KI-Sicherheit umfasst drei verschiedene Aspekte, und es lohnt sich, diese vor einem Gespräch mit einem Anbieter zu unterscheiden – nicht erst währenddessen. Angreifer nutzen KI, um Bedrohungen zu generieren und zu skalieren. Verteidiger nutzen KI, um diese Bedrohungen zu erkennen und darauf zu reagieren. Und eine dritte Kategorie erstreckt sich über beide Bereiche hinweg: die Absicherung der KI-Systeme, die ein Unternehmen bereits betreibt – also der Modelle, Trainingsdaten, RAG-Quellen und Agenten –, die alle ein Risiko darstellen, unabhängig davon, ob sich ein Angreifer in ihrer Nähe befindet oder nicht. |
Wichtigste Erkenntnisse
- Begriffe zur KI-Sicherheit lassen sich in drei Gruppen unterteilen: Angriffstechniken, Abwehrmaßnahmen und das organisatorische Risiko bei der Absicherung der KI-Systeme selbst. Werden diese Gruppen miteinander vermischt, führt dies zu einer falschen Diskussion mit den Anbietern.
- Ob ein Begriff als Angriffstechnik oder als Verteidigungsfähigkeit bezeichnet wird, hängt davon ab, auf welcher Seite der Datei, der Eingabeaufforderung oder des Datensatzes die KI agiert, und nicht von der Technologie selbst.
- Das Bereinigen einer Datei bedeutet nicht, dass deren Inhalt als wahr bestätigt wird, das Erkennen von KI-generierten Inhalten ist kein Beweis für Betrug, und die Dateiprüfung gibt keinen Aufschluss darüber, was ein KI-Agent tun darf.
Unsere eigene Technologie kommt bei einer Reihe dieser Begriffe zum Tragen: Datei- und Inhaltsprüfung vor KI-Pipelines, LLM-Scanning innerhalb von „MetaDefender “ und „Aether™“ sowie Kontrollen für sensible Daten, die unabhängig davon gelten, ob ein KI-Modell beteiligt ist oder nicht. Wo dies der Fall ist, benennen wir die Funktion direkt. Handelt es sich bei einem Begriff um eine Branchenabkürzung ohne direkte Entsprechung in unserem Stack, wird dies stattdessen angegeben.
Die drei Bedeutungen von KI-Sicherheit
Begriffe zur KI-Sicherheit lassen sich in drei Gruppen einteilen, die sich kaum überschneiden, obwohl die ersten beiden von außen betrachtet identisch erscheinen können. Begriffe für Angreifer beschreiben, wie KI Angriffe beschleunigt – von KI-generierter Malware bis hin zu manipulierten Trainingsdaten. Begriffe für Verteidiger beschreiben, wie KI die Erkennung verbessert – von der prädiktiven Erkennung vor der Ausführung bis hin zur automatisierten Schwärzung sensibler Daten. Ein Angreifer nutzt ein generatives Modell, um innerhalb von Sekunden eine überzeugende Phishing-E-Mail zu erstellen; ein Verteidiger trainiert einen Klassifikator anhand Tausender echter Phishing-Versuche, um diese zu erkennen. Gleiche zugrunde liegende Technologie, gegensätzlicher Zweck.
Eine dritte Gruppe beschreibt Risiken in den KI-Systemen selbst: Modelldateien, Trainingsdaten und Agenten, die unabhängig davon existieren, wer daran beteiligt ist. Der Unterschied zwischen den folgenden Begriffen besteht darin, auf welcher Seite der Datei, der Eingabeaufforderung oder des Datensatzes die KI agiert und ob das Risiko überhaupt mit einem Angreifer zu tun hat.
1. Begriffe zur KI auf der Angreiferseite
Diese neun Begriffe beschreiben, wie Angreifer KI einsetzen – von KI-generierter Malware bis hin zu Daten, die bereits an der Quelle manipuliert werden. Jeder Begriff steht für reale Muster, die Sicherheitsteams bereits beobachten.
Begriff | Erläuterung | Frage, die man stellen sollte | Wie „ opswat “ diesen Begriff verwendet |
Durch KI generierte Malware | Von einer KI verfasster oder durch eine KI veränderter Code, der mit Hilfe einer KI erstellt wurde. | Beruht die Erkennung auf einer Signatur oder auf Struktur und Verhalten? | „Venak Security hat im Jahr 2026 vier kommerzielle Sandboxen anhand von zwanzig KI-generierten Malware- Beispielen getestet, wobei OPSWATs Adaptive Sandbox mit 95 % die höchste Erfolgsquote erzielte.“ |
Durch KI generiertes Phishing/Social Engineering | Mithilfe von KI erstellte Phishing-Angriffe, Stimmklone und Deepfakes, die darauf ausgelegt sind, in großem Umfang überzeugend zu wirken. | Überprüft die Erkennung Links und Inhalte in Echtzeit oder erst zum Zeitpunkt der Bereitstellung? | „Im Gegensatz zu herkömmlichen Betrugsmaschen sind KI-generierte Phishing-E-Mails professionell gestaltet und überzeugend.“ |
KI-gestützter Angriff | Ein Angriff, bei dem KI in mehreren Phasen – Aufklärung, Erstellung der Schadlast, Umgehung von Sicherheitsmaßnahmen – zum Einsatz kommt und nicht nur gelegentlich als Abkürzung genutzt wird. | Welche Anhaltspunkte deuten darauf hin, dass es sich hierbei um eine bestimmte Kampagne handelt und nicht um einen allgemeinen Trend? | „Die Regierungen passen zudem die Zeitpläne für die Veröffentlichung von Patches an, um der Geschwindigkeit Rechnung zu tragen, mit der KI-gestützte Angriffe voranschreiten.“ |
Durch KI generierter Zero-Day | KI, die dazu genutzt wird, eine Sicherheitslücke aufzudecken oder diese in einen Exploit umzuwandeln – eine engere Aussage als „KI hat neue Malware geschrieben“. Neue Malware ist nicht automatisch ein Zero-Day. | Bezieht sich die Behauptung auf einen neuen Exploit oder lediglich auf neue, bisher unentdeckte Malware? | „Predictive Alin AI wird kontinuierlich anhand von in einer Sandbox bestätigten Zero-Day-Angriffen aus dem Aether- MetaDefender trainiert. Damit lassen sich KI-generierte und bisher unbekannte Bedrohungen erkennen.“ |
Gefährdung durch KI-gestützte Malware | Mit KI entwickelte oder optimierte Malware gelangt über dieselben Datei-, Dokument- oder Pipeline-Eingaben, die auch andere Bedrohungen transportieren, in ein KI-System. | Erkennt die Erkennung auch Malware, die mithilfe von KI erstellt oder gesteuert wurde, oder nur Signaturen, die ihr bereits bekannt sind? | „Deutliche Verringerung der Gefährdung durch KI-gestützte Malware und dateibasierte Angriffe.“ |
Adversarische KI/Prompt-Injektion | „Adversarial AI“ ist die übergeordnete Kategorie der Angriffe mit manipulierten Eingaben; „Prompt Injection“ ist die LLM-spezifische Variante, bei der Anweisungen nicht direkt eingegeben, sondern in einem abgerufenen Dokument versteckt sind. | Überprüft das Steuerelement, was das Modell zurückgibt, und nicht nur, was ein Benutzer eingibt? | „Prompt-Injection: Ein Angreifer bettet verdeckte Anweisungen in den verborgenen ersten Abschnitt einer verketteten PDF-Datei ein.“ |
Lappenvergiftung | Fehlerhafte Dokumente, die die Wissensdatenbank eines Abrufsystems verfälschen. | Werden die Inhalte vor der Indizierung geprüft oder erst danach? | „Stellt sicher, dass nur vertrauenswürdige, gemäß den Richtlinien genehmigte Inhalte in Suchsysteme und Vektorspeicher indexiert werden, wodurch das Risiko einer RAG-Verfälschung und einer langfristigen Manipulation von Wissen verringert wird.“ |
Datenvergiftung | Verfälschte Trainingsdaten, die zu einem für Angreifer vorteilhaften Modellverhalten führen. | Inwieweit lässt sich die Herkunft der Trainingsdaten nachvollziehen? | „Verfälschung von Trainingsdaten: Dokumente, die zur Feinabstimmung oder Erweiterung von KI-Modellen verwendet werden, können einen versteckten Abschnitt enthalten …“ |
Dateibasierte Malware in KI-Pipelines | Schädliche Dateien, die die auf reinem Text basierenden KI-Sicherheitsmaßnahmen umgehen. | Überprüft die Schutzbarriere den Inhalt der Datei oder nur den umgebenden Text? | „Dateibasierte Malware in KI-Pipelines: Schädliche Payloads verbergen sich in gängigen Geschäftsdateien wie PDFs, Office-Dokumenten und Archiven.“ |
2. Begriffe zur KI auf der Verteidiger-Seite
Die folgenden Begriffe beschreiben, wie wir und der Rest der Branche KI zum Schutz von KI-Pipelines einsetzen. Sie alle entsprechen bestimmten Technologien in unserem Stack.
Begriff | Erläuterung | Frage, die man stellen sollte | Wie „ opswat “ diesen Begriff verwendet |
KI-integrierte Sicherheit/ Plattform | Ein Begriff aus der Anbieterpositionierung, der darauf hinweist, dass KI den Kern der Produktarchitektur bildet und nicht nur nachträglich hinzugefügt wurde. MetaDefender Aether™ ist unser Beispiel: Die prädiktive Alin-KI läuft als eigenständige Erkennungsschicht und nicht als Zusatzfunktion. | Was passiert, wenn die KI-Ebene mit allen anderen Signalen nicht übereinstimmt? | „KI-native Plattformen müssen mit derselben Sorgfalt bewertet werden wie jeder moderne Software-Stack …“ |
KI-gestütztes Erkennungsmodell | Ein Erkennungsmodell, das Verhaltensauffälligkeiten zur Überprüfung markiert, während Analysten weiterhin die Warnmeldungen miteinander in Zusammenhang bringen und entscheiden, was tatsächlich bösartig ist. | Markiert das Modell Anomalien zur Überprüfung oder reagiert es direkt darauf? | „Mit seinen KI-gestützten Erkennungsmodellen analysiert [MetaDefender NDR ] kontinuierlich das Netzwerkverhalten, um subtile Anomalien zu identifizieren, die bereits in einer frühen Phase des Angriffszyklus auf Aktivitäten von Angreifern hindeuten könnten.“ |
KI-gestützte Inhaltsprüfung/ Erkennung | Unser KI-Content-Inspector, der KI-generierte Inhalte und Dokumentenfälschungen aufdeckt. | Wird KI-generierter Inhalt automatisch als Betrug gekennzeichnet oder einem Prüfer zur Überprüfung vorgelegt? | „AI Content Inspector ist die KI-gestützte Engine v OPSWAT zur Überprüfung der Authentizität von Inhalten und zur Erkennung von Dokumentenfälschungen bei Bildern, PDF-Dateien und texthaltigen Dateien.“ |
Autonome Triage | Eine KI, die innerhalb festgelegter Richtliniengrenzen einen bestimmten Teil der Alarm-Triage übernimmt, beispielsweise durch die Ergänzung von Fallinformationen oder die Empfehlung einer Priorität, ohne jedoch über die Befugnis zur vollständigen Untersuchung zu verfügen. | Welche Entscheidung trifft die KI, und was empfiehlt sie? | „...die Einrichtung setzte ‚ MetaDefender ‘ von OPSWATein, um verdächtige Dateien in einer kontrollierten Umgebung zu überprüfen.“ |
Erklärbare KI (XAI) | Die Beweise, die zu einem Urteil beitragenden Signale und die Einschränkungen, die dahinterstehen – nicht nur ein Konfidenzwert. Ein Wert ist eine Wahrscheinlichkeit, keine Erklärung. | Welche Fakten stecken hinter dieser Zahl? | „KI-Prüftools, Rahmenkonzepte zur Interpretierbarkeit und Techniken der erklärbaren KI (XAI) tragen dazu bei, Bedenken hinsichtlich der Entscheidungsfindung nach dem Black-Box-Prinzip auszuräumen.“ |
KI-Sicherheit Gateway | MetaDefender™ Platform Guardrails für LLMs, das Dateien und Eingabeaufforderungen überprüft, bevor sie ein LLM erreichen. | Findet die Überprüfung statt, bevor der Inhalt das Modell erreicht, oder erst danach? | „MetaDefender Core fungiert als KI-Sicherheitsgateway, das Inhalte vor dem Hochladen von Dateien, vor der RAG-Erfassung, vor der Ausführung von Tools und bevor Daten eine Vertrauensgrenze überschreiten, überprüft und bereinigt.“ |
Prädiktive KI | Predictive Alin AI, das böswillige Absichten prognostiziert, bevor eine Datei ausgeführt wird (Ebene 2: Statische Analyse in „ MetaDefender Aether“). | Wie hoch ist die Falsch-Positiv-Rate, und auf welcher Datenbasis wurde sie ermittelt? | „Die Engine ist auf Präzision und eine nahtlose Integration in die gesamte „ MetaDefender “-Plattform optimiert, sodass die vorausschauende, KI-basierte Bedrohungserkennung parallel zu anderen Inspektionstechnologien eingesetzt werden kann.“ |
KI-gestützte Dateityperkennung | Unsere „File Type Detection™ “-Technologie, die gefälschte Dateien erkennt. | Wird das inline ausgeführt oder verursacht es eine Verzögerung? | „Die KI-gestützte Erkennung analysiert Struktur und Inhalt, um den tatsächlichen Dateityp zu ermitteln, und schließt damit Lücken, die bei herkömmlichen Überprüfungsverfahren entstehen.“ |
KI-gestütztes DLP | Unsere Proactive DLP™ -Technologie, die personenbezogene Daten (PII), geschützte Gesundheitsdaten (PHI) und PCI-Daten in über 125 Dateiformaten unkenntlich macht. | Erfolgt die Schwärzung vor oder nach Abschluss des Uploads? | „Wenn Dateien einer eingehenderen Prüfung bedürfen, analysiert der emulationsbasierte Adaptive Sandbox von OPSWATderen Verhalten in Echtzeit. Das KI-gestützte Proactive DLP ™erkennt ePHI und andere sensible Inhalte und blockiert oder schwärzt diese, wodurch es bei der Erfüllung der HIPAA- und DSGVO-Verpflichtungen hilft.“ |
Entschärfung und Rekonstruktion von Inhalten | Unsere Deep CDR™-Technologie, die aktive Inhalte aus einer Datei entfernt und eine bereinigte Version in über 200 Formaten erstellt, ohne dabei auf Signaturen zurückzugreifen, läuft innerhalb der Sicherheitsgrenzen für große Sprachmodelle (LLMs) und wird durch KI-spezifische Kontrollmechanismen ergänzt. | Funktioniert die Datei nach der Bereinigung noch einwandfrei? | „Die Technologie zur Dateibereinigung ‚Deep Content Disarm and Reconstruction ‘ vonOPSWAT scannt Dateien, entfernt schädliche Inhalte und stellt sichere und nutzbare Dateien mit 100-prozentiger Genauigkeit wieder her.“ |
Multiscanning | Eine Datei kann gleichzeitig durch mehr als 30 Anti-Malware-Engines geprüft werden. Dies ist zwar nicht KI-spezifisch, aber Teil derselben Schutzmaßnahmen für den LLM-Stack und dient dazu, bekannte Bedrohungen abzufangen, für deren Abwehr die KI-gesteuerten Ebenen nicht ausgelegt sind. | Wie viele Motoren laufen in der eingesetzten Konfiguration? | „Bei einer Inline-Prüfung kann das Multiscanning einen E-Mail-Anhang vor der Zustellung mit mehreren Anti-Malware-Engines überprüfen.“ |
3. Sicherung der KI-Systeme
Diese Begriffe lassen sich nicht eindeutig dem Bereich „Angriff“ oder „Verteidigung“ zuordnen. Sie beschreiben Risiken, die sich daraus ergeben, wie eine Organisation ihre eigenen KI-Systeme aufbaut, steuert und vernetzt – unabhängig davon, ob ein Angreifer beteiligt ist.
Begriff | Erläuterung | Frage, die man stellen sollte | Wie „ opswat “ diesen Begriff verwendet |
Sicherheit von KI-Agenten | Ermittlung dessen, was ein Agent ohne Genehmigung tun, auf welche Daten er zugreifen und welche Maßnahmen er ergreifen darf. Das OWASP-Risiko „Excessive Agency“, das in den LLM-Top-10 für 2026 den dritten Platz einnimmt, nennt genau diese drei Schwachstellen. | Sieht ein Mensch die Ausgabe, bevor irgendetwas ausgeführt wird? | „Wie können Sicherheitsteams sich gegen Angriffe durch autonome KI-Agenten verteidigen?“ |
KI-Modell und Sicherheit in der Lieferkette | Risiken in den Dateien und Komponenten, auf die ein KI-System angewiesen ist; ein kompromittiertes vortrainiertes Modell, ein anfälliges Paket in einer Trainingspipeline. Unser LLM-Scanning überprüft die Struktur eines Modells vor dessen Ausführung und testet das Verhalten im Einsatz mit adversarischen Eingaben, während SBOM und MetaDefender Software Supply Chain erweitern diese Prüfung auf die breitere Palette von Komponenten, auf die eine KI-Pipeline angewiesen ist. | Wird die Modelldatei selbst überprüft oder nur die Daten, die sie zur Laufzeit verarbeitet? | „Beugen Sie Bedrohungen durch LLM-Modelle und „ Supply Chain “ vor: Überprüfen Sie Open-Source-LLMs, Modelldateien und zugehörige Artefakte auf Malware, schädliche Inhalte und sensible Daten, bevor diese in die KI-Umgebungen Ihres Unternehmens gelangen.“ |
Sicherheit von Trainingsdaten für KI/ML | Die Validierung der Trainingsdatensätze, RAG-Quellen und Data-Lake-Inhalte, die in KI- und Analyse-Pipelines eingespeist werden, muss vor der Erfassung erfolgen; verfälschte oder nicht vertrauenswürdige Daten verzerren ein Modell genauso wie eine kompromittierte Abhängigkeit. | Werden die Daten geprüft, bevor sie in den See gelangen, oder erst, nachdem ein Modell darauf trainiert wurde? | „Trainingsdaten fürKI/ML: Schützen Sie die Daten, die zum Trainieren von KI-Modellen, LLMs und RAG-Anwendungen verwendet werden, indem Sie sicherstellen, dass nur vertrauenswürdige Dokumente, Code, Datensätze und Wissensrepositorien in die KI-Pipelines gelangen.“ |
Offenlegung sensibler Daten durch KI | Vertrauliche, regulierte oder geschützte Daten, die bereits gespeichert sind, werden plötzlich auffindbar, sobald ein KI-Assistent wie Copilot sie lesen und in einer Antwort anzeigen kann. | Klassifiziert und schränkt die Kontrollmaßnahme sensible Daten ein, bevor ein KI-Assistent Lesezugriff erhält, oder erst danach? | „Schützen Sie kritische KI-Workflows vor nicht vertrauenswürdigen Daten, bösartigen Modellen und der Offenlegung sensibler Daten – mit einem mehrschichtigen, präventiv ausgerichteten Sicherheitskonzept, das speziell für branchenspezifische Umgebungen entwickelt wurde.“ |
Einige Grenzen, die klar angesprochen werden sollten: Die Bereinigung eines Dokuments bedeutet nicht, dass dessen Inhalt als wahr bestätigt wird; das Erkennen von KI-generierten Inhalten ist für sich genommen kein Beweis für Betrug; und die Überprüfung von Dateien deckt nicht alle Risiken ab, die mit der Erteilung weitreichender Berechtigungen an einen Agenten verbunden sind. Jeder der oben genannten Begriffe löst einen bestimmten Teil des Problems, nicht jedoch das gesamte Risiko.
Wo diese Begriffe im Arbeitsalltag vorkommen
In der folgenden Tabelle werden gängige Alltagssituationen der entsprechenden „ OPSWAT “-Technologie zugeordnet, die diese Situationen löst.
Alltäglicher Arbeitsablauf | Was Sie benötigen | OPSWAT -Verbindung |
Dokumente werden in Assistenten oder RAG-Pipelines eingegeben | Dateien prüfen und Richtlinien anwenden, bevor sie verarbeitet oder indiziert werden | MetaDefender Core und Leitplanken für LLMs |
Vertrauliche Dateien werden auf KI-Dienste hochgeladen | Sensible Daten erkennen, blockieren oder unkenntlich machen, bevor sie das System verlassen | Proactive DLP, über MetaDefender ICAP Server |
Teams führen KI-Modelle von Drittanbietern ein | Modelldateien prüfen und das Verhalten nach der Bereitstellung testen | MetaDefender LLM-Scanningmit Aether: statische und dynamische Analysen |
Rechnungen, Anträge oder Bilder beeinflussen eine Genehmigung | Indikatoren für KI-generierte Inhalte und Betrugsversuche erkennen | Die Ergebnisse des AI Content Inspector stützen die Überprüfung |
KI-Projektdateien werden zwischen Teams ausgetauscht oder im Archiv gespeichert | Prüfungen in Transport- und Lagerabläufen durchführen | MetaDefender Managed File Transfer und MetaDefender Storage Security |
So funktioniert es in der Praxis
Wir entwickeln die Technologie, die hinter vielen der hier behandelten Begriffe steht – von der „Pre-Execution Detection“ der Predictive Alin AI in „ MetaDefender “ Aether bis hin zu den Authentizitätsprüfungen des AI Content Inspector und der Schwärzung sensibler Daten durch die „ Proactive DLP “-Technologie. Erfahren Sie, wie sich diese Technologien auf Ihre eigenen Daten, Modelle und LLM-Workflows anwenden lassen.
Neue Forschungsergebnisse bestätigen, was diese Begriffe beschreiben. Der von Osterman Research im Auftrag von „ OPSWAT“ erstellte „Enterprise File Security Report 2026“ deckte eine erhebliche Diskrepanz zwischen tatsächlicher Leistungsfähigkeit und Selbstbewertung auf: 73,6 % der Sicherheitsverantwortlichen stufen ihre Dateisicherheit als „sehr“ oder „äußerst ausgereift“ ein, doch keine einzige Organisation erreicht nach den vorliegenden Nachweisen die beiden obersten Stufen, und 94,5 % bewerten sich selbst höher, als es ihre tatsächlichen Praktiken rechtfertigen.
Diese Lücke vergrößert sich rasch: Die Besorgnis über KI-generierte Bedrohungen, die KI-gestützte Abwehrmaßnahmen umgehen können, ist im vergangenen Jahr um 87 % gestiegen. Dies zeigt sich auch bei bestimmten Technologien: „Content Disarm and Reconstruction“ und „ Multiscanning “ – zwei Begriffe, die oben bereits behandelt wurden – zählten zu den am wenigsten ausgereiften, auf Prävention ausgerichteten Implementierungen der Studie, wobei nur 22,9 % bzw. 25,9 % als „äußerst ausgereift“ eingestuft wurden.
FAQ
Was ist der Unterschied zwischen den Sicherheitsbegriffen „Angreifer“, „Verteidiger“ und „KI-Systeme“?
Begriffe aus dem Bereich „Angreifer“ beschreiben, wie KI Angriffe beschleunigt, beispielsweise durch KI-generierte Malware oder Datenvergiftung. Begriffe aus dem Bereich „Verteidiger“ beschreiben, wie KI die Erkennung verbessert, beispielsweise durch prädiktive Erkennung vor der Ausführung oder KI-gestützte DLP. Begriffe zur Sicherheit von KI-Systemen beschreiben Risiken in den KI-Systemen selbst, in Modelldateien, Agenten und Trainingsdaten, die unabhängig davon bestehen, ob ein Angreifer beteiligt ist oder nicht. Da dieselben zugrunde liegenden Techniken in mehr als einer Gruppe vorkommen können, hängt die Einteilung davon ab, wer handelt und was tatsächlich gefährdet ist.
Überprüft die Kontrolle Originaldateien, extrahierten Text, Modellartefakte oder Live-Modellantworten?
Es handelt sich um vier verschiedene Prüfpunkte, und ein Anbieter, der mit „KI-Sicherheit“ wirbt, deckt möglicherweise nur einen davon ab. Fragen Sie konkret nach, welcher das ist, bevor Sie davon ausgehen, dass die anderen ebenfalls abgedeckt sind.
Wo findet die Überprüfung statt, und kann der Workflow Inhalte nicht nur kennzeichnen, sondern auch blockieren oder unter Quarantäne stellen?
Bei einer Erkennung ohne Durchsetzungsstelle gelangen risikobehaftete Inhalte weiterhin durch. Überprüfen Sie, ob die Kontrolle inline erfolgt, bevor die Inhalte weitergeleitet werden, oder ob sie erst nachträglich meldet.
Welche Risiken erfordern über die Datei- und Inhaltsprüfung hinaus zusätzliche Kontrollen auf Anwendungs-, Identitäts- oder Agentenebene?
Agentenberechtigungen, Identitätsmanagement und die Überprüfung auf Dateiebene werden in der Regel selbst innerhalb desselben Sicherheitsstacks von separaten Tools übernommen. Fragen Sie nach, was ausdrücklich nicht zum Umfang gehört, und nicht nur danach, was darin enthalten ist.
