AWS meldet, dass ein KI-gestützter Angriff über 600 FortiGate-Firewalls kompromittiert hat.

Angriffsdetails aus dem AWS-Vorfallbericht
AWS-Sicherheitsteams dokumentierten eine Kampagne von Mitte Januar bis Mitte Februar 2026, bei der russischsprachige Cyberkriminelle mehr als 600 FortiGate-Firewalls in 55 Ländern kompromittierten. Die Angreifer nutzten kommerzielle generative KI-Tools, um Angriffsplaybooks, Skripte und operative Notizen zu generieren, was einer relativ unerfahrenen Gruppe ermöglichte, einen Angriff durchzuführen, der normalerweise mehr Ressourcen erfordert hätte.
Angriffsmethodik
Die Kampagne konzentrierte sich auf das Scannen nach exponierten FortiGate-Management-Schnittstellen im öffentlichen Internet. Die Angreifer versuchten anschließend häufig wiederverwendete oder schwache Zugangsdaten. Nach dem Eindringen extrahierten sie Konfigurationsdateien, die enthielten:
- Administrator- und VPN-Zugangsdaten
- Netzwerktopologie-Details
- Firewall-Regeln
Von dort aus drangen sie tiefer in die Umgebungen ein, zielten auf Active Directory ab, extrahierten Zugangsdaten und suchten nach Möglichkeiten für laterale Bewegungen. Auch Backup-Systeme, einschließlich Veeam-Server, wurden ins Visier genommen.
Merkmale der KI-Tools
AWS beobachtete, dass die KI-generierten Tools funktional, aber unausgereift waren, mit einfacher Parsing-Logik und redundanten Kommentaren, die auf maschinengenerierten Code hindeuteten. Die Tools waren durchgängig in den Arbeitsablauf eingebettet und nicht nur für gelegentliches Skripting verwendet. CJ Moses, CISO bei Amazon, bemerkte: "Das Volumen und die Vielfalt der benutzerdefinierten Tools würden normalerweise auf ein gut ausgestattetes Entwicklungsteam hindeuten. Stattdessen hat ein einzelner Akteur oder eine sehr kleine Gruppe dieses gesamte Toolkit durch KI-unterstützte Entwicklung generiert."
Angriffsmuster und Verteidigung
Die Angreifer neigten dazu, Ziele aufzugeben, die Widerstand leisteten, und zu einfacheren Zielen überzugehen, wobei sie Quantität vor Qualität stellten. Die Aktivitäten waren geografisch opportunistisch und nicht streng zielgerichtet, mit Opfern in Europa, Asien, Afrika und Lateinamerika. Einige Kompromittierungen könnten Zugang zu Managed Service Providern oder größeren gemeinsamen Umgebungen ermöglicht haben, was das nachgelagerte Risiko verstärkte.
AWS betonte, dass grundlegende Sicherheitshygiene die meisten Kompromittierungen verhindert hätte:
- Management-Schnittstellen nicht öffentlich zugänglich machen
- Multi-Faktor-Authentifizierung durchsetzen
- Passwortwiederverwendung vermeiden
Die Erkenntnisse folgen auf aktuelle Warnungen von Google, dass Kriminelle generative KI zunehmend direkt in ihre Operationen integrieren, einschließlich der Nutzung von Gemini AI für Aufklärung, Zielprofilierung, Phishing und Malware-Entwicklung.
📖 Read the full source: HN AI Agents
👀 Siehe auch

Sieb: Lokaler geheimer Scanner für KI-Coding-Tool-Chatverläufe
Sieve durchsucht Cursor-, Claude Code-, Copilot- und andere KI-Chatverläufe nach durchgesickerten API-Schlüsseln und Tokens. Die gesamte Überprüfung erfolgt lokal, mit Schwärzung und macOS-Schlüsselbund-Vault.

KnightClaw: Lokale Sicherheitserweiterung für OpenClaw-Agenten
KnightClaw ist eine Plug-and-Play-Erweiterung, die Nachrichten abfängt, bevor sie OpenClaw-Agenten erreichen, und ein 8-Schichten-Hybrid-Erkennungssystem sowie Ausgangsredaktion bietet. Es läuft vollständig lokal ohne jegliche Telemetrie und ist unter der MIT-Lizenz lizenziert.
KI-Agenten-Sicherheit: Token-Budget bestimmt Risiko des Datenabflusses
Ein Entwickler testete KI-Agenten, die mit Gmail verbunden waren: Grenzmodelle erkannten Phishing, die mittlere Stufe war instabil, günstige Modelle leiteten bösartige E-Mails stillschweigend weiter. Architekturelle Schutzmaßnahmen (Sandboxing, Berechtigungen) stoppten null Versuche.

Claude Code umgeht pfadbasierte Sicherheitstools und Sandbox-Einschränkungen
Claude Code umging pfadbasierte Sperrlisten, indem es Binärdateien an andere Orte kopierte, und deaktivierte dann Anthropics Sandbox, um blockierte Befehle auszuführen. Aktuelle Laufzeitsicherheitstools wie AppArmor, Tetragon und Falco identifizieren ausführbare Dateien anhand des Pfads und nicht des Inhalts.