Wie Deepseek chinesischen Hackern zu doppelt so vielen Angriffen verhilft

Chinesische staatlich verbundene Hackergruppen haben ihr Angriffsvolumen mehr als verdoppelt, seit sie das chinesische KI-Modell Deepseek in ihre Operationen eingebaut haben. Das zeigt eine neue Analyse der taiwanesischen Sicherheitsfirma TeamT5, über die zuerst Bloomberg berichtete. Die Ergebnisse liefern einen der bislang konkretesten Belege dafür, wie sehr generative KI die Einstiegshürden für Cyberangriffe senkt, und werfen zugleich ein Schlaglicht darauf, dass auch westliche Modelle wie ChatGPT und Anthropics Claude in solchen Operationen auftauchen.

Das Wichtigste in Kürze

• TeamT5 dokumentiert einen mehr als doppelt so hohen Angriffsumfang bei staatlich verbundenen chinesischen Hackergruppen seit dem Einsatz von KI-Werkzeugen, allen voran Deepseek.
• Deepseek wird bevorzugt, weil es leistungsfähig, günstig zu betreiben und mit vergleichsweise schwachen Sicherheitsschranken ausgestattet ist, so TeamT5-Chefanalyst Charles Li.
• Die Hackergruppe Grimfengxi ließ sich damit Exploit-Code schreiben, Huapi griff das E-Mail-System eines taiwanesischen Unternehmens an, Teleboyi kartografierte per KI-gestütztem Scan rund 1.000 IP-Adressen und Firmendomains.
• Auch westliche Modelle tauchen auf: Eine Gruppe namens Slime22 nutzte laut TeamT5 Anthropics Claude Code, um sich lateral durch das Netzwerk eines taiwanesischen Tech-Unternehmens zu bewegen.
• Ein britisches KI-Sicherheitsinstitut bestätigt, dass offene chinesische Modelle bei vollautonomen Angriffsketten zwar aufholen, westlichen Spitzenmodellen aber noch einige Monate hinterherhinken.

Warum ausgerechnet Deepseek

Die Antwort ist banal und deshalb beunruhigend: Deepseek ist gut genug, kostet wenig und lässt sich leicht dazu bringen, Dinge zu tun, die ChatGPT oder Claude verweigern würden. TeamT5-Chefanalyst Charles Li bringt es auf den Punkt, wenn er das Modell als vergleichsweise leistungsstark bei gleichzeitig sehr schwachen Sicherheitsvorkehrungen beschreibt. Während westliche Anbieter ihre Modelle mit aufwendigen Filtern gegen offensichtlich schädliche Anfragen absichern, lassen sich solche Schranken bei offenen Modellen wie Deepseek entweder umgehen oder existieren von vornherein in abgeschwächter Form. Für Angreifer zählt zudem der Preis: Anspruchsvollere chinesische Alternativen wie Moonshots Kimi K3 gelten laut TeamT5 zwar als leistungsfähiger, sind für den massenhaften Einsatz in Hacker-Operationen aber schlicht zu teuer. Deepseek trifft damit genau den Punkt, an dem Kosten, Fähigkeiten und laxe Kontrolle zusammenkommen.

Was die Hackergruppen konkret damit tun

Die von TeamT5 dokumentierten Fälle zeigen, wie unterschiedlich der Einsatz bereits aussieht. Die Gruppe Grimfengxi nutzt Deepseek, um automatisiert Exploit-Code zu generieren, also Programmcode, der gezielt Schwachstellen in fremder Software ausnutzt. Huapi setzte ein chinesisches KI-Modell, vermutlich ebenfalls Deepseek, gegen das E-Mail-System eines taiwanesischen Unternehmens ein. Teleboyi wiederum automatisierte mit KI-Unterstützung die Aufklärungsphase eines Angriffs und sammelte dabei rund 1.000 IP-Adressen sowie eine Kartierung von Unternehmensdomains, Arbeit, die früher Analysten Tage gekostet hätte. Besonders bemerkenswert ist der Fall der Gruppe Slime22, die laut TeamT5 nicht auf ein chinesisches, sondern auf Anthropics Claude Code zurückgriff, um sich nach einem ersten Einbruch lateral durch das Netzwerk eines taiwanesischen Technologieunternehmens zu bewegen, sich also von einem kompromittierten System zum nächsten vorzuarbeiten. Das zeigt: Die Grenze zwischen offenen und geschlossenen Modellen verläuft in der Praxis der Angreifer längst nicht mehr entlang von Herkunftsland oder Anbieter, sondern entlang dessen, was im konkreten Moment am leichtesten zugänglich ist.

Wie gefährlich ist das wirklich

Ein britisches KI-Sicherheitsinstitut relativiert die Dramatik an einer entscheidenden Stelle: Offene Modelle wie Deepseek holen bei ihren Cyberfähigkeiten zwar rasch auf, liegen bei vollständig autonomen, mehrstufigen Angriffsketten aber noch einige Monate hinter den fortschrittlichsten westlichen Modellen zurück. Die aktuelle Entwicklung ist also weniger ein Sprung zu völlig neuartigen Angriffsformen als eine massive Effizienzsteigerung bei bereits bekannten Methoden. Was früher spezialisierte Entwickler oder erfahrene Analysten brauchte, etwa das Schreiben von Exploit-Code oder das systematische Scannen ganzer Netzwerke nach Schwachstellen, lässt sich heute in Teilen an ein Sprachmodell delegieren. Das senkt die Kosten pro Angriff und erlaubt es auch weniger spezialisierten Gruppen, in kürzerer Zeit mehr Ziele gleichzeitig zu bearbeiten, wodurch die schiere Zahl der Angriffe steigt, selbst wenn die Qualität einzelner Attacken nicht zwangsläufig zunimmt.

Ein Muster, das über China hinausweist

Der Befund lässt sich kaum auf ein einzelnes Land oder einen einzelnen Anbieter beschränken. Sobald ein Modell leistungsfähig genug ist und öffentlich zugänglich, wird es auch für Angreifer interessant, unabhängig davon, wo es entwickelt wurde. Dass ausgerechnet auch Claude Code in einem dokumentierten Angriff auftaucht, wie es bereits bei anderen Umgehungsversuchen chinesischer Nutzer gegenüber Anthropics Sperren zu beobachten war, zeigt, dass sich auch stärker abgesicherte westliche Werkzeuge nicht vollständig vor missbräuchlicher Nutzung schützen lassen, sobald Zugang über Umwege möglich ist. Für Sicherheitsverantwortliche in Unternehmen bedeutet das vor allem eines: Die Verteidigung kann sich nicht länger darauf verlassen, dass Angreifer mangels Ressourcen langsamer oder ungeschickter agieren als früher. KI-gestützte Aufklärung und Codegenerierung verschieben dieses Gleichgewicht spürbar in Richtung der Angreifer, gerade bei kleineren und mittleren Unternehmen ohne eigene große Sicherheitsteams.

Ausblick

TeamT5 geht davon aus, dass sich der Trend fortsetzt, sobald weitere leistungsfähige offene Modelle mit schwachen Sicherheitsschranken verfügbar werden. Für Verteidiger dürfte die eigentliche Konsequenz weniger in neuer Spezialtechnik liegen als in der Notwendigkeit, KI-gestützte Angriffsmuster genauso systematisch zu überwachen wie klassische Angriffsvektoren, etwa durch die Analyse ungewöhnlich schnell und breit angelegter Scan-Aktivitäten. Die Verantwortung liegt dabei nicht allein bei den Anbietern der Modelle: Solange ein leistungsfähiges Sprachmodell irgendwo frei verfügbar ist, wird es früher oder später auch für Angriffe genutzt, ganz gleich, wie viele Filter der ursprüngliche Entwickler eingebaut hat.