KI-Sicherheitsanalyse-security-audit-skill

Einleitung

Große Sprachmodelle können Code lesen, Zusammenhänge über viele Dateien hinweg verfolgen und Werkzeuge bedienen. Damit liegt es nahe, sie für die Suche nach Sicherheitslücken einzusetzen. Offen ist, wie belastbar ihre Ergebnisse sind, denn ein falscher Befund ist in der Sicherheitsanalyse teuer.

Der Bericht folgt den vier Fragen der Seminarbeschreibung:

1. Wie funktioniert eine KI-Agent-basierte Sicherheitsanalyse?
2. Welche Werkzeuge sind verfügbar und geeignet?
3. Wo liegen Stärken, Schwächen und Kosten?
4. Können die gefundenen Schwachstellen verstanden und verifiziert werden?

Grundlagen

Werkzeuglandschaft

• Klassische statische Analyse (SAST) wie Semgrep oder CodeQL ist schnell und reproduzierbar, findet aber vor allem Muster, die vorher als Regel formuliert wurden.

• KI-Ageten wie Claude Code lesen und durchsuchen Code selbstständig. Sie erkennen auch Logikfehler über Dateigrenzen hinweg, arbeiten aber nicht deterministisch.

Ein Skill ist ein Ordner mit Anweisungen, den ein KI-Agent bei Bedarf lädt und der festlegt, wie der Agent eine Aufgabe erledigt.

Der Cloudflare security-audit skill

Der Security-audit Skill ist ein öffentliches Repository von Cloudflare (MIT-Lizenz) und laut Cloudflare der Ausgangspunkt ihres internen Systems zur Schwachstellensuche. Er ist kein Scanner, sondern besteht aus rund 5.300 Zeilen Anweisungen und zwei Prüfskripten:

Bestandteil	Zweck
SKILL.md	Einstieg: Betriebsarten, Sicherheitsregeln, Profile, Budget, Schweregrade
RECONNAISSANCE.md, HUNTING.md, ATTACK-CLASSES.md	Aufklärung, Suchaufträge und Angriffsklassen
10 Begleitdateien	Spezialwissen (z. B. Web/Authentifizierung, Client-Seite, KI/LLM), nur bei Bedarf geladen
VALIDATION-AND-REPORTING.md	Validierung, Verifikation und Bericht
report-schema.json und zwei .cjs-Skripte	JSON-Schema und deterministische Prüfung der Ausgabe

Verwendet wurde der vollständige Audit-Modus, der alle sechs Phasen durchläuft und Berichtsdatein schreibt.

Ablauf in sechs Phasen

Ablauf des Security-audit Skill

1. Aufklärung: Vier Agenten erfassen parallel Technick, Benutzerrollen, Vertrauensgrenzen und Eingabepunkte. Daraus entstehen architecture.md und das Coverage Ledger.
2. Suche: Hunter-Agenten prüfen je eine Einheit mit passenden Angriffsklassen; Kritiker-Agenten suchen ungeprüfte Bereiche.
3. Validierung: Jeder Kandidat geht an einen frischen Prüfer, der die Suche nicht kennt und den Fund zu widerlegen versucht.
4. Strukturierte Ausgabe: Die Urteile landen in findings.json und werden gegen das Schema geprüft.
5. Erneute Verifikation: Weitere frische Agenten prüfen die endgültigen Aussagen ein zweites Mal.
6. Bericht: Erst dann entstehen REPORT.md und NEEDS-VALIDATION.md, ausschließlich aus geprüften Datensätzen.

Nur der koordinierende Agent (parent) schreibt gemeinsame Dateien, alle anderen liefern strukturierte JSON-Ergebnisse zurück.

Zentrale Konzepte

Urteil	Bedeutung	Schweregrad
confirmed	Vollständige Spur durch den Code und ein lokal beobachtetes Ergebnis	ja
needs_validation	Quellcodebasierter Verdacht, bei dem genau ein Fakt fehlt; mit Prüfplan	nie
rejected	Von einem Prüfer widerlegt	nein

Versuchsaufbau

Zielprojekt: OWASP Juice Shop ist ein absichtlich unsicherer Webshop für Sicherheitstrainings (TypeScript, Express, Angular, SQLite). Er liefert mit data/static/challenges.yml einen Lösungsschlüssel von 116 beabsichtigten Schwachstellen. Damit lässt sich prüfen, was die KI findet und was sie übersieht. Alle Läufe nutzen Version 20.2.0, Commit 5658473c.

Merkmal	Lauf 1	Lauf 2
Umgebung	Claude Code , Claude Pro, macOS
Profil	Quick	Standard
Budget	25 Agentenaufrufe	60 Agentenaufrufe
Vorwissen	keins	Lauf 1 (nur lesend)

Zwischen den Läufen änderten sich nur Breite und Vorwissen. Beide Läufe arbeiteten nur am Quellcode: Juice Shop ist absichtlich verwundbar und sollte nicht auf einem privaten Rechner laufen. Zudem kann macOS die geforderte Sandbox nicht bereitstellen. Das Urteil confirmed war damit grundsätzlich nicht erreichbar. Die genauen Aufträge stehen im Anhang.

Durchführung

Lauf 1 dauerte 26 Minuten und nutzte 24 von 25 Aufrufen (4 Aufklärung, 6 Hunter, 1 Kritiker, 13 Prüfer). Um Budget für die Validierung zu behalten, begrenzte der koordinierende Agent jeden Hunter auf zwei Kandidaten, 23 weiter Ursachen blieben als ungeprüfte Hinweise im Ledger. Ein Prüfer widerlegte die ursprüngliche Angriffsidee eines Hunter und präzisierte die Aussage.

Lauf 2 dauerte 3 Stunden 13 Minuten und nutzte 57 von 60 Aufrufen (4 Aufklärung, 9 Hunter, 2 Kritiker, 42 Prüfer). Drei Ereignisse prägten ihn:

• Ratenlimit: Rund 20 gleichzeitig gestartete Agenten wurden vom Sitzungslimit des Pro-Abonnements abgebrochen. Der Skill hielt an und fragte nach. Die Fehlstarts wurden nicht auf das Budget angerechnet, aber offengelegt, und die Agenten in Fünfergruppen neu gestartet.
• Budgetbindung: Die 12 übernommenen Verdachtsfälle aus Lauf 1 banden 24 Prüferaufrufe. Jeder Hunter durfte daher nur einen Kandidaten einreichen; 33 Ursachen blieben ungeprüft.
• Sicherheitsfilter: Der erste Berichtsentwurf wurde angehalten und ohne konkrete Angriffsdaten neu geschrieben.

Ergebnisse

Überblick

Kennzahl	Lauf 1	Lauf 2
Validierte Verdachtsfälle	12	21 (12 übernommen, 9 neu)
Bestätigt / verworfen	0 / 0	0 / 0
Ungeprüfte Hinweise	23	33
Prüfeinheiten im Ledger	22	53
Prüfskripte (selbst nachgeprüft)	bestanden	bestanden

Status der Prüfeinheiten: Lauf 2 prüfte deutlich mehr Einheiten, die meisten neuen blieben aber blockiert, weil das Budget die Validierung nicht abdeckte.

Lauf 2 brachte vor allem mehr Breite, aber keinen zusätzlichen Beweis. Die Ergebnisse sind stabil: Alle 12 Fälle aus Lauf 1 kamen mit demselben Urteil zurück. Von den 9 neuen Fällen waren 5 in Lauf 1 schon als ungeprüfte Hinweise notiert, 4 sind neue Ursachen.

Die 21 Verdachtsfälle

„Katalog“ zeigt, ob der Fall einer beabsichtigten Juice-Shop-Challenge entspricht. „Eigene Prüfung“ ist das Ergebnis meiner Quellcodeprüfung. Angriffsdaten werden bewusst nicht genannt.

Nr.	Verdachtsfall	Katalog	Eigene Prüfung
1	JWT-Signierschlüssel fest im Code und öffentlich abrufbar	ja	gestützt
2	JWT-Algorithmus nicht festgelegt	ja	gestützt
3	YAML-Upload erlaubt Codeausführung	nein	gestützt
4	Zip-Slip beim Datei-Upload	ja	gestützt
5	Benutzername wird per eval ausgewertet (Template-Injection)	ja	Codezeile stimmt
6	SQL-Injection in Login und Produktsuche	ja	nicht geprüft
7	Methodensperren über PATCH umgehbar	nein	widerlegt
8	Öffentlicher Endpunkt liefert Passwort-Hashes der Fotowand	nein	Code stimmt
9	Öffentliche Zugriffsprotokolle enthalten Passwörter	teilweise	gestützt
10	SSRF über Profilbild-URL	ja	Codezeile stimmt
11	SSRF über Chatbot-Nachrichten	nein	nicht geprüft
12	JavaScript-Injection über MarsDB-$where	ja	nicht geprüft
13	Unvollständiger Sicherheitsschalter im neuesten Commit	nein	gestützt
14	Sitzungen laufen nie ab und werden nie widerrufen	nein	Code stimmt
15	Adressen ohne Eigentümerprüfung änderbar	nein	Route stimmt
16	Bewertungen massenhaft änderbar (NoSQL)	ja	nicht geprüft
17	Datenexport schreibt fremde Texte als HTML	nein	Codezeile stimmt
18	DOM-XSS über Suchparameter	ja	Codezeile stimmt
19	Unbehandelter Fehler kann den Server beenden	nein	plausibel
20	Pfadtraversal mit Backslash (nur Windows)	nein	Codezeile stimmt
21	Chatbot-Verläufe bleiben nach Abmeldung erhalten	nein	Code stimmt

Besondersauffällig ist Nr. 13 Der neueste Commit fügt einen Schalter für den sicheren Modus nur in einem Codezweig ein, im anderen fehlen Sperrliste und Kürzung. Dies ist eine Regression genau in dem Modus, der die Anwendung absichern soll. Nr. 3 erlaubt Codeausführung über einen anonymen Upload, wofür es keine Challenge gibt. Nach einer Bestätigung zur Laufzeit wären beide nach Juice Shops SECURITY.md vertaulich an den Maintainer zu melden.

Vergleich mit dem Challenge-Katalog

Nach Lauf 1 erschienen ca. 29, nach beidenLäufen ca. 37 der Challenges (rund 32 %) als Verdachtsfall, ungeprüfter Hinweis oder Härtungshinweis. Viele Challenges sind durch Code-Lesen grundsätzlich nicht auffindbar (z. B. Foto-Geolokalisierung, Steganografie, schwache Passwörter). Dafür fanden die Läufe 12 Verdachtsfälle außerhalb des Katalogs, von denen einer (Nr. 7) später widerlegt wurde.

Verifikation der Ergebnisse

Ebene	Prüfung	Ergebnis
1. Format	Ausgabe entspricht Schema und Ledger-Regeln	beide Prüfskripte bestanden (z. B. PASS: 21 findings valid); sagt nichts über echte Fehler
2. Quellcode	Zitierte Stellen existieren und tun, was behauptet wird	320 von 320 Referenzen korrekt; 5 offene Fragen geklärt, 1 Fall widerlegt

Vorgehen auf Ebene 2: Jede zitierte Datei und Zeile wurde geprüft, also ausgewählte Stellen wurden von Hand gelesen. Wo ein Fall an einer Frage zum Bibliotheksverhalten hing, wurde das Paket mit npm pack geladen und nur gelesen, nicht ausgeführt:

Anhang: Verwendete Aufträge

Lauf 1: Lauf 2: