Alte Text-Salting-Taktiken stellen einige KI-gestützte Spamfilter vor Herausforderungen

Angreifer greifen auf eine seit Langem bekannte E-Mail-Umgehungstechnik zurück, um Phishing-Nachrichten an einigen auf maschinellem Lernen und großen Sprachmodellen (LLMs) basierenden Sicherheitssystemen vorbeizuschleusen, berichtet das Cybersicherheitsunternehmen Barracuda.

Barracuda zufolge wurden seit April mehr als eine Million auf den Einzelhandel ausgerichtete Phishing-E-Mails identifiziert, in denen „Text-Salting“ zum Einsatz kam. Bei dieser Methode werden einer schädlichen Nachricht große Mengen scheinbar harmloser oder irrelevanter Formulierungen hinzugefügt. Die zusätzlichen Inhalte sollen die Signale abschwächen, anhand derer automatisierte Systeme entscheiden, ob eine E-Mail verdächtig ist.

Die Technik wird bereits seit Jahren gegen herkömmliche Secure-E-Mail-Gateways eingesetzt. In aktuellen Kampagnen unternehmen Angreifer außerdem Schritte, um das Füllmaterial vor menschlichen Empfängern zu verbergen. Barracuda hat mehrere gängige Vorgehensweisen identifiziert:

• CSS-Zuschneiden: Durch HTML wird der sichtbare Bereich begrenzt, sodass der zusätzliche Text für den Leser verborgen bleibt.
• Positionierung von Text: Inhalte werden außerhalb des Bereichs verschoben, der normalerweise auf dem Bildschirm angezeigt wird.
• Techniken mit einer Schriftgröße von null: Zusätzliche Begriffe werden mithilfe einer Formatierung eingefügt, die sie unsichtbar macht, während automatisierte Analysen sie möglicherweise weiterhin verarbeiten.

Diese Methoden können eine Lücke zwischen dem erzeugen, was ein Sicherheitsmodell analysiert, und dem, was der Empfänger sieht. Nach dem Einfügen des Füllmaterials kann eine Nachricht für ein KI-System scheinbar routinemäßige oder legitime Inhalte enthalten, während die sichtbare E-Mail weiterhin die vom Angreifer gestaltete Phishing-Köder präsentiert.

Herkömmliche E-Mail-Schutzsysteme haben Verfahren entwickelt, um verborgene Inhalte zu erkennen oder zu entfernen. Barracuda zufolge unterscheiden einige KI-gestützte Systeme jedoch nicht konsequent zwischen sichtbarem Text und zugrunde liegendem HTML- oder Quellcode. LLMs sind häufig so konfiguriert, dass sie den empfangenen Text und Code analysieren, ohne automatisch zu ermitteln, ob diese Inhalte für einen Benutzer sichtbar sind.

Das Unternehmen empfiehlt Organisationen, sich nicht allein auf Schlüsselwörter oder eine KI-basierte Klassifizierung zu verlassen. Ein mehrschichtiger Ansatz sollte außerdem die Reputation des Absenders, Authentifizierungsergebnisse, Links und andere eingebettete Inhalte, das Rendering-Verhalten von HTML sowie Abweichungen zwischen sichtbaren und verborgenen Teilen einer Nachricht berücksichtigen.

Text-Salting zeigt, dass etablierte Angriffstechniken auch bei der Weiterentwicklung von E-Mail-Schutzmaßnahmen relevant bleiben. Organisationen sollten testen, wie ihre Filtersysteme mit manipuliertem HTML und verschleierten Inhalten umgehen, und zusätzliche Kontrollen für verdächtige Links und Absender sowie fehlgeschlagene Authentifizierungen einsetzen.