Auf den Punkt: Ein auf Open-Source-KI-Agenten basierendes Framework hat in einer vier Tage dauernden, weitgehend autonomen Kampagne Regierungsnetzwerke in Asien kompromittiert und dabei 1.395 Dateien erzeugt, 85 Zugangsdaten geknackt sowie tausende Personalakten exfiltriert.
Ăśber vier Tage hinweg haben mehrere autonome KI-Agenten koordiniert Regierungssysteme in Asien kartiert, Zugangsdaten geknackt und Daten exfiltriert – nach Einschätzung der Sicherheitsfirma Dream ein Wendepunkt fĂĽr KI-gestĂĽtzte Angriffsoperationen. Taiwans Digitalministerium bestätigte unabhängig einen zeitgleichen, KI-unterstĂĽtzten Angriff auf Behörden.
Nach Recherchen der Cybersecurity-Firma Dream lief Anfang Juli eine mehrtägige Kampagne, bei der mehrere autonome KI-Agenten parallel gegen Regierungsnetzwerke in Asien vorgingen. Das auf den Open-Source-Frameworks Hermes und OpenClaw basierende System teilte Sub-Agenten auf einzelne Ziele und Aufgaben auf und fĂĽhrte ĂĽber zwölf Angriffswellen hinweg Aufklärung, Credential-Attacken und Exploitation-Schritte mit Planungs- und Feedback-Schleifen durch. Laut Dream produzierte der „agentische Angreifer“ in rund vier Tagen 1.395 Dateien, knackte 85 Zugangsdaten, exfiltrierte tausende Personalakten und etablierte einen dauerhaften Zugang in staatlicher Infrastruktur. Die Firma spricht von einem „near-autonomous attack“ und ordnet die Aktivität als Inflexionspunkt fĂĽr KI-gestĂĽtzte Offensivoperationen ein. Der Angriff begann mit automatisierter Reconnaissance: Das System extrahierte API-Endpunkte und Authentifizierungskonfigurationen aus öffentlich zugänglichem Code und identifizierte dabei unauthentifizierte APIs mit Nutzerdaten sowie in einem Fall eine komplette Nutzerdatenbank ohne jeglichen Zugriffsschutz.
Taiwans Ministerium fĂĽr Digitale Angelegenheiten meldete laut Reuters im selben Zeitraum einen „AI agent-assisted“ Cyberangriff auf Regierungsbehörden, bei dem KI-gestĂĽtzte Werkzeuge wie OpenClaw zum Einsatz gekommen seien. Ein Ministeriumsvertreter erklärte, Angriffsquellen, -methoden und Schadensumfang seien vollständig untersucht und von den betroffenen Stellen bereits bearbeitet worden. Eine explizite Verknüpfung zwischen dem Dream-Bericht und dem von Taiwan gemeldeten Vorfall wurde von keiner der beiden Seiten offiziell bestätigt. Dream selbst wollte gegenüber CSO weder das Ziel noch den Angreifer benennen und erklärte, die eigene Recherche habe keinen bestätigten Systemeinbruch der betroffenen Institution nachgewiesen – der Bericht beschreibe lediglich das zum Analysezeitpunkt beobachtete Framework. Nach Veröffentlichung des ursprünglichen Blogposts identifizierte Dream zudem Hinweise auf den Einsatz eines DeepSeek-V4-Flash-Modells innerhalb des Frameworks, ohne ausschließen zu können, dass weitere Modelle beteiligt waren.
Für CISOs verschiebt dieser Fall die Kosten-Nutzen-Rechnung offensiver Operationen fundamental: Colin Ferris, Head of Threat Hunting and Incident Response bei Silverfort, vergleicht den Effekt mit dem Einfluss günstiger Drohnen auf konventionelle Kriegsführung – Angreifer können mit wenigen kostengünstigen KI-Agenten kontinuierlich nach ungepatchten Lücken suchen und diese ausnutzen. Dream fasst dies pointiert zusammen: Die Kosten für die Durchführung eines kompetenten Angriffs sind gesunken, die Kosten für dessen Abwehr jedoch nicht. Angriffsflächen wie unauthentifizierte APIs, exponierte Authentifizierungskonfigurationen in öffentlichem Code und schwache Identitätssysteme werden durch parallelisierte, selbstlernende Agenten in einer Geschwindigkeit adressiert, die klassische manuelle Verteidigungszyklen kaum noch abbilden können.
Für Sicherheitsverantwortliche in Behörden und regulierten Branchen ergibt sich daraus die Notwendigkeit, API-Inventare und Authentifizierungskonfigurationen konsequent aus öffentlich zugänglichem Code zu entfernen beziehungsweise zu härten, da genau diese Angriffsvektoren im beschriebenen Fall den initialen Einstiegspunkt bildeten. Zudem sollte die Erkennung von mehrstufigen, koordinierten Angriffsmustern über mehrere parallele Vektoren hinweg – wie sie durch Multi-Agenten-Frameworks entstehen – priorisiert werden, da traditionelle signaturbasierte oder einzelvorfallorientierte Detektion gegen orchestrierte, adaptive Kampagnen an Wirksamkeit verliert.
Quelle: www.csoonline.com · Erschienen 13. August 2026
Lumi AI News — KI-assistierte Kuratierung gemaess Art. 50 EU AI Act. Paraphrase und Klassifikation durch Lumi News Pipeline v1.8.3.