Wie KI das Content-Hashing knackt

Fangen wir einfach an. Ein Hashwert ist wie ein Fingerabdruck für eine Datei. Man nimmt ein Foto, ein Video oder ein Dokument, wendet eine Hash-Funktion darauf an und erhält einen kurzen Code. Dieser Code wird Hashwert genannt.

Verändert sich auch nur ein einziges Pixel im Foto, ändert sich der Hashwert vollständig. So funktionieren Tools wie SHA-256 . Sie eignen sich hervorragend, um zu überprüfen, ob eine Datei manipuliert wurde.

Es gibt jedoch ein Problem. Herkömmliches Hashing ist für die reale Inhaltsmoderation zu streng. Verändert jemand die Größe eines gesperrten Bildes um ein Pixel, passt ein strenger Hash nicht mehr. Daher haben Unternehmen eine weniger strenge Variante entwickelt: das sogenannte Perceptual Hashing.

Perzeptuelles Hashing analysiert den tatsächlichen Bildinhalt, nicht nur die Rohdaten. Es extrahiert visuelle Merkmale und erzeugt so einen Fingerabdruck, der nahezu unverändert bleibt, selbst wenn das Bild zugeschnitten, skaliert oder umgefärbt wird. Diese Technologie steckt hinter Tools, die urheberrechtlich geschützte Videos, Spam-Bilder und andere schädliche Inhalte erkennen, bevor sie sich verbreiten.

Genau das macht perzeptuelles Hashing so intelligent. Gleichzeitig ist es aber auch angreifbar, und genau hier beginnt KI, gegen die Systeme zu arbeiten, die sie mitentwickelt hat.

Wo KI ins Spiel kommt

Die gleichen neuronalen Netze, die das perzeptuelle Hashing intelligent machen, machen es auch angreifbar.

Forscher der TU Darmstadt untersuchten Apples NeuralHash-System , das zur Erkennung von CSAM auf Geräten entwickelt wurde. Sie stellten fest, dass bereits kleine, kaum sichtbare Veränderungen an einem Bild dessen Hashwert vollständig verändern können. Ein Angreifer könnte ein schädliches Bild für den Detektor harmlos erscheinen lassen oder ein völlig normales Foto einen Fehlalarm auslösen lassen.

Eine separate Studie zeigte etwas noch Bedeutenderes. Sie bewies, dass zwei völlig unterschiedliche Bilder denselben Hashwert erzeugen können. Dies wird als Hash-Kollision bezeichnet und funktioniert, weil perzeptuelle Hashfunktionen differenzierbar sind. Vereinfacht ausgedrückt: Sie verhalten sich wie mathematische Probleme, die eine KI unbemerkt lösen und analysieren kann.

Das ist deshalb relevant, weil das gesamte Konzept des Content-Hashings auf einem einzigen Versprechen beruht: Ähnliche Inhalte sollten einen ähnlichen Hashwert erhalten, unterschiedliche Inhalte hingegen einen unterschiedlichen. KI kann dieses Versprechen nun gezielt brechen.

Das Knacken von Hashes ist jedoch nur die halbe Wahrheit. Die andere Hälfte ist noch viel kniffliger, denn KI entgeht nicht nur der Erkennung, sondern erzeugt auch genau die gefälschten Inhalte, die Erkennungssysteme eigentlich aufspüren sollen.

KI fälscht auch Inhalte

Zu dem ersten Problem kommt noch ein zweites hinzu. Generative KI-Tools können mittlerweile Deepfakes und synthetische Inhalte erzeugen, die täuschend echt aussehen.

In den letzten Jahren sind diese Fälschungen deutlich überzeugender und viel einfacher herzustellen geworden. Was früher echtes Können und teure Werkzeuge erforderte, kann heute fast jeder mit der richtigen Software erstellen. Infolgedessen hat die Menge an synthetischen Inhalten im Internet rasant zugenommen, und Laien können oft nicht mehr unterscheiden, was echt und was gefälscht ist.

Um dem entgegenzuwirken, platzieren einige Unternehmen nun ein verstecktes Wasserzeichen in KI-generierten Inhalten, damit diese später erkannt werden können. Die Idee ist zwar sinnvoll, aber alles andere als narrensicher. Eine kleine, kaum sichtbare Änderung an einer Datei kann dieses Wasserzeichen unbemerkt entfernen, während der Inhalt weiterhin völlig normal aussieht. Das bedeutet, dass ein Merkmal, das die Authentizität beweisen soll, einfach verschwinden kann.

Wir stehen nun vor zwei miteinander verknüpften Problemen. Künstliche Intelligenz kann Inhalte fälschen, die täuschend echt aussehen, und sie kann auch genau jene Systeme umgehen, die eigentlich gefälschte oder schädliche Inhalte erkennen sollen. Für Sicherheitsteams ist dies nicht nur ein Forschungsthema, sondern eine echte Sicherheitslücke in alltäglichen Tools wie Inhaltsmoderationsfiltern, Markenschutzscannern und Betrugserkennungssystemen.

Es handelt sich hierbei auch nicht um kleine, isolierte Risiken. Zusammengenommen ergeben sie ein deutlich größeres Geschäftsproblem, und genau das müssen die Sicherheitsteams als Nächstes untersuchen.

Das Unternehmensrisiko

Dieses Risiko beschränkt sich nicht auf Social-Media-Plattformen. Es betrifft Unternehmen aus mehreren nachvollziehbaren Gründen gleichermaßen.

• Die Integritätsprüfung von Dateien kann umgangen werden, wenn Angreifer Wege finden, zwei verschiedene Dateien dazu zu zwingen, denselben einfachen Hashwert zu haben, was als Hash-Kollision bekannt ist.
• Marken- und Inhaltsschutzmechanismen, die auf perzeptuellem Hashing basieren, können umgangen werden, sodass gestohlene oder schädliche Inhalte die Filter passieren können.
• Deepfake-Sprach- und Videoclips können die in Bankgeschäften, bei der Personalabteilung und im Kundensupport verwendeten Identitätsprüfungen umgehen.
• Digitale Beweismittel und Prüfprotokolle, die auf Hashing zum Nachweis der Authentizität angewiesen sind, werden schwerer vertrauenswürdig, wenn die Hashing-Methode selbst manipuliert werden kann.

Dies knüpft direkt an weitergehende Bedenken an, die bereits vom NIST geäußert wurden . Das NIST betont, dass kryptografische Stärke allein nicht ausreicht, wenn das umgebende System durch geschickte, KI-generierte Eingaben getäuscht werden kann.

Die Risiken zu kennen ist das eine. Zu wissen, was man konkret dagegen tun kann, ist viel nützlicher. Schauen wir uns daher als Nächstes einige praktische Schritte an.

Praktische Schritte vorwärts

Das Problem ist, dass es nicht unlösbar ist. Es erfordert lediglich einen mehrschichtigen Ansatz, anstatt sich nur auf eine einzige Hash-Prüfung zu verlassen.

• Verlassen Sie sich nicht allein auf perzeptuelles Hashing. Kombinieren Sie es mit kryptografischem Hashing, Metadatenprüfungen und verhaltensbasierter Erkennung.
• Behandeln Sie KI-generierte Inhalte als normalen Bestandteil Ihres Bedrohungsmodells und nicht als Sonderfall. Entwickeln Sie Erkennungsregeln, die davon ausgehen, dass Angreifer ebenfalls KI einsetzen können.
• Ergänzen Sie alle Prozesse, bei denen ein Deepfake echten Schaden anrichten könnte, wie z. B. Geldüberweisungen oder Passwortzurücksetzungen, um eine starke Identitätsprüfung, wie z. B. Multi-Faktor-Prüfungen und Lebenderkennung, zu implementieren.
• Halten Sie Ihre Hash- und Erkennungsmodelle auf dem neuesten Stand. Alte Modelle, die mit älteren Deepfakes trainiert wurden, erkennen neuere, realistischere Deepfakes nicht.
• Verwenden Sie kryptografische Signaturen zusammen mit Hashing für alles, was einen starken Echtheitsnachweis erfordert, wie z. B. Rechtsdokumente oder Finanzunterlagen.

Keiner dieser Schritte muss kompliziert sein. Der Kerngedanke ist einfach: Lassen Sie niemals zu, dass ein einzelner Hashwert der einzige Schutzmechanismus zwischen Ihrer Organisation und manipulierten Inhalten ist.

Selbst die Kryptografie, die heute hinter Ihren Hash- und Signiervorgängen steckt – also die bereits erwähnten SHA-256- und Public-Key-Verfahren – wird mit der Weiterentwicklung von Quantencomputern neuen Herausforderungen ausgesetzt sein. Der Aufbau dieser mehrschichtigen Sicherheitsvorkehrungen bedeutet daher auch, sich auf diesen nächsten Wandel vorzubereiten. Genau hier kann Ihnen der richtige Sicherheitspartner helfen, stets einen Schritt voraus zu sein.

Wie Verschlüsselungsberatung helfen kann

Wenn es darum geht, die oben genannten Punkte umzusetzen, bleibt die Grundlage dieselbe: ein klares, präzises und aktuelles Bild Ihrer kryptografischen Sicherheitslage. Genau das bieten die Verschlüsselungsberatungsdienste von Encryption Consulting.

Unsere Beratungsleistungen im Bereich Verschlüsselung bieten Ihnen eine unabhängige Bewertung der Kryptografie-Nutzung in Ihrem Unternehmen. Wir zeigen Ihnen, wie Ihre Schlüssel generiert, gespeichert und rotiert werden, welche Algorithmen zum Einsatz kommen, wo sensible Daten geschützt sind und wo nicht, und wie all dies mit den in diesem Blog behandelten Standards und Fristen übereinstimmt. Auf dieser Grundlage unterstützen wir Sie bei der Festlegung Ihrer Verschlüsselungsrichtlinien, der Stärkung Ihres Schlüsselmanagements und Ihrer Governance, der Schließung von Compliance-Lücken und der Priorisierung der Maßnahmen, die Risiken am schnellsten reduzieren.

Wenn Sie bereit sind, sich konkret mit der Post-Quanten-Technologie auseinanderzusetzen, bieten wir Ihnen im Rahmen unserer Post-Quanten-Beratungsleistungen einen gestaffelten Migrationsplan an, der den regulatorischen Standards CNSA 2.0 und NIST entspricht. Kontaktieren Sie uns , um Ihre Verschlüsselungsstrategie und Ihre Vorbereitung auf die Post-Quanten-Technologie zu besprechen. Entdecken Sie unser gesamtes Produkt- und Serviceangebot und erfahren Sie, wie wir Ihr Unternehmen schützen können.

Fazit

Content-Hashing war früher ein unauffälliger, zuverlässiger Hintergrundprozess, doch KI hat das verändert. Perzeptuelle Hashes lassen sich manipulieren und Wasserzeichen entfernen. Deepfakes können Identitätsprüfungen umgehen. Das heißt aber nicht, dass Hashing nutzlos ist. Es bedeutet lediglich, dass Hashing allein nicht mehr ausreicht.

Der richtige Ansatz besteht darin, Hashing als eine Ebene in einem größeren Vertrauenssystem zu betrachten, das auf starker Kryptographie, gutem Schlüsselmanagement, Identitätsprüfungen, die davon ausgehen, dass auch Angreifer über KI-Werkzeuge verfügen, und einem klaren Plan für den bereits im Gange befindlichen Post-Quanten-Übergang basiert.

Wenn Ihre Organisation genauer untersuchen möchte, wie sich Ihre aktuelle kryptografische Strategie angesichts dieser neueren, KI-bedingten Risiken bewährt, ist Encryption Consulting der richtige Ansprechpartner für diese Frage.