergenz von Open- und Closed-Model-Fähigkeiten ist entscheidend für das Verständnis, wie kriminelle Hacker KI nutzen könnten. Allerdings zeigen reale Beobachtungen der letzten Monate, dass Angreifer oft Ressourcen schonen, indem sie ältere, weniger fähige Modelle für die meisten Operationen verwenden. Verteidiger müssen jedoch damit rechnen, dass gut finanzierte Gegner bereits Zugang zu einigen proprietären Tools haben.
Alex Zenla, Mitbegründer und CTO der Cloud-Security-Firma Edera, stimmt zu, dass Open-Weight-Modelle heute in der Lage sind, fortgeschrittene Angriffe zu produzieren, insbesondere wenn das Safety-Training durch Gewichtsmodifikation deaktiviert wird. Er warnt jedoch, dass geschlossene Labore wahrscheinlich noch nicht freigegebene Modelle mit noch größeren Fähigkeiten besitzen. "Ich würde das sehr wie ein Katz-und-Maus-Spiel sehen", sagt Zenla. "Die Labore sehen sich als schnell unterwegs, um die Open-Weight-Modelle zu übertreffen... Leider denke ich, dass dies der Beginn einer gefährlichen Sicherheitslandschaft sein könnte."
OpenAI hat auf eine Anfrage nach Kommentar zur Studie nicht sofort reagiert. Vals reagierte ebenfalls nicht umgehend auf Anfragen.
F.Epifano--LDdC
