Der blinde Fleck von Linux-KI: 7 Exfiltrationspunkte, die Ihr DLP nicht sieht

Jeder fünfte Datenschutzvorfall betrifft heute Schatten-KI. Für die meisten Unternehmen liegt das höchste Risiko auf Linux-Endpunkten (wo 78,5 % der Entwickler arbeiten), die keine DLP-Richtliniendurchsetzung haben. Ingenieure können ungehindert Code in KI-Chat-Tools einfügen, proprietäre Modelle mit privatem Cloud-Speicher synchronisieren und Dateien über Wechseldatenträger übertragen.

Das liegt daran, dass herkömmliche DLP-Lösungen für E-Mail-Gateways und Windows-Netzwerke entwickelt wurden. Engineering-Workstations, auf denen Daten über KI-Tools, Netzwerkfreigaben und angeschlossene Geräte fließen, waren nie Teil des ursprünglichen Bedrohungsmodells. Heute haben 69 % der Unternehmen Hinweise auf die unautorisierte Nutzung von GenAI-Tools, oft ohne DLP-Sichtbarkeit auf macOS- und Linux-Endpunkten.

Laut IBMs Cost of a Data Breach Report 2026 verfügten 97 % der von KI-bezogenen Sicherheitsverletzungen betroffenen Unternehmen über keine angemessenen Zugriffskontrollen. HIPAA, PCI DSS, DSGVO und CMMC machen Unternehmen für sensible Daten verantwortlich, einschließlich Daten, die an KI-Tools von Drittanbietern übertragen werden. Diese Durchsetzung ist gesetzlich vorgeschrieben.

Laut NIST SP 800-53 (MP-7), ISO 27001, PCI DSS und der HIPAA-Sicherheitsregel sind Unternehmen formal verpflichtet, Wechseldatenträger zu verwalten, einzuschränken oder zu scannen. Trotz dieser regulatorischen Vorgaben verfügen die meisten Unternehmen jedoch über minimale Kontrollen auf Linux-Endpunkten. Ein Vorfall im Finanzdienstleistungssektor legte über 300.000 Kundendatensätze über einen infizierten privaten USB-Stick offen, und ein Mitarbeiter eines Verteidigungsunternehmens übertrug über 3.600 firmeneigene Dateien auf private Speichergeräte.

Netwrix Endpoint Protector bietet granulare Gerätekontrolle für über 20 Gerätetypen unter Linux. Die Richtliniendurchsetzung blockiert oder protokolliert Übertragungen in Echtzeit, wobei Richtlinien legitime Übertragungen zulassen und unautorisierte basierend auf der Datenklassifizierung blockieren. Die Aktion wird je nach Richtlinie protokolliert, blockiert oder behoben. Diese Funktion bietet konsistente Kontrolle über Windows, macOS und Linux von einem einzigen Dashboard aus.

Bluetooth-Kontrollen sind selten Teil von Linux-DLP-Strategien. Die Annahme ist, dass Bluetooth risikoarm, privat oder „das Problem von jemand anderem“ ist. Doch MITRE ATT&CK stuft Bluetooth-Exfiltration als T1011.001 ein, eine Technik, die Firewalls, Proxys und DLP-Tools vollständig umgeht.

Bluetooth-Datenverkehr berührt niemals Netzwerkschnittstellen oder DLP-Prüfpunkte. Fortgeschrittene Bedrohungsakteure, darunter Flame (2012) und ScarCruft (2019), haben Bluetooth bereits für Datendiebstahl bewaffnet. Ohne Kontrollen auf Endpunktebene bleibt dieser Exfiltrationsvektor in der Regel unüberwacht.

Herkömmliches DLP überwacht E-Mail- und Web-Uploads, aber Cloud-Synchronisierungsaktivitäten entgehen ihm oft vollständig. Linux-Rechner können Cloud-Synchronisierungs-Agenten installiert haben, und Tools wie Dropbox, Nextcloud, ownCloud, FileZilla und SFTP werden häufig ohne Aufsicht durch das Unternehmen verwendet. Die Synchronisierung erfolgt im Hintergrund, Datei für Datei, ohne die Sichtbarkeit, die E-Mail-Gateways bieten.

MITRE ATT&CK bezeichnet dies als T1567.002 (Exfiltration to Cloud Storage), eine Technik, die Angreifer ausnutzen, weil Cloud-Dienste eine Tarnung bieten, wenn Unternehmen bereits mit ihnen kommunizieren. Forschung von Cyberhaven bestätigt, dass das Hochladen auf privaten Cloud-Speicher eine der häufigsten Methoden ist, mit denen sensible Daten Unternehmen verlassen. Sobald sich Daten in einem privaten Cloud-Konto befinden, hat das Unternehmen keine Kontrolle mehr über ihre Bewegung oder ihren Verbleib.

GitHub meldete 39 Millionen offengelegte Geheimnisse im Jahr 2024, wobei allein 2025 28,65 Millionen neue fest codierte Geheimnisse zu öffentlichen Repositorys hinzugefügt wurden – ein Anstieg von 34 % gegenüber dem Vorjahr. Laut von ESEM veröffentlichter Forschung sind bis zu 30 % der Projekte gefährdet durch fest codierte Zugangsdaten. Fest codierte Zugangsdaten bleiben eine der häufigsten Ursachen für Datenschutzverletzungen.

Diese Zugangsdaten verschwinden selten von selbst. Selbst wenn sie aus Repositorys gelöscht werden, bleiben Geheimnisse unbegrenzt im Git-Verlauf erhalten. Sobald sie offengelegt sind, nutzen Angreifer diese Zugangsdaten, um Infrastruktur bereitzustellen, auf Datenbanken zuzugreifen und Systeme zu kompromittieren. Ohne Endpunkt-Erkennung sensibler Daten und Inhaltsprüfungsüberwachung bleiben diese Assets für Sicherheitsteams unsichtbar, bis Angreifer sie ausnutzen.

SSH und SCP verschlüsseln ihre Kanäle, was diesen Exfiltrationspfad auf Netzwerkebene noch schwerer erkennbar macht. Bei einem Sicherheitsvorfall in der Fertigungsindustrie 2025 nutzten Angreifer SCP über Port 443, um firmeneigene Konstruktionen und Kundendaten zu exfiltrieren. Diese Technik ermöglichte es dem Angreifer, Gigabyte an geistigem Eigentum unentdeckt zu bewegen. Sobald Daten von einer zentralisierten Freigabe auf eine einzelne Workstation übertragen wurden, sei es über NFS, rsync oder SCP, werden sie dezentralisiert und schwerer zu überwachen. Jemand kann sie mit privatem Cloud-Speicher synchronisieren, oder die Daten könnten das Unternehmen verlassen, wenn diese Person das Unternehmen verlässt.

LLMs können Trainingsdaten speichern, einschließlich personenbezogener und sensibler Informationen, die Angreifer durch gezielte Abfragen extrahieren können. Dieses Risiko hat sich bereits in von Tools wie ChatGPT generiertem Code materialisiert. Im Jahr 2023 haben Samsung-Ingenieure unbeabsichtigt vertraulichen Quellcode geleakt sowie interne Besprechungsnotizen durch drei separate ChatGPT-Vorfälle, und die übermittelten Daten wurden von OpenAI außerhalb der Kontrolle von Samsung für das Modelltraining aufbewahrt.

Dieses Risiko geht über das hinaus, was ein einzelnes Unternehmen eindämmen kann. Ein Sicherheitsforscher entdeckte über 143.000 Benutzer-Konversationen mit Claude, Copilot und ChatGPT, die öffentlich auf Archive.org zugänglich waren. Untersuchungen von Harmonic Security ergaben, dass die kostenlose Version von ChatGPT die Quelle einer erheblichen Offenlegung sensibler Daten war, wobei etwa ein Viertel der über kostenlose ChatGPT-Konten eingereichten sensiblen Prompts betroffen war. Sobald Daten in ein nicht verwaltetes KI-System gelangen, verlieren Unternehmen die Kontrolle über deren Verbleib und Zugriff.

Die meisten Unternehmen haben DLP unter Windows, da dies die Basis ist, aber dieser Schutz endet in der Regel an den Linux-Endpunkten, an denen 78,5 % der Entwickler arbeiten. Dies ist dasselbe Architekturproblem, das bereits erwähnt wurde: DLP wurde nie mit Blick auf Engineering-Workstations entwickelt, sodass Uploads zu ChatGPT, USB-Übertragungen, Cloud-Synchronisierungen und Netzwerkfreigabe-Aktivitäten alle unüberwacht über Linux-Endpunkte laufen.

• Laden Sie das E-Book herunter: Warum Linux-Endpunkte der Nullpunkt für KI-Datenrisiken sind
• Sehen Sie sich das Webinar an: Wie Linux-KI-Entwicklungsumgebungen DLP-Strategien durchbrechen
• Holen Sie sich das Datenblatt: Netwrix Endpoint Protector für Linux