Aktuelle Bedrohungen, Schwachstellen und Abwehrstrategien im KI-Umfeld.
Viele Unternehmen haben in den letzten Monaten eine neue Komponente in ihre Architektur eingebaut: ein zentrales Gateway für LLM-Zugriffe. Anwendungen sprechen nicht mehr direkt mit einzelnen Modellanbietern, sondern mit einem Proxy, der Requests normalisiert, Kosten kontrolliert, Schlüssel verwalte
Viele Unternehmen ziehen bei KI-Agenten eine scheinbar klare Sicherheitslinie: Was in der Cloud läuft, gilt als riskant; was lokal auf dem Endgerät bleibt, wirkt kontrollierbarer. Für Datenschutz und Datenresidenz kann diese Unterscheidung wichtig sein. Für eine der zentralen Agenten-Schwachstellen
Viele Unternehmen behandeln Multimedia-Bibliotheken wie unsichtbare Infrastruktur. FFmpeg steckt in Transcoding-Pipelines, Streaming-Diensten, Videokonferenzsystemen, Browser-nahen Komponenten, Python-Paketen, Container-Images, Appliances und internen Automatisierungen. Solange ein Video sauber konv
Ein KI-Agent soll im Unternehmen nicht nur Texte erzeugen. Er soll Code schreiben, Tickets bearbeiten, Browser bedienen, interne Wissensquellen abfragen, Cloud-Ressourcen prüfen oder Kundenvorgänge vorbereiten. Genau darin liegt das Praxisproblem: Sobald ein Agent echte Arbeit erledigt, bekommt er D
Viele Unternehmen denken bei KI-Sicherheit noch an drei naheliegende Kontrollpunkte: Welche Prompts dürfen Mitarbeitende eingeben? Welche Daten verlassen das Unternehmen? Und welche Antworten eines Modells müssen blockiert werden? Eine aktuelle Forschungsarbeit zeigt, dass diese Sicht zu eng ist. We
Viele Unternehmen testen derzeit KI-Agenten nicht mehr nur als Chatbots, sondern als Arbeitsmaschinen: Sie lesen Tickets, schreiben Code, durchsuchen Dokumente, starten Tools und behalten Kontext über mehrere Sitzungen hinweg. Genau diese Persistenz ist praktisch – und sicherheitstechnisch heikel. W
Ein npm-Paket wird installiert, ein `preinstall`-Skript läuft automatisch, und wenige Sekunden später sind GitHub-, Cloud- oder Registry-Zugangsdaten weg. Dieses Muster ist nicht neu. Der aktuelle Fall rund um mehrere Pakete im Scope `@redhat-cloud-services` ist aber trotzdem relevant, weil er zeigt
Viele Unternehmen testen derzeit visuelle Plattformen für LLM-Workflows und KI-Agenten. Der Charme ist offensichtlich: Fachbereiche können Datenquellen, Modelle, Tools und APIs per Oberfläche verbinden, ohne für jeden Prototyp ein eigenes Backend zu bauen. Genau diese Bequemlichkeit verschiebt aber
Ein Entwickler installiert schnell ein kleines npm-Paket, weil es nach Hilfsfunktion klingt. Im Hintergrund arbeitet zugleich ein KI-Assistent, der Dateien, Uploads und generierte Artefakte in einem lokalen Arbeitsbereich ablegt. Genau diese Kombination macht den aktuellen Fall „Malware-Slop“ intere
Viele Unternehmen bauen derzeit interne KI-Werkzeuge mit erstaunlich ähnlichem Muster: ein FastAPI-Service vor einem LLM-Gateway, ein vLLM- oder LiteLLM-Endpunkt, ein MCP-Server für Tool-Zugriffe, dazu ein paar Middleware-Regeln für Admin-Pfade, Metriken oder Modellverwaltung. Genau diese pragmatisc
Viele Security-Programme sind darauf optimiert, Schwachstellen überhaupt zu finden: Scanner ausrollen, CVEs priorisieren, Findings in Tickets überführen. Das war lange der Engpass. Die jüngsten Zahlen aus Anthropics Project Glasswing zeigen, dass sich dieser Engpass verschiebt. Wenn KI-Modelle in ku
Ein moderner Software-Build lädt selten nur eigenen Code. Er zieht Pakete aus öffentlichen Registries, startet Installationsskripte, baut Container und verteilt Artefakte automatisch weiter. Genau darin liegt das Praxisproblem: Wenn ein legitimes Paketkonto, ein CI-Workflow oder ein Publishing-Token
