In der digitalen Sicherheitslandschaft hat eine neue Form von Cyberangriffen, das sogenannte ASCII-Smuggling, ein kritisches Ausmaß erreicht. Berichten von IT-Sicherheitsexperten zufolge verzeichnete Microsoft eine großangelegte Phishing-Kampagne, die in der Spitze ein Volumen von 2,37 Millionen E-Mails pro Werktag erreichte. Diese Angriffe nutzen eine raffinierte Methode, bei der unsichtbare Unicode-Zeichen eingesetzt werden, um herkömmliche Sicherheitsfilter zu umgehen.
Mechanismen des ASCII-Smuggling und der Filterumgehung
Kern der Angriffsstrategie ist die Verwendung spezieller, für den menschlichen Betrachter unsichtbarer Unicode-Tag-Zeichen (U+E0000-U+E007F). Durch das Einfügen dieser Zeichen in verdächtige Begriffe, wie beispielsweise „funding“, werden die Wörter für automatisierte Erkennungssysteme künstlich getrennt.
Diese Technik hat ihren Ursprung in der KI-Forschung und zielt darauf ab, die Tokenisierung von Systemen für maschinelles Lernen (ML) sowie die natürliche Sprachverarbeitung (NLP) gezielt zu stören.
Obwohl die Methode darauf ausgelegt ist, Inhaltsfilter zu täuschen, berichteten Sicherheitsanalysten, dass über 99 % der Nachrichten dennoch durch andere Sicherheitssignale erkannt und blockiert werden konnten.
Die Kampagne nutzte für den Versand unter anderem die Infrastruktur des Dienstleisters ActiveCampaign. Dabei griffen die Akteure auf über 150 finanzbezogene Absender-Domains zurück, die auf Basis einer Liste von 28 Begriffen generiert wurden.
Dynamik und Zielsektoren der Kampagne
Rekord-Schäden durch Phishing zeigen, wie wichtig eine proaktive Abwehrstrategie für Unternehmen in sensiblen Sektoren heute ist. In diesem kostenlosen Anti-Phishing-Paket erfahren Sie, wie Sie Ihr Unternehmen wirksam vor Cyberkriminalität schützen können. Kostenloses Anti-Phishing-Paket jetzt sichern
Die Forscher Noam Kochavi und Sarah Wolstencroft identifizierten die Kampagne und dokumentierten eine rasante Eskalation der Aktivitäten. Zu Beginn des Jahres, Anfang Februar, stieg die Zahl der erkannten Signaturen innerhalb eines einzigen Tages von 21.000 auf 1,3 Millionen an. Innerhalb von nur vier Tagen wurde ein Spitzenwert von 2,5 Millionen erreicht.
Die Angriffe richteten sich vornehmlich gegen Organisationen aus den Sektoren Finanzen, Wirtschaft und Gesundheitswesen. Inhaltlich standen die betrügerischen E-Mails häufig im Zusammenhang mit Phishing-Versuchen rund um Darlehen der US-amerikanischen Small Business Administration (SBA). Die gesamte Aktivitätsphase erstreckte sich über einen Zeitraum von drei Monaten, bevor das Volumen Ende März um etwa 80 % zurückging.
Risiken durch zunehmende E-Mail-Automatisierung
Parallel zu den Entwicklungen bei Phishing-Techniken weiten Anbieter von KI-Lösungen die Integration ihrer Systeme in E-Mail-Dienste aus, was neue Sicherheitsfragen aufwirft. Anfang September wurde bekannt, dass Anthropic die Gmail-Integration für Claude aktualisiert hat. Nutzer kostenpflichtiger Abonnements können nun E-Mails direkt versenden, ohne dass für jede einzelne Nachricht eine manuelle Genehmigung erforderlich ist.
Diese zunehmende Automatisierung birgt nach Einschätzung von Fachleuten erhebliche Risiken. Dazu gehören potenzielle Prompt-Injection-Angriffe über unsichtbaren Text, unentdeckte Fehler in den generierten Nachrichten sowie allgemeine Datenschutzbedenken. Der Experte Simon Willison wies in diesem Zusammenhang darauf hin, dass derzeit keine zuverlässige Prävention existiere, um diese spezifischen Risiken vollständig auszuschließen.
Wer sich mit neuen Cyberrisiken durch KI und automatisierte Prozesse befasst, sollte auch die aktuellen rechtlichen Anforderungen für Unternehmen kennen. Dieser kostenlose Report klärt auf, welche Pflichten und Bedrohungen Unternehmer jetzt im Blick behalten müssen. Gratis-E-Book zu Cyber Security Trends herunterladen
Empfehlungen zur Absicherung
Angesichts der Bedrohung durch ASCII-Smuggling hat Microsoft konkrete Handlungsempfehlungen für Administratoren und Sicherheitsverantwortliche veröffentlicht. Es wird geraten, Unicode-Codepoints systematisch aus eingehenden Datenströmen zu entfernen oder diese zu normalisieren, bevor sie die Filterinstanzen erreichen.
Durch eine solche Vorverarbeitung können die unsichtbaren Trennzeichen unschädlich gemacht werden, sodass die ML-gestützten Erkennungssysteme die blockierten Begriffe wieder korrekt identifizieren können.
