Zum Hauptinhalt springen
Seitenansicht eines Informationssicherheitsanalysten, der in der Nähe von Diagrammen sitzt
Erklärungen

Der umfassende Leitfaden zur Cybersicherheit mit KI: Vorteile, Risiken und Chancen

KI-Cybersicherheit bezeichnet den Einsatz von Techniken der künstlichen Intelligenz, darunter maschinelles Lernen und neuronale Netze, zur Erkennung von Bedrohungen, zur Automatisierung der Reaktion auf Vorfälle und zur Stärkung der Sicherheitsabläufe in unternehmensweiten IT-Umgebungen.

KI, definiert als eine Form des maschinellen Lernens , das auf einer Architektur neuronaler Netze basiert , ist mehr als nur ein Trendthema – sie entwickelt sich so rasant, dass selbst Elon Musk die rasante Entwicklung der KI nicht aufhalten kann. Und der Einsatz von KI lässt vorerst keine Anzeichen einer Verlangsamung erkennen.

Ein aktueller Bericht von Bloomberg Intelligence mit dem Titel „ “ ( ) prognostiziert, dass der Markt für generative KI bis zum Jahr 2032 einen Jahresumsatz von 1,8 Billionen US-Dollar erzielen könnte, was bis zu 16 % der weltweiten Technologieausgaben entspräche.

Angesichts dieses prognostizierten Anstiegs bei der Einführung und Ausweitung von KI prüfen viele Unternehmen derzeit, ob KI Abläufe verbessern kann, die bislang auf menschliche Analysen angewiesen waren: die Verarbeitung großer Datenmengen, die Verwaltung immer komplexerer Umgebungen sowie die Stärkung von Cybersicherheitsstrategien zum Schutz sensibler Daten und kritischer Systeme.
Dieser Leitfaden erläutert, wo KI im Bereich der Cybersicherheit einen echten Mehrwert schafft, wo sie neue Risiken mit sich bringt, welche Signale Bundesbehörden hinsichtlich KI-gesteuerter Bedrohungen aussenden und wie Tanium ein autonomes Endpunktmanagement aufbaut, um Teams dabei zu unterstützen, das Potenzial der KI mit Zuversicht und Kontrolle zu nutzen.

Vorteile des Einsatzes von KI in der Cybersicherheit

Auch wenn das volle Ausmaß und die Auswirkungen der KI-Fähigkeiten in der Cybersicherheitsbranche noch nicht vollständig erfasst sind, finden Sie hier einen vereinfachten Überblick über häufige Problembereiche und Anwendungsfälle, in denen KI-gestützte Systeme vielversprechende Ergebnisse erzielen:

Verbesserung der Erkennung von Bedrohungen

KI kann Daten aus dem Netzwerkverkehr, aus Systemprotokollen, aus dem Nutzerverhalten sowie aus externen Bedrohungsinformationen verarbeiten, um Anomalien aufzudecken, die auf böswillige Aktivitäten hindeuten könnten. Dazu gehören bekannte Angriffsarten wie Ransomware und Phishing sowie bisher unbekannte Bedrohungen wie Zero-Day-Exploits und Advanced Persistent Threats (APTs).

Unterstützung einer proaktiven Bedrohungssuche

KI kann die Bedrohungssuche beschleunigen und präziser gestalten. Herkömmliche Methoden stützen sich häufig auf manuelle Analysen und statische Regeln, was zeitaufwendig sein kann und dazu führen kann, dass raffinierte Bedrohungen übersehen werden.

KI beschleunigt diesen Prozess, indem sie den Netzwerkverkehr, das Nutzerverhalten und historische Vorfalldaten analysiert, um Muster und Anomalien zu erkennen, die auf böswillige Aktivitäten hindeuten – unabhängig davon, ob es sich um eine bekannte oder eine neue Bedrohung handelt.

Schnelle Reaktion auf Sicherheitsbedrohungen

Künstliche Intelligenz kann dazu beitragen, die Auswirkungen von Cyberangriffen zu minimieren, indem sie erste Reaktionsmaßnahmen automatisiert und Vorfälle entsprechend des tatsächlichen Risikos priorisiert. Dadurch können Teams kompromittierte Systeme isolieren, Endgeräte oder Netzwerksegmente schneller identifizieren, als dies bei einer manuellen Triage in der Regel möglich ist.

KI kann zudem in Echtzeit Abhilfemaßnahmen sowie maßgeschneiderte Warnmeldungen, Empfehlungen und Anleitungen für Sicherheitsteams bereitstellen, um die normalen Systemfunktionen wiederherzustellen.

Die Untersuchung von Vorfällen beschleunigen

Wenn sich ein Vorfall ereignet, muss ein Analyst eine große Menge an Daten erfassen, prüfen und analysieren, um das gesamte Ausmaß eines Angriffs zu erfassen. Dies kann zeitaufwendig und mühsam sein, insbesondere bei großen und komplexen Vorfällen.

Künstliche Intelligenz kann dazu beitragen, diesen Prozess zu verkürzen, indem sie die Erfassung, Korrelation und Analyse von Daten aus verschiedenen Quellen – wie Protokollen, Netzwerkverkehr, Endgeräten und Bedrohungsinformationen – automatisiert. KI kann Ermittlern zudem dabei helfen, sich in deutlich kürzerer Zeit ein umfassenderes Bild vom Ausmaß und den Auswirkungen eines Angriffs zu verschaffen.

Bereitstellung einer vorausschauenden Bedrohungsabwehr

KI-Modelle wie Deep-Learning- en können dazu beitragen, Cyberangriffe zu verhindern, indem sie potenzielle Bedrohungen proaktiv erkennen und automatisch blockieren, bevor diese Systeme kompromittieren können. KI kann zudem verschiedene Algorithmen nutzen, wie beispielsweise Methoden des überwachten, unüberwachten oder halbüberwachten Lernens, um aus historischen Daten zu lernen und prädiktive Analysen durchzuführen, um zukünftige Vorfälle besser vorherzusagen.

Ermitteln Sie die Grundursache

Die herkömmliche Ursachenanalyse stützt sich auf die manuelle Datenerfassung und -auswertung, wodurch das Risiko menschlicher Fehler und Fehlalarme entsteht.
KI kann einen Großteil dieser Arbeit automatisieren, indem sie Daten aus umfangreichen, komplexen Datensätzen miteinander in Zusammenhang bringt und so den Teams dabei hilft, die Schwachstellen oder Fehlkonfigurationen zu identifizieren, die einen Angriff ermöglicht haben. Das Ergebnis: ein genaueres Verständnis der Sicherheitsrisiken, eine strengere Sicherheitspolitik und mehr Zeit für die Analysten, sich auf wertschöpfendere Aufgaben zu konzentrieren.

[Lesen Sie auch: Fehlen Cybersicherheitsanalysen in Ihrer Sicherheitsstrategie?]

Diese Funktionen entfalten ihre volle Wirkung am besten im Zusammenspiel. Die volle Ausschöpfung ihres Potenzials hängt von der Datenqualität, der Integration in Ihrer gesamten Umgebung sowie der menschlichen Überwachung ab, die erforderlich ist, um auf die Ergebnisse der KI mit Zuversicht reagieren zu können. Gemeinsam bilden sie die Grundlage für einen proaktiveren und reaktionsfähigeren Sicherheitsbetrieb.

Diese Vorteile sprechen eindeutig für den Einsatz von KI im Sicherheitsbetrieb. Doch genau jene Funktionen, die Ihre Abwehrmaßnahmen stärken, stehen auch Angreifern zur Verfügung. Das Verständnis dieser Risiken ist ebenso wichtig wie das Verständnis der Chancen.

Kann KI zukünftige Cyberangriffe tatsächlich vorhersagen?

Ja, KI kann dabei helfen, künftige Cyberangriffe vorherzusagen, doch die Realität ist differenzierter, als die Schlagzeile vermuten lässt. KI-gestützte Sicherheitstools sagen keine konkreten Angriffe voraus. Sie ermitteln die Umstände, die die Wahrscheinlichkeit eines Angriffs erhöhen.

Der Begriff „Vorhersage“ im Bereich der KI-gestützten Cybersicherheit umfasst alle Maßnahmen, die darauf abzielen, potenzielle Bedrohungen zu erkennen, bevor ein Angriff stattfinden kann. Es ist hilfreich, sich diese Vorhersagen eher wie eine Unwetterwarnung im Gegensatz zu einer Unwetterwarnung vorzustellen: KI-Sicherheitslösungen können durch kontinuierliche Überwachung und Analyse „beobachten“, ob alle Komponenten vorhanden sind, die zu einem zukünftigen Angriff führen könnten. So können Teams proaktiv handeln, um Schwachstellen, die ausgenutzt werden könnten, zu identifizieren, einzudämmen und zu beheben, bevor eine „Warnung“ – oder ein aktiver Angriff – überhaupt stattfinden kann.

Mithilfe prädiktiver Modellierung – also dem Einsatz von Algorithmen des maschinellen Lernens und statistischen Verfahren, um aus historischen Daten zu lernen und die Fähigkeit zur Erkennung von Bedrohungen zu verbessern – können KI-gestützte Lösungen riesige Datenmengen aus verschiedenen Quellen wie Netzwerkverkehr, Systemprotokollen, Threat-Intelligence-Feeds und Nutzerverhalten analysieren, um Muster und Anomalien zu identifizieren, die auf potenzielle Bedrohungen hindeuten könnten, selbst wenn diese zuvor noch nie beobachtet wurden.

Wie? Da KI-basierte Cybersicherheits-Tools darauf ausgelegt sind, nach böswilligem Verhalten zu suchen, sind sie bei der Erkennung von Zero-Day-Bedrohungen deutlich leistungsfähiger als herkömmliche Sicherheits-Tools, die lediglich darauf ausgelegt sind, bekannte Bedrohungen zu erkennen.

„“ Herkömmliche Abwehrmethoden wie Antivirensoftware, Patches, Firewalls und andere Maßnahmen zur Cybersicherheit sind weniger wirksam gegen Zero-Day-Angriffe, die den Anbietern und Unternehmen noch unbekannt sind. Zero-Day-Angriffe umgehen die herkömmlichen, auf Signaturen und Anomalien basierenden Erkennungsmechanismen sowie Antivirensoftware, die Signaturdaten für bekannte Angriffe enthält.”
Kelly Morgan, Role of AI in Threat Detection and Zero-day Attacks1

Künstliche Intelligenz erweitert die Möglichkeiten im Bereich der Cybersicherheit zweifellos erheblich. Doch dieselben Techniken, die Ihre Abwehrmaßnahmen stärken, stehen auch Angreifern zur Verfügung. Die Berücksichtigung beider Seiten dieser Gleichung ist entscheidend für fundierte Entscheidungen hinsichtlich der Einführung von KI.

Im nächsten Abschnitt wird untersucht, wie Angreifer KI einsetzen, um ihre Angriffe auszuweiten und zu verfeinern, und was dies für Ihre Verteidigungsstrategie bedeutet.

Sicherheitsrisiken und Einschränkungen der künstlichen Intelligenz im Bereich der Cybersicherheit

Während Unternehmen und Nutzer KI und damit verbundene Technologien in viele verschiedene Geschäftsprozesse integrieren, nutzen auch Angreifer ähnliche KI-Tools, um schneller und einfacher Schaden anzurichten.

Leider sind viele auf diese sich abzeichnende Bedrohung durch die KI nicht vorbereitet. A 2023 report on the state of AI by consulting firm McKinsey showed only 38% of respondents were actively mitigating the cybersecurity risks of generative AI, a statistic made even more shocking when you learn this percentage actually decreased by 13% when compared to the results of the same study conducted last year.

Mögliche Gefahren durch den Einsatz von KI bei Cyberangriffen

Die zunehmende Komplexität und Raffinesse dieser Art von KI-basierten Cybersicherheitsvorfällen kann traditionelle Sicherheitslösungen wie Antivirensoftware, Firewalls und Systeme zur Erkennung von Eindringlingen vor erhebliche Herausforderungen stellen. Da diese Lösungen häufig auf eher statischen und regelbasierten Systemen beruhen, um bekannte Angriffe zu erkennen und zu blockieren, können sie möglicherweise neue oder unbekannte Angriffe nicht erkennen, die Zero-Day-Schwachstellen ausnutzen oder fortgeschrittene Techniken wie Verschlüsselung, Verschleierung oder Polymorphismus einsetzen.

Eine Möglichkeit, wie Angreifer KI nutzen, besteht darin, adversarische Angriffe durchzuführen, die darauf abzielen, Schwachstellen in Modellen des maschinellen Lernens – wie beispielsweise neuronalen Netzen – auszunutzen, indem sie Eingaben erstellen, die für Menschen normal erscheinen, jedoch darauf ausgelegt sind, Modelle des maschinellen Lernens zu täuschen und deren Ergebnisse zu manipulieren. Ein Beispiel für einen adversarischen Angriff ist der Einsatz von KI, um eine E-Mail geringfügig zu verändern und so den Spamfilter eines Unternehmens zu umgehen.

Cyberkriminelle nutzen zudem generative KI-Modelle, die eine breite Palette von KI-Typen umfassen, darunter große Sprachmodelle (LLMs) und die Verarbeitung natürlicher Sprache (NLP), um ihre Social-Engineering-Techniken zu verbessern: . Beispielsweise nutzen Angreifer KI-Algorithmen, um überzeugendere Phishing-E-Mails zu erstellen. Und Vorfälle dieser Art treten bereits in enormem Ausmaß auf.

According to a 2023 report by cybersecurity company SlashNext, there's been a 1 265% increase in malicious phishing attacks since the launch of ChatGPT at the end of 2022 driven by cybercriminals using generative AI tools to write business email compromise (BEC) and other phishing emails.

„Zu den häufigsten Nutzern von Chatbots auf Basis großer Sprachmodelle zählen Cyberkriminelle, die das Tool einsetzen, um BEC-Angriffe zu verfassen und systematisch gezielte Phishing-Angriffe zu starten.“
SlashNext, The State of Phishing 2023

Dem Bericht zufolge wurden im Durchschnitt täglich etwa 31 000 Phishing-Angriffe versendet. Etwa die Hälfte der befragten Cybersicherheitsexperten gab an, bereits Opfer eines BEC-Angriffs geworden zu sein, und drei Viertel berichteten, Ziel von Phishing-Angriffen gewesen zu sein.

Phishing-E-Mails waren in der Vergangenheit leicht zu erkennen, da sie Rechtschreibfehler, grammatikalische Fehler oder andere Mängel enthielten. Allerdings werden von KI-Systemen erstellte Phishing-E-Mails in der Regel häufiger von den Nutzern geöffnet als manuell erstellte Phishing-E-Mails. Mithilfe von KI-Tools können Phisher nun sehr personalisierte und zielgerichtete Phishing-E-Mails erstellen, indem sie frühere Inhalte analysieren, um die E-Mails äußerst überzeugend zu gestalten und Nutzer leichter dazu zu verleiten, auf Links in den E-Mails zu klicken und so unbeabsichtigt Angriffe auszulösen.

Angreifer nutzen zudem generative KI, um einzigartige Inhalte zu entwickeln, mit denen sie die Abwehrmaßnahmen gegen andere Arten von KI-basierten Angriffen umgehen können, darunter synthetische Identitäten und Deepfakes. Beispielsweise können Angreifer KI einsetzen, um die Stimmen von Personen zu fälschen („Deepfakes“), um Spear-Phishing-Angriffe zu starten oder andere Angriffsvektoren auszunutzen.

[Lesen Sie auch: Was ist Phishing? [Wie Phishing funktioniert und worauf Sie achten sollten]

Die US-Regierung warnt vor den Gefahren von KI-basierten Cyberangriffen

Die wachsenden Bedenken hinsichtlich des Einsatzes von KI-Technologien und Social-Engineering-Angriffen haben sich rasch von einem rein privatwirtschaftlichen Thema zu einer nationalen und globalen Debatte ausgeweitet, wobei mehrere Bundesbehörden eine Vorreiterrolle bei den Bemühungen übernehmen, Menschen und Vermögenswerte vor cyber- und physischen Bedrohungen zu schützen.

So veröffentlichte beispielsweise die US-amerikanische Federal Trade Commission (FTC) am 2023. März unter diese Warnung zum Thema Deepfakes:

Sie erhalten einen Anruf. Am Telefon ist eine panische Stimme zu hören. Das ist Ihr Enkelsohn. Er sagt, er stecke in großen Schwierigkeiten – er habe das Auto zu Schrott gefahren und sei im Gefängnis gelandet. Sie können jedoch helfen, indem Sie Geld überweisen. Sie atmen tief durch und denken nach. Sie haben sicherlich schon von Betrugsmaschen mit Großeltern gehört. Aber verdammt, das klingt wirklich ganz nach ihm. Wie könnte es sich dabei um einen Betrug handeln? Stimmklonung – so funktioniert es.

Behörden spielen weiterhin eine entscheidende Rolle dabei, die Bedeutung und Komplexität der KI im Bereich der Cybersicherheit und der Infrastruktursicherheit anzuerkennen. Zu den bedeutenden Bundesgesetzen im Bereich der Cybersicherheit zählt unter anderem die im Jahr „ Mai 2021“ erlassene Durchführungsverordnung Nr. 14028 mit dem Titel „Verbesserung der Cybersicherheit der Nation“, die Bundesbehörden dazu verpflichtet, die Cybersicherheit und die Integrität der Software-Lieferkette zu verbessern.

Darüber hinaus wurde durch das Gesetz zur Einrichtung der Behörde für Cybersicherheit und Infrastruktursicherheit (Cybersecurity and Infrastructure Security Agency Act) von 2018 die Behörde für Cybersicherheit und Infrastruktursicherheit (CISA) gegründet, deren Aufgabe darin besteht, die Bemühungen zur Verbesserung der Sicherheit und Widerstandsfähigkeit der kritischen Infrastruktur des Landes zu leiten und zu koordinieren. Die CISA bietet zudem eine Vielzahl von Dienstleistungen und Ressourcen unter an, die Organisationen dabei unterstützen können, ihre Cybersicherheitsrisiken zu bewerten, bewährte Verfahren umzusetzen und auf Sicherheitsvorfälle zu reagieren.

[Lesen Sie auch: Können wir den anfälligen Code von GenAI wirklich „ignorieren“? Dieser Sicherheitsexperte sagt: „Ja“ (gewissermaßen)]

Wird KI die Cybersicherheit ersetzen?

Zwar ist die KI ein leistungsstarkes Werkzeug, das diesen Bereich erheblich verändert, doch wird sie weder alle Maßnahmen im Bereich der Cybersicherheit noch den Bedarf an qualifizierten Fachkräften in diesem Bereich ersetzen.

Trotz einer Reihe vielversprechender Ergebnisse bei ihrem Einsatz zur Verbesserung der Cybersicherheit – wie beispielsweise die Automatisierung von Reaktionen auf Bedrohungen, die Beschleunigung von Untersuchungen bei Vorfällen und die Verbesserung der Bedrohungserkennung – gilt KI bislang noch nicht als eigenständige Lösung.

Es werden nach wie vor Fachkräfte für Cybersicherheit benötigt, um die Ergebnisse der KI zu interpretieren, strategische Entscheidungen zu treffen und komplexe Situationen zu bewältigen, die die KI möglicherweise nicht vollständig versteht. Da Cyberkriminelle zudem weiterhin KI nutzen, um immer ausgefeiltere Angriffe zu starten, gewinnt die menschliche Überwachung noch mehr an Bedeutung.

Künstliche Intelligenz funktioniert am besten, wenn sie mit menschlichem Fachwissen kombiniert wird, das mit ihr zusammenwirkt, um robustere und wirksamere Sicherheitsmaßnahmen zu schaffen.

Was KI-gestützte Cybersicherheit für den Sicherheitsbetrieb bedeutet

Der Einsatz von KI und Automatisierung im Bereich der Cybersicherheit birgt sowohl Herausforderungen als auch Chancen. Während Cyberkriminelle diese Technologien weiterhin nutzen, um immer ausgefeiltere Angriffe zu starten, setzen auch Anbieter von Cybersicherheitslösungen auf KI und Automatisierung, um neuartige Lösungen zur Abwehr solcher Angriffe zu entwickeln.

Sie sollten davon ausgehen, dass in den kommenden Monaten weitere KI-orientierte Tools auf den Markt kommen werden, da Anbieter darum wetteifern, generative KI-Fähigkeiten, „ “-Sicherheitsautomatisierung und verwandte Technologien zu integrieren, um adaptive Lösungen zu entwickeln, die Unternehmen dabei unterstützen, Cybersicherheitsbedrohungen besser abzuwehren. In Kürze könnten diese KI-gestützten Lösungen dazu beitragen, eine Vielzahl von Anwendungsfällen im Bereich der Cybersicherheit zu verbessern, darunter unter anderem „ “, „Data Loss Prevention“, Antivirus-/Antimalware-Lösungen, Betrugserkennung , Identitäts- und Zugriffsmanagement, Systeme zur Erkennung und Abwehr von Eindringlingen, Risiko- und Compliance-Management, IT-Asset-Bestandsverwaltung sowie Sicherheits- und Schwachstellenmanagement, um nur einige zu nennen.

Da der Einsatz von KI und Automatisierung weiter zunimmt, müssen Sicherheitsexperten, Cybersicherheitsteams und Organisationen stets über die neuesten KI-generierten Bedrohungen auf dem Laufenden bleiben, indem sie ebenfalls KI-basierte Cybersicherheitssysteme nutzen, um ihre Sicherheitsfähigkeiten und Widerstandsfähigkeit zu verbessern und so noch stärkere Cyberabwehrsysteme aufzubauen.

[Lesen Sie auch: Warum der Chief AI Officer nicht mehr wegzudenken ist]

Die Zukunft des Endpunktmanagements liegt in der Autonomie

Tanium ebnet den Weg in eine autonome Zukunft für IT-, Informationssicherheits-, Betriebs- sowie Risiko- und Compliance-Teams. Wir beobachten die Trends im Bereich der KI und der IT-Automatisierung „ “ sehr genau und richten unsere Produkt-Roadmap an diesen bahnbrechenden Technologien aus, die eine Vielzahl spannender neuer Möglichkeiten eröffnen.

Das „Autonomous Endpoint Management“ (AEM) bildet das Herzstück der Strategie von Tanium und stellt die bislang ehrgeizigste Weiterentwicklung unserer „ “-Plattform dar. Aufbauend auf der XEM-Plattform wird AEM die einzigartigen Echtzeit-Endpunktdaten von Tanium nutzen, um maßgeschneiderte Empfehlungen bereitzustellen und Maßnahmen präzise zu automatisieren.

Erfahren Sie, wie die Echtzeitdaten von Tanium Microsoft Copilot for Security unterstützen

Die Funktionen von Tanium AI stützen sich auf zahlreiche Quellen, darunter Algorithmen des maschinellen Lernens, Erfolgsraten von Vergleichsunternehmen und Risikogrenzen, um Unternehmen in die Lage zu versetzen, ihre Umgebungen auf eine Weise zu optimieren und besser zu sichern, wie dies mit herkömmlichen Lösungen für Endpunktmanagement, Risiko- und Compliance-Management, digitale Mitarbeitererfahrung sowie die Reaktion auf Vorfälle bisher nicht möglich war.

Wir arbeiten derzeit intensiv daran, KI in unsere XEM-Plattform zu integrieren, um AEM-Funktionen bereitzustellen, die es Unternehmen ermöglichen, ihre wachsenden und komplexen IT-Umgebungen einfacher zu verwalten und zu sichern. Unsere Plattform wird Millionen von Aktionen, Milliarden von Echtzeit-Datenpunkten und eine Billion Signale über mehr als 33 Millionen Endpunkte hinweg verarbeiten und aus den weltweiten Erfahrungen der Tanium-Community lernen, um Unternehmen dabei zu unterstützen, ihre Entscheidungsfähigkeit zu verbessern und so der stetig zunehmenden Bedrohung durch die globale Cyberkriminalität leichter entgegenzuwirken, indem wir weiterhin „The Power of Certainty™“ bereitstellen.

1https://digitalcommons.odu.edu/cgi/viewcontent.cgi?article=1064&context=covacci-undergraduateresearch

Weitere Ressourcen

Im Zuge der Weiterentwicklung der KI-Cybersicherheit wird dieser Leitfaden als dynamische Ressource dienen, die bei Vorliegen neuer Daten aktualisiert wird, um Unternehmen auch weiterhin dabei zu unterstützen, fundiertere Entscheidungen hinsichtlich bewährter Verfahren und Anwendungsfälle zu treffen.

Sehen Sie sich diese hilfreichen Ressourcen zum Thema KI an:

KI-Nachrichten von Tanium

Erfahren Sie mehr über KI

Anhören

Möchten Sie von professionellen Cyber-Analysten mehr über aktuelle Vorfälle und jüngste Angriffe erfahren? Lesen Sie unsere Blogreihe „ “ des Tanium Cyber Threat Intelligence (CTI)-Teams unter . Dort werden aktuelle Nachrichten analysiert, um Ihnen die wichtigsten Informationen zu Veränderungen in der Bedrohungslandschaft zu liefern, die sich möglicherweise auf Unternehmen und die Cybersicherheit auswirken könnten.