Hardware Ready Ready to Bench?
KI-Sicherheitstests mit Gemini. Google DeepMind hat Gemini 4 Argon vorgestellt, ein fortschrittliches Modell, das entwickelt wurde, um die Arbeit der IT-Sicherheitsexperten zu transformieren. Das System ist in der Lage, versteckte Schwachstellen im Code aufzuspüren, die Möglichkeit von Angriffen zu überprüfen und eigenständig korrigierende Patches vorzuschlagen.
Die KI-basierte Cybersicherheit hat mehrere Entwicklungsschritte durchlaufen. Man ist von den ersten Anwendungen des Machine Learning zur Klassifizierung von Malware und der Identifizierung von Anomalien im Netzwerkverkehr über die automatische Analyse von Quellcode zu Systemen fortgeschritten, die in der Lage sind, über mehrere Softwarekomponenten nachzudenken, mögliche Angriffsszenarien zu rekonstruieren und mit den Werkzeugen zu interagieren, die von spezialisierten Forschern verwendet werden. Mit dem Aufkommen weiterentwickelter Sprachmodelle liegt der Unterschied nicht mehr nur in der Anzahl der Probleme, die ein System melden kann, sondern in seiner Fähigkeit, diese eigenständig zu verstehen und zur Lösung beizutragen.
KI-Sicherheitstests mit Gemini: Warum das wichtig ist
Google DeepMind behauptet, dass Gemini 4 Argon sowohl bei der Suche nach Schwachstellen als auch bei Penetrationstests bedeutende Ergebnisse erzielt.
Gemini 4 Argon: Von der Codeanalyse zur autonomen Entdeckung von Schwachstellen
Ein Schlüsselaspekt von Gemini 4 Argon in seiner auf IT-Sicherheit spezialisierten Konfiguration ist die Fähigkeit, die Suche nach Schwachstellen als ein Problem des logischen Schließens anzugehen, anstatt sich nur auf das Erkennen potenziell gefährlicher Anweisungssequenzen zu beschränken. Traditionelle statische Analysewerkzeuge untersuchen den Code ohne ihn auszuführen und suchen nach Bedingungen, die unsicheres Verhalten begünstigen könnten. Fortgeschrittenere Produkte rekonstruieren den Datenfluss, verfolgen Funktionsaufrufe und identifizieren Situationen, in denen eine unzuverlässige Eingabe einen kritischen Vorgang ohne angemessene Kontrollen erreicht.
Google schreibt Gemini 4 Argon die Fähigkeit zu, komplexe Codebasen eigenständig zu erkunden, die Beziehungen zwischen den verschiedenen Codeelementen wiederherzustellen und Schwächen zu identifizieren, selbst wenn diese nicht sofort erkennbaren Mustern entsprechen. Dies impliziert keine vollständige oder fehlerfreie „Verständnisleistung“; das KI-Modell kann jedoch Hypothesen aufstellen, zusammenhängende Codeabschnitte untersuchen und externe Werkzeuge nutzen, um die Bedingungen zu überprüfen, unter denen ein Problem konkret ausnutzbar wäre.
KI sucht nach Lücken auch ohne Zugriff auf den Quellcode
Eine weitere von DeepMind erklärte Fähigkeit betrifft das „Black-Box“-Penetrationstesting. In diesem Modus verfügt das System nicht über den Code der zu untersuchenden Anwendung, sondern kann nur das Verhalten der zugänglichen Dienste, die Serverantworten und die öffentlich exponierten Schnittstellen beobachten. Ein Sicherheitsexperte, der am Quellcode arbeitet, kann eine verwundbare Funktion direkt identifizieren; ein Black-Box-System muss hingegen die Funktionsweise der Anwendung durch Interaktionen mit ihr ableiten.
Laut Google kann Gemini 4 Argon die Angriffsfläche eines Web-Systems untersuchen, potenzielle Schwachstellen identifizieren und Beweise erstellen, die nützlich sind, um deren Existenz zu verifizieren. Der Mehrwert besteht nicht darin, Scanner wie Nmap, HTTP-Analysewerkzeuge oder Abfang-Proxys wie Burp Suite zu ersetzen, sondern in der Fähigkeit, verschiedene Aktivitäten zu koordinieren und deren Ergebnisse zu interpretieren, indem entschieden wird, welche Prüfungen auf Basis der bereits gesammelten Informationen vertieft werden sollen.
Von den Schwachstellen zu automatischen Patches
Eine Lücke zu finden ist nur die Hälfte der Arbeit. Nach dem Nachweis ihrer Existenz muss deren Ursache verstanden, eine Interventionspriorität festgelegt und die Software modifiziert werden, ohne Funktionsstörungen einzuführen. Genau dieses Ziel verfolgt Google mit den Funktionen für automatisches Patching von Gemini 4 Argon.
Das Modell kann daher dazu beitragen, Änderungen am Quellcode zu generieren, um die identifizierten Schwachstellen zu beheben. CodeMender und Gemini 4 Argon sind nicht dasselbe: Letzteres ist das KI-Modell, während Erstere die Werkzeuge und Verfahren bereitstellt, die erforderlich sind, um dessen Fähigkeiten auf die Software-Sicherheit anzuwenden.
Google beschreibt CodeMender als einen Agenten, der in der Lage ist, Projekte zu analysieren, die aus mehreren Sprachen bestehen, Steuerungs- und Datenflüsse zu verfolgen und Fehler anzugehen, die von Speicherbeschädigungen bis hin zu Angriffen basierend auf der Injektion bösartiger Eingaben reichen. Anstatt sich ausschließlich auf die theoretische Schwere einer Schwachstelle zu verlassen, kann CodeMender einen Proof-of-Concept in einer vom Kunden verwalteten Umgebung erstellen und ausführen, um festzustellen, ob das Problem konkret reproduzierbar ist.
Der letzte Schritt liegt weiterhin in den Händen der Entwickler, die die Eingriffe über ihre üblicherweise verwendeten Werkzeuge untersuchen, genehmigen und anwenden können, einschließlich IDEs und Kommandozeilenschnittstellen.
Die Neuheit, die von Google DeepMind eingeführt wurde, besteht nicht einfach darin, ein Modell erstellt zu haben, das mehr Schwachstellen erkennt als die vorherigen Generationen. Der Punkt ist, dass die Entdeckung, Verifizierung und Behebung von IT-Sicherheitslücken beginnen, sich in einem Prozess zusammenzuführen, den ein KI-Agent mit zunehmendem Maß an Autonomie verwalten kann. Für diejenigen, die Software entwickeln und Infrastrukturen verwalten, ist die Perspektive interessant: Die Verkürzung der Zeit zwischen dem Auftreten einer Schwachstelle und ihrer Behebung könnte zu einem der konkretesten Vorteile der auf Cybersicherheit angewendeten KI werden.
Quelle und weiterführende Informationen zu KI-Sicherheitstests mit Gemini: Originalartikel.
* Inhalt erstellt mit Unterstützung von Systemen der künstlichen Intelligenz.