KI-Malware-Erkennung: Neues System erreicht 99,42% Präzision

Forschungsmodelle und neue Plattformen verbessern die Erkennung von Malware und Cyberangriffen, während spezialisierte KI-Lösungen in den Markt drängen.

In der Cybersicherheit markieren technologische Fortschritte im Bereich des maschinellen Lernens einen Wendepunkt bei der Abwehr komplexer Bedrohungen. Forscher der Beijing University haben ein neues föderiertes multimodales System zur Klassifizierung von Malware vorgestellt, das selbst unter schwierigen Datenbedingungen eine Präzision von 99,42 % erreicht.

Der Ansatz adressiert insbesondere das Problem ungleich verteilter Daten (non-IID) und nutzt den sogenannten BIG-2015-Datensatz als Grundlage für die Validierung der Ergebnisse.

Technologische Resilienz gegen Manipulationsversuche

Das von den Wissenschaftlern in Peking entwickelte System zeichnet sich durch eine hohe Robustheit gegenüber gezielten Störversuchen aus. Den Untersuchungen zufolge bleibt die Genauigkeit der Malware-Erkennung selbst bei sogenannten Label-Flipping-Angriffen stabil.

Selbst wenn 40 % der Trainingsdaten durch gezieltes Poisoning manipuliert wurden, konnte das Modell immer noch eine Genauigkeit von 92,47 % vorweisen. Technisch basiert dieser Erfolg auf der Implementierung von FedBN-Algorithmen und Cross-Attention-Mechanismen, die die Analysefähigkeit des föderierten Ansatzes signifikant steigern.

Parallel dazu belegen aktuelle Studien die Leistungsfähigkeit anderer Modellarchitekturen. Ein neu vorgestelltes RBFNN-Modell (Radial Basis Function Neural Network) zeigt laut einer im International Journal of Intelligent Information and Database Systems veröffentlichten Untersuchung ebenfalls hohe Erfolgsraten.

Das System identifiziert Cyberangriffe bei normaler Netzwerkaktivität sowie bei spezifischen Bedrohungen wie Heartbleed mit einer Genauigkeit von über 95 %. Bei Denial-of-Service-Attacken (DoS) steigt dieser Wert auf 97 %, während Brute-Force-Angriffe mit bis zu 93 % erkannt werden. Die Fehlklassifizierungsrate liegt dabei unter 5 %.

Anzeige

Die rasante Entwicklung von KI-gestützten Angriffsmethoden stellt Unternehmen vor völlig neue Herausforderungen bei der IT-Sicherheit. Dieser kostenlose Report klärt darüber auf, welche rechtlichen Pflichten und technologischen Bedrohungen Unternehmer jetzt kennen müssen, um proaktiv geschützt zu sein. Gratis-Report zu neuen Cyberrisiken herunterladen

Quanten-Computing und spezialisierte Sprachmodelle

Ein weiterer Forschungszweig setzt auf die Verbindung von Quantentechnologie und Deep Learning. Ein neues Framework namens Quantum-enhanced Deep Learning (QEDL) nutzt QAOA-basierte Feature-Selection, um klassische Methoden bei der Merkmalsauswahl auf dem CIC-IDS2017-Datensatz zu übertreffen. In Simulationen mit dem IBM Aer Backend konnte eine Echtzeit-Erkennung von Angriffen als Machbarkeitsnachweis (Proof of Concept) erbracht werden.

Auf der industriellen Seite treiben führende Anbieter die Integration von Künstlicher Intelligenz voran. CrowdStrike kündigte im Rahmen der Konferenz Fal.Con 2026 die Einbindung von OpenAI GPT-5.6 Cyber in die eigene Falcon-Plattform an.

Anzeige

Parallel zu den technologischen Schutzmaßnahmen rückt der EU AI Act als neuer rechtlicher Rahmen für den Einsatz von KI-Systemen in den Fokus von Unternehmen. Ein kostenloser Umsetzungsleitfaden bietet Compliance-Verantwortlichen jetzt den notwendigen Überblick über alle relevanten Fristen, Pflichten und Risikoklassen. Kostenloses E-Book zur EU-KI-Verordnung sichern

Laut dem Chief AI Officer des Unternehmens, Bartley Richardson, erzielen die neuen Modelle eine um 29 % höhere Erkennungsrate und ermöglichen eine sechsmal schnellere Behebung von Sicherheitsvorfällen im Vergleich zu Wettbewerbsprodukten. Zudem wurde eine Partnerschaft mit Anthropic geschlossen, um Falcon auf dem Claude Marketplace verfügbar zu machen.

Branchenweite Einführung spezialisierter Schutzmechanismen

Auch Google erweitert sein Portfolio durch den Start von Gemini 3.8 Flash Cyber. Nach Angaben des Chrome Security Teams lassen sich mit diesem Modell korrekte Sicherheitspatches 2,6-mal häufiger generieren. Das zugehörige Fairwind-Programm umfasst bereits mehr als 650 Organisationen. In Benchmarks wie dem CWE-Bench erreichte das Modell eine Quote von 47,2 %.

Weitere Akteure im Markt setzen auf spezialisierte Schutzfunktionen:

• Capsule Security hat einen „AI Circuit Breaker“ eingeführt, der abweichende oder bösartige Agenten in Echtzeit erkennt. Mit einer Genauigkeit von 96,9 % und einer Entscheidungszeit von 71 Millisekunden übertrifft das Modell laut Unternehmensangaben die Effizienz gängiger Drittmodelle deutlich.
• F5 bietet eine neue AI-WAF (Web Application Firewall) in der Distributed Cloud an, die eine Bedrohungserkennung von 98 % bei einer Falsch-Positiv-Rate von nur 1 % verspricht. Das System ermöglicht Virtual Patching innerhalb von Minuten.
• Proofpoint trat dem OpenAI Daybreak Cyber Partner Program bei und nutzt Frontier-KI zum Schutz vor Prompt-Injection-Angriffen.
• Naver Cloud leitet ein Konsortium zur Entwicklung eines südkoreanischen Sicherheits-KI-Modells. Das geplante System basiert auf 700 Milliarden Parametern und wurde mit 830 Terabyte an Daten auf 4.000 Grafikprozessoren trainiert.

Diese Entwicklungen verdeutlichen den Trend hin zu hochspezialisierten, KI-gestützten Verteidigungssystemen, die zunehmend in der Lage sind, komplexe Angriffsmuster in Millisekunden zu neutralisieren.