Skip to content
KitploitKITPLOIT
ToolsExploitsBlog
Log in
Einreichen
ToolsExploitsBlog
Einreichen

Hacking-, PenTest- und Cybersicherheits-Tools für Ihr Sicherheitsarsenal!

Kitploit ist ein Verzeichnis von Hacking-, Cybersicherheits- und Pentesting-Tools. Entdecken Sie die neuesten Projekt-Updates, um Schwachstellen zu finden, Systeme zu analysieren, Tests zu automatisieren und Ihre Sicherheit zu stärken.

FeedsKontaktDatenschutz© 2026 Kitploit

Tool-Verzeichnis

Kategorien

Alle Kategorien anzeigen
Loading categories
OWASP-Top-10-Neocloud-and-AI-Data-Center-Security-Risks — OWASP-Framework, das die Top-10-Sicherheitsrisiken in Neocloud- und KI-Rechenzentrumsinfrastrukturen katalogisiert und dabei Hardware, Netzwerke, Isolation, Management-Planes und Lieferkette abdeckt. | Kitploit
Tools/GitHubGitHub/owasp/owasp-top-10-neocloud-and-ai-data-center-security-risks
DefensivwerkzeugeContainer-SicherheitNetzwerksicherheitCloud-SicherheitHardware-SicherheitIdentitäts- & Zugriffsmanagement (IAM)LieferkettensicherheitPapers & Forschung
Lernen & Bildung
Kuratierte Ressourcen
KI-Sicherheit
GitHubowasp/owasp-top-10-neocloud-and-ai-data-center-security-risks

OWASP-Top-10-Neocloud-and-AI-Data-Center-Security-Risks

OWASP-Framework, das die Top-10-Sicherheitsrisiken in Neocloud- und KI-Rechenzentrumsinfrastrukturen katalogisiert und dabei Hardware, Netzwerke, Isolation, Management-Planes und Lieferkette abdeckt.

Repository anzeigen
11vor 1 TagNoch nicht geprüft

Beliebteste

Alle anzeigen →

Entdecken Sie die meistgenutzten Tools unserer Community.

Alle Tools erkunden

Durchsuchen Sie unsere Tool-Sammlung

Alle Tools anzeigen →
Teilen

Die Top 10 der Sicherheitsrisiken für Neoclouds und KI-Rechenzentren

FORGE - Die Top 10 der Sicherheitsrisiken für Neoclouds und KI-Rechenzentren. Härte das Metall unter dem Modell.

FORGE - Härte das Metall unter dem Modell.

🌐 Website: https://forge-framework.io

Zusammenfassung

Neoclouds und KI-Rechenzentren werden schneller gebaut, als sie abgesichert werden.

Die rasante Expansion von Neoclouds (GPU-Cloud-Anbietern), KI-Rechenzentren und spezialisierten Compute-Umgebungen hat Sicherheitsrisiken in den Bereichen Hardware, Netzwerk, Speicher, Orchestrierung, Identität, Management-Planes und physischer Betrieb eingeführt. Viele dieser Risiken ähneln traditionellen Rechenzentrums- oder Cloud-Sicherheitsproblemen, doch Neoclouds und KI-Rechenzentren verändern deren Schweregrad: Systeme, die ursprünglich für vertrauenswürdige Betreiber entwickelt wurden, unterstützen nun hochwertige Multi-Tenant-Workloads von nicht miteinander verbundenen Kunden.

Die Top 10 der Sicherheitsrisiken für Neoclouds und KI-Rechenzentren bietet einen praktischen Rahmen zur Identifizierung, Priorisierung und Reduzierung der wichtigsten Sicherheitsrisiken in der Infrastrukturschicht, die KI antreibt. Das Framework definiert die kritischsten Fehlermodi in der KI-Infrastruktur und hilft dabei, diese in konkrete Sicherheitsanforderungen zu übersetzen.

Was dieses Framework abdeckt

Dieses Framework konzentriert sich auf die Sicherheit der KI-Infrastruktur und der Rechenzentren, die sie beherbergen: die physische Hardware, Netzwerk-Fabrics, Management-Planes, Orchestrierungssysteme, Speichersysteme und Betriebsumgebungen, auf denen KI-Workloads laufen.

Es konzentriert sich nicht auf die KI-Modelle selbst oder Risiken auf Anwendungsebene wie Prompt-Injection, unsicheres Agentenverhalten, Modellmissbrauch oder Bewertung auf Modellebene. Diese Risiken werden von Frameworks abgedeckt, die sich auf andere Teile des KI-Stacks konzentrieren, darunter die OWASP Top 10 für LLM-Anwendungen, MITRE ATLAS, das NIST AI Risk Management Framework und ISO/IEC 42001. Zusammen vermitteln diese Ressourcen Praktikern ein vollständigeres Bild der KI-Sicherheit, von Governance- und Anwendungsebenen-Risiken bis hinunter zur zugrunde liegenden Compute-Infrastruktur.

Einige Risiken in diesem Dokument existieren auch in traditionellen Rechenzentrums- und Cloud-Umgebungen. Sie sind hier enthalten, weil die KI-Infrastruktur sie wesentlich schwerwiegender macht: gemeinsame hochwertige Compute-Ressourcen, komplexe Beschleuniger-Cluster, dichte Management-Schichten und Multi-Tenant-Betrieb können gewöhnliche Infrastrukturschwächen in schwerwiegendere Sicherheitsrisiken verwandeln, da die Wahrscheinlichkeit und die Auswirkungen eines Vorfalls viel höher sind als bei traditionellen Unternehmenssoftware- und Service-Bereitstellungen.

Für wen dieses Framework gedacht ist

Neocloud-Anbieter und Rechenzentrumsbetreiber können von dem Framework als praktischem Leitfaden für die Bedrohungslandschaft der KI-Infrastruktur, die Überprüfung der Angriffsfläche, die Härtung der Umgebung, die Sicherheitspriorisierung und den Nachweis von Reifegrad profitieren.

Neocloud-Kunden können von dem Framework als praktischem Leitfaden für Beschaffung, Sicherheitsüberprüfungen, vertragliche Anforderungen, Anbietervergleiche und die Bewertung der Widerstandsfähigkeit gegen realistische Tenant-zu-Infrastruktur-Kompromittierungen profitieren.

Hybrid-Cloud-Sicherheitsteams können von diesem Framework als praktischem Leitfaden für die Konfiguration, Wartung und Absicherung ihres On-Premise-Footprints gegen moderne Angriffe profitieren, die schnell zwischen Umgebungen wechseln können.

Danksagungen

Entwickelt, um sich mit dem Feld weiterzuentwickeln, und offen gehalten, damit die gesamte KI- und Sicherheitsgemeinschaft es nutzen, hinterfragen und verbessern kann.

Wir möchten allen Expertinnen und Experten danken, die an der Überprüfung und Validierung dieses Dokuments mitgewirkt haben.

Feedback oder Lust, beizutragen? [email protected]

Autoren

  • Michael Katchinskiy (Head of Security Research @ Lava)
  • Yakir Kadkoda (CTO @ Lava)

Gutachter

  • Tony Rea (Global AI Infrastructure Lead @ Dell)
  • Daniel Iziourov (Director of Platform Security @ Nebius)
  • Vjaceslavs Klimovs (Senior Technical Director @ Roblox)
  • Assaf Namer (Head of AI Security @ Google)
  • Tyson Macaulay (Deputy Director @ NC CIPSER)
  • Golan Ben-Oni (CIO/CISO @ IDT)
  • Florina Ciorba (Associate Professor, Head of High Performance Computing group @ University of Basel)
  • Arthur Reed (Security Engineer @ PNNL)
  • Deumens Erik (Director Research Computing @ University of Florida)
  • Saad Malik (CTO @ Spectro Cloud)
  • Selim Aissi (Former Vice President, Global Information Security @ Visa & Intel)
  • Guy Bilitski (Leading AI Operations @ SDS AI)
  • Dan Farmer (Security Researcher)
  • Michael Bargury (CTO @ Zenity)
  • Amir Jerbi (Former CTO @ Aqua Security)
  • Bill Stout (Former Technical Director, AI Product Security @ ServiceNow)
  • Roey Yaacovi (CTO, DSPM & AI Security @ IBM)
  • Guy Shanny (Co-Founder & CEO, Polar Security, acquired by IBM)
  • Ziv Karliner (CTO @ Pillar)
  • Assaf Morag (Security Researcher)
  • James Berthoty (Founder & CEO @ Latio)

Die fünf Domänen der FORGE-Linse

FORGE-Domänen definieren die Bewertungslinse: die Infrastrukturbereiche, in denen KI-Sicherheitsrisiken angesiedelt sind. Die Risikomatrix unten ordnet einzelne Risiken diesen Domänen zu.

DomäneNameBeschreibung
FFlottenintegritätVertrauen in die Hardware, Firmware, Software-Artefakte, Images, Abhängigkeiten und Lieferpfade, aus denen die KI-Infrastrukturflotte besteht.
OBetriebs- und Management-PlanesPrivilegierte Systeme zur Steuerung, Automatisierung und Verwaltung der KI-Infrastruktur, einschließlich BMCs, Scheduler, Orchestrierung, Automatisierung und Admin-Tools.
RRessourcenisolierungDie Grenzen, die Mandanten, Workloads, Ausführungsumgebungen und wiederverwendete Infrastruktur über gemeinsame KI-Systeme hinweg trennen.
GGridDie Netzwerk-Fabrics und Anlagen-Systeme, die KI-Cluster verbinden und sie mit Strom, Kühlung und Betrieb versorgen.
ENachweis- und ExpositionsmanagementDie Nachweise, die Kunden benötigen, um den Sicherheitsreifegrad des Anbieters, den architektonischen Umfang, exponierte Dienste und die Patch-Geschwindigkeit zu verstehen.

Die Top 10 Risiken

FORGE-IDs sind nach Schweregrad geordnet, vom höchsten zum niedrigsten. Die Matrix gruppiert jedes Risiko nach Domäne und zeigt seine Wahrscheinlichkeit, Auswirkung und Erkennungsschwierigkeit.

Tool herunterladen