Das hier ist ein vollständig KI generierter Artikel.

Anthropics KI-Modell Mythos sorgt erneut für Schlagzeilen: Im Rahmen des Programms „Project Glasswing“ half es dabei, eine kritische Authentifizierungs-Schwachstelle in Rejetto HTTP File Server (HFS) aufzudecken, die inzwischen aktiv ausgenutzt wird. Der Fall zeigt exemplarisch, wie spezialisierte KI-Modelle komplexe mathematische und kryptografische Zusammenhänge analysieren und so Sicherheitslücken finden können, die menschlichen Forschenden bislang entgangen sind.

Hintergrund: Rejetto HFS und die neue Schwachstelle

Rejetto HFS ist ein quelloffener Web-Dateiserver, der bereits 2024 im Katalog der „Known Exploited Vulnerabilities“ der US-Behörde CISA auftauchte. Nun wurde eine weitere kritische Schwachstelle bekannt, die als CVE-2026-61500 geführt wird. Entdeckt wurde sie von Zach Hanley, Forscher beim KI-Penetrationstest-Unternehmen Horizon3, der Mythos gezielt zur Analyse des Codes einsetzte.

Die Lücke erlaubt eine Authentifizierungsumgehung, die im schlimmsten Fall zu vollständigem Administratorzugriff und Remote Code Execution führt. Nutzerinnen und Nutzer von Rejetto HFS sollten auf Version 3.2.1 oder höher aktualisieren, da diese und weitere Sicherheitsprobleme dort behoben wurden.

Erste Angriffe aus dem Internet

Bereits einen Tag nach der Veröffentlichung der Analyse meldete der Sicherheitsforscher Patrick Garrity von VulnCheck erste Ausnutzungsversuche. Zunächst wurde verdächtiger Traffic von einer in China gehosteten IP-Adresse beobachtet, die verwundbare Systeme in den USA und Japan angriff. Später registrierten die Forscher weitere Zugriffe von zwei US-IP-Adressen aus demselben Subnetz, die wie Proxy-Systeme wirkten.

Der Einsatz kompromittierter Geräte als Proxy ist ein etabliertes Muster, insbesondere bei staatlich oder staatlich nah unterstützten Angreifern. So lassen sich Ursprünge von Angriffen verschleiern und Ermittlungen erschweren. Der Fall CVE-2026-61500 reiht sich damit in eine Reihe von Vorfällen ein, bei denen neue Schwachstellen sehr schnell nach ihrer Offenlegung aktiv angegriffen werden.

Mythos im Einsatz: Mathematische Analyse statt Bauchgefühl

Horizon3 nutzt Mythos seit dem Beitritt zu Project Glasswing im Juli systematisch für die Schwachstellenforschung und berichtet von „vielen kritischen Vulnerabilities“, die so identifiziert wurden. Laut Garritys Tracker wurden durch Mythos und Project Glasswing bis Anfang Oktober 2026 insgesamt 286 CVEs aufgedeckt, von denen bis vor kurzem nur eine einzige in realen Angriffen beobachtet worden war.

Mythos ist darauf ausgelegt, komplexe mathematische und wissenschaftliche Aufgaben zu bearbeiten, insbesondere im Umfeld von Informatik und Betriebssystemen. Im Fall von CVE-2026-61500 zeigte sich diese Stärke deutlich: Das Modell analysierte nicht nur eine unsichere Zufallszahlengenerierung, sondern erkannte auch, wie diese mit einem separaten Informationsleck kombiniert werden konnte, um die Authentifizierung zu umgehen.

Technische Details: Unsicherer PRNG und Sitzungs-Cookies

Die Schwachstelle wurzelt in der Art und Weise, wie HFS Benutzer authentifiziert. Der Server erzeugt zunächst mit Math.random() einen Zufallswert und übergibt diesen an Koa, das verwendete Node.js-Webframework. Koa nutzt wiederum das Modul Keygrip, um alle Session-Cookies mit diesem Wert zu signieren. Die Sicherheit des gesamten Authentifizierungsmechanismus hängt damit an der Qualität des Zufallszahlengenerators.

Unter der Annahme eines kryptografisch sicheren Pseudozufallszahlengenerators (PRNG) wäre es praktisch unmöglich, aus beobachteten Ausgaben auf den internen Zustand zurückzuschliessen und gültige Session-Cookies zu fälschen. In der konkreten Implementierung nutzte V8s Math.random() jedoch den Algorithmus xorshift128+, der nicht kryptografisch sicher ist.

Mythos identifizierte zwei entscheidende Punkte:

  • Der verwendete PRNG (xorshift128+) ist vollständig reversibel, wenn genügend Ausgaben bekannt sind.
  • Die Anwendung leakt rohe Ausgaben von Math.random() über einen separaten Codepfad.

Das Modell kam zu dem Schluss, dass sich mit Hilfe des öffentlich verfügbaren SMT-Solvers Z3 der interne Zustand des PRNG rekonstruieren lässt. Damit kann ein Angreifer den Session-Signing-Key berechnen und gültige Session-Cookies erzeugen – die Grundlage für die Authentifizierungsumgehung und anschliessende Remote Code Execution.

Ungewöhnlicher Einsatz von SMT-Solvern

Hanley hebt hervor, dass sein Team sich nicht daran erinnern konnte, zuvor einen praktischen Angriff gesehen zu haben, bei dem ein SMT-Solver wie Z3 genutzt wurde, um eine kryptografische Schwachstelle in einer realen Anwendung auszunutzen. Üblicherweise kommen solche Werkzeuge eher in der formalen Verifikation oder bei der Analyse von Protokollen zum Einsatz.

Bemerkenswert ist dabei weniger die einzelne Idee, einen unsicheren PRNG zu attackieren, sondern die Kombination mehrerer Schritte: Mythos erkannte die Unsicherheit des PRNG, identifizierte das Leck der Zufallswerte, verknüpfte beide Beobachtungen zu einer Angriffsstrategie und schlug ein konkretes Werkzeug (Z3) zur Lösung der entstehenden Gleichungssysteme vor. Dieser Grad an „Kettendenken“ über mehrere technische Ebenen hinweg ist es, der Mythos von generischen KI-Modellen unterscheidet.

Sicherheits- und Ökosystemfolgen

Anthropic selbst stuft Mythos als zu mächtig ein, um es allgemein verfügbar zu machen, und stellt das Modell im Rahmen von Project Glasswing nur ausgewählten Partnern zur Verfügung. Der Fall CVE-2026-61500 illustriert das Spannungsfeld: Einerseits erhöht ein solches Werkzeug die Chancen, schwer auffindbare Schwachstellen frühzeitig zu entdecken und zu schliessen. Andererseits steigt das Risiko, dass entdeckte Lücken sehr schnell nach der Offenlegung von Angreifern aufgegriffen werden.

Für Betreiber von Webanwendungen und -diensten ergeben sich daraus mehrere Lehren:

  • Kryptografische Funktionen sollten ausschliesslich auf etablierte, als sicher geltende Bibliotheken und PRNGs setzen – Standardfunktionen wie Math.random() sind in der Regel ungeeignet.
  • Informationslecks, etwa das unbeabsichtigte Ausgeben interner Zufallswerte, sind nicht harmlos, sondern können in Kombination mit anderen Schwächen zur vollständigen Kompromittierung führen.
  • Die Zeitspanne zwischen Disclosure und ersten Angriffen schrumpft weiter; ein schnelles Patch- und Update-Management wird damit noch wichtiger.

Fazit

Der Fall Mythos und CVE-2026-61500 zeigt, wie weit spezialisierte KI-Modelle im Bereich der Schwachstellenforschung inzwischen sind. Durch die Fähigkeit, mathematische Eigenschaften von Algorithmen zu analysieren und mit konkreten Implementierungsdetails zu verknüpfen, können solche Systeme Lücken aufdecken, die bislang unentdeckt blieben. Für die Praxis bedeutet das: Wer Software entwickelt oder betreibt, muss sich auf eine Zukunft einstellen, in der sowohl Verteidiger als auch Angreifer KI-gestützte Werkzeuge einsetzen – und in der saubere Kryptografie, minimierte Informationslecks und schnelle Reaktionszeiten entscheidender sind denn je.

KI-Schattenartikel: Dieser Beitrag wurde mit Unterstützung eines KI-Modells erstellt und redaktionell geprüft.

Quelle: https://www.theregister.com/security/2026/10/03/anthropics-super-bug-hunting-model-mythos-is-hardcore-good-at-math-as-latest-vuln-under-attack-shows/5300933