Broken Access Control gilt als blinder Fleck von KI-generiertem Code. Das Startup VulX präsentiert einen deterministischen Prüfmechanismus, der Schwachstellen nicht nur vermutet, sondern nachweist – und unbewiesene Funde konsequent verwirft.
Code entsteht heute schneller, als er überprüft werden kann. Besonders betroffen ist eine Schwachstellenklasse, die sich kaum automatisiert erkennen lässt: fehlerhafte Autorisierung, auch bekannt als Broken Object-Level Authorization (BOLA) oder IDOR.
Das Londoner Unternehmen VulX Ltd hat dazu ein technisches Whitepaper vorgelegt, das einen neuen Ansatz beschreibt – einen deterministischen „Exploit-Oracle“, der Schwachstellenfunde von Sprachmodellen nicht einfach übernimmt, sondern experimentell verifiziert.
Laut Unternehmensangaben entsteht das Kernproblem daraus, dass Autorisierung keine syntaktische Eigenschaft ist, die klassische Scanner per Mustererkennung finden können, sondern eine Eigenschaft der beabsichtigten Zugriffsrichtlinie einer Anwendung. Gerade hier, so das Papier von Gründer Minh Danh Ngo, versagen KI-Codegeneratoren besonders häufig: Ein Sprachmodell erzeugt eine funktionierende Datenbankabfrage, vergisst dabei aber stillschweigend die Prüfung, ob der anfragende Nutzer tatsächlich Eigentümer der abgerufenen Daten ist.
Als Beleg für die Praxisrelevanz verweist das Whitepaper auf CVE-2025-48757, eine Sicherheitslücke in mit dem KI-Tool Lovable erstellten Anwendungen: Laut der zitierten Analyse waren 170 von 1.645 untersuchten Projekten (10,3 Prozent) betroffen, mit insgesamt 303 verwundbaren Endpunkten und einem CVSS-Score von 9,3.
Herzstück des von VulX vorgestellten Systems ist ein deterministisches Exploit-Oracle: Statt einem Sprachmodell zu vertrauen, das eine Schwachstelle lediglich für plausibel hält, prüft ein fester Regelsatz drei Messgrößen – ob ein Angriff vor einem Patch tatsächlich funktioniert, ob er danach nicht mehr funktioniert, und ob eine legitime Anfrage weiterhin erfolgreich bleibt, die sogenannte Negativkontrolle. Nur wenn alle drei Bedingungen erfüllt sind, wird ein Fund als bestätigt eingestuft und ausgeliefert. Ein Sprachmodell selbst fällt laut Beschreibung nie das abschließende Urteil.
Nach Angaben des Whitepapers wurde der Ansatz an elf real existierenden, öffentlich verfügbaren Anwendungen getestet. Dabei bestätigte das Oracle sechs Autorisierungsschwachstellen und lehnte fünf weitere Funde ab, aus drei unterschiedlichen Gründen: nicht reproduzierbare Auswirkung, fehlende Möglichkeit einer Kontrollmessung sowie technisch nicht aufbaubare Zielsysteme. Nur eine der sechs bestätigten Schwachstellen wurde vollständig autonom durch das System selbst entdeckt; die übrigen fünf wurden mit vorgegebenen Angriffsszenarien geprüft. Als reines Erkennungsmodul, ohne Bewertung durch ein Sprachmodell, habe eine deterministische Komponente fünf der sechs bestätigten Schwachstellen mit hoher Konfidenz von mindestens 0,7 korrekt lokalisiert, heißt es weiter.
Zum Vergleich zog VulX die etablierten Analysewerkzeuge Semgrep und CodeQL heran. Laut den im Whitepaper dokumentierten Tests markierte keines der beiden Tools auch nur eine der fünf geprüften, tatsächlich bestätigten Autorisierungslücken – ein Ergebnis, das die Autoren als Beleg dafür werten, dass diese Schwachstellenklasse strukturell außerhalb der Reichweite klassischer statischer Analyse liegt.
Als Sprachmodell für die Angriffskonstruktion kam nach eigenen Angaben das gehostete Modell Claude Opus 4.8 zum Einsatz, ausdrücklich kein eigens von VulX trainiertes Modell. Die Kosten pro geprüftem Fall lägen laut Unternehmen bei rund 0,065 bis 0,11 US-Dollar.
Das Unternehmen selbst räumt in einem eigenen Abschnitt zu Grenzen und Transparenz deutliche Einschränkungen ein: Die Stichprobe sei klein, das Verfahren befinde sich in einem frühen Stadium, und die angewendeten Fixes seien auf realen Anwendungen bislang Referenzpatches statt eigenständig generierter Korrekturen. Eine vollautonome Fehlerbehebung sei, so das Papier ausdrücklich, noch nicht Teil des Produkts, sondern für die Zukunft geplant. Ebenso ungelöst bleibe laut Whitepaper das Problem außerhalb des Code-Repositories verwalteter Datenbankkonfigurationen – bei drei der elf Testanwendungen ließ sich aus diesem Grund keine lauffähige Testumgebung aufbauen.
Für Sicherheitsverantwortliche in Unternehmen, die zunehmend auf KI-generierten Code setzen, liefert das Whitepaper vor allem eine Diagnose: Automatisierte Codeerstellung verschärft ein Risiko, für das klassische Scanwerkzeuge bislang keine verlässliche Antwort bieten. Ob sich der von VulX vorgeschlagene, beweisbasierte Prüfmechanismus in der Breite bewährt, bleibt angesichts der bislang kleinen Stichprobe und des selbst eingeräumten frühen Entwicklungsstadiums abzuwarten.
Über die reine Bestätigung hinaus legt das Whitepaper besonderen Wert auf die Fälle, in denen das System einen Fund bewusst verwirft. In einem dokumentierten Beispiel entdeckte das Oracle zwar eine reale Autorisierungslücke in einer Freigabefunktion, konnte den daraus resultierenden Datenabfluss jedoch nicht messbar nachweisen – die Ursache lag laut Analyse in einer fehlerhaft konfigurierten Datenbankrichtlinie, die den eigentlichen Angriffspfad unbeabsichtigt blockierte. Statt die vermeintliche Schwachstelle dennoch gemeldet, habe das System sie explizit als nicht reproduzierbar zurückgewiesen. Genau diese Verweigerungslogik, so die Autoren, unterscheide den Ansatz von rein sprachmodellbasierten Prüfverfahren, die plausible, aber unbewiesene Funde tendenziell als real ausgeben.
Dr. Jakob Jung ist Chefredakteur Security Storage und Channel Germany. Er ist seit mehr als 20 Jahren im IT-Journalismus tätig. Zu seinen beruflichen Stationen gehören Computer Reseller News, Heise Resale, Informationweek, Techtarget (Storage und Datacenter) sowie ChannelBiz. Darüber hinaus ist er für zahlreiche IT-Publikationen freiberuflich tätig, darunter Computerwoche, Channelpartner, IT-Business, Storage-Insider und ZDnet. Seine Themenschwerpunkte sind Channel, Storage, Security, Datacenter, ERP und CRM.
Kontakt – Contact via Mail: jakob.jung@security-storage-und-channel-germany.de