Das Curl-Projekt hat Version 8.22.0 ausgeliefert, die Korrekturen für sechs neu veröffentlichte CVEs enthält, die alle von einem autonomen KI-Sicherheitssystem des Startups AISLE gefunden wurden – und alle entdeckt wurden, nachdem Frontier-KI-Modelle von OpenAI und Anthropic öffentlich berichtet hatten, dass Curl keine weiteren Schwachstellen enthielt. Der Vergleich, der in einem am Dienstag veröffentlichten Blog-Beitrag des AISLE-Forschers Stanislav Fort dokumentiert wurde, erregt in der gesamten Sicherheitsgemeinschaft Aufmerksamkeit, da es sich um einen der bisher eindeutigsten direkten Tests spezialisierter KI-Sicherheitstools im Vergleich zu Allzweck-Grenzmodellen handelt.
Die Grundlinie war ungewöhnlich sauber. Am 24. August schrieb Curl-Gründer Daniel Stenberg öffentlich, dass nur drei CVEs für die nächste Veröffentlichung ausstehen, und wies darauf hin, dass das Mythos-Modell von Anthropic „angibt, keine weiteren zu finden“ und dass das Codex-Sicherheitssystem von OpenAI „eine leere Liste anzeigt“, wenn es gebeten wird, Curl zu analysieren, die allgegenwärtige Datenübertragungsbibliothek, die weltweit in mehr als 20 Milliarden Instanzen eingesetzt wird, von intelligenten Kühlschränken bis hin zu Raumfahrzeugen. Weitere Geschichten wie diese finden Sie in unserer Berichterstattung über KI-Sicherheitsnachrichten.
Von null auf neunundzwanzig Berichte über Nacht
AISLE richtete daraufhin sein eigenes autonomes KI-System auf Curl. Am nächsten Tag veröffentlichte Stenberg einen einzeiligen Vergleich, der seitdem weit verbreitet war: „Mythos: 0, Gang: 29.“ Von diesen 29 Berichten überprüfte das Sicherheitsteam von Curl innerhalb weniger Tage sechs und beurteilte sie als schwerwiegend genug, um in Curl 8.22.0, das jetzt veröffentlicht wurde, eine öffentliche CVE-Einstufung zu verdienen.
Die sechs CVEs, die AISLE und seinem Forscher zugeschrieben werden, sind:
- CVE-2026-80229 – OpenSSL-Anbieter-Nutzung nach kostenloser Nutzung
- CVE-2026-80230 – OpenSSL-Pinning-Umgehung
- CVE-2026-80231 – Wiederverwendung der nativen CA-Store-Verbindung
- CVE-2026-82209 – domänenweites öffentliches Suffix-Cookie
Alle sechs haben den Schweregrad „Niedrig“. AISLE führt dieses Bewertungsprofil auf die außergewöhnliche technische Reife von Curl zurück: Nach jahrzehntelanger Prüfung verbergen sich die verbleibenden Schwachstellen tendenziell in engen Konfigurationen und subtilen Interaktionen zwischen Komponenten, was die praktischen Auswirkungen begrenzt. Drei wurden am 24. August gemeldet, zwei am 26. August und einer am 27. August. Bis zum 28. August war die Anzahl der ausstehenden CVEs bei Curl von drei auf zehn gestiegen, wobei sechs der neuen Erkenntnisse laut Angaben des Unternehmens von AISLE stammten.
Warum dieser Vergleich wichtig ist
Sicherheitsforscher haben einen Großteil der KI-gesteuerten Schwachstellenerkennung lange Zeit als Theater abgetan – Demonstrationen gegen Capture-the-Flag-Herausforderungen oder Benchmarks mit bekannten Antworten, die möglicherweise bereits in Modelltrainingsdaten lauern. Diese Episode war in einer wichtigen Hinsicht anders: Die Analyse zielte auf den aktuellen Produktionscode ab, und die Betreuer von Curl selbst, nicht AISLE, entschieden, ob die einzelnen Ergebnisse real waren und ob sie eine CVE rechtfertigten. Da Stenberg das Null-Ergebnis der Frontier-Modelle öffentlich dokumentiert hatte, bevor AISLE sein System in Betrieb nahm, enthielt der Vergleich eine mit einem Zeitstempel versehene Basislinie, die in Herstellerangaben selten vorkommt.
Es lohnt sich, den Anbieterkontext im Blick zu behalten. AISLE verkauft KI-Code-Auditing als Produkt, und der Blog-Beitrag ist explizites Marketing für seine „System over Model“-These – das Argument, dass spezialisierte KI-Systeme bei der realen Zero-Day-Erkennung allgemeine Grenzmodelle schlagen können. Kommentatoren auf Hacker News machten die gleiche Beobachtung und stellten fest, dass der Beitrag nur wenige technische Details zur Methodik enthält, obwohl die Diskussion des öffentlichen Codes des Unternehmens einen Ansatz nahelegt, der LLM-gesteuertes Targeting mit traditionellem Fuzzing kombiniert: Modelle identifizieren interessante Funktionen und generieren Testumgebungen, dann werden Fuzzer-Ergebnisse selektiert. Das Unternehmen hatte bereits im Juni sechs Curl-CVEs bekannt gegeben, darunter das älteste Problem, das jemals im Rahmen des Projekts gemeldet wurde.
Das Muster kann über die Locke hinausgehen
Das provokativste Signal kam von außerhalb des Curl-Projekts. Greg Kroah-Hartman, der langjährige Betreuer der stabilen Kernel-Releases von Linux, antwortete auf Stenbergs Beitrag mit den Worten: „Ich sehe das Gleiche auch für Linux. Keine Ahnung, was Aisle anders macht, aber wow.“ Wenn ein spezialisiertes KI-System unabhängig gültige Schwachstellen im Linux-Kernel aufdeckt, die Frontier-Modelle übersehen, ist die Lücke keine Eigenart einer Codebasis.
Für die Sicherheitsteams von Unternehmen markiert diese Episode einen umfassenderen Wandel. Labore wie OpenAI und Anthropic haben stark in die Positionierung ihrer Grenzmodelle für die Sicherheitsarbeit investiert – OpenAI hat sein Astra erst diese Woche als „kritisches“ Cybersicherheitsmodell bestätigt – und mittlerweile werden von KI-Systemen regelmäßig Schwachstellen in Open-Source-Software gefunden. Das Curl-Ergebnis deutet darauf hin, dass die Grenzmodelle allein nicht die gesamte Werkzeugkette darstellen: Ein Allzweckmodell, das keine Ergebnisse meldet, ist kein Beweis dafür, dass keine Ergebnisse vorhanden sind.
Die praktischen Erkenntnisse sind bereits sichtbar. Organisationen, die Curl ausführen, sollten auf Version 8.22.0 aktualisieren, die Korrekturen für alle sechs CVEs enthält. Und für Teams, die KI-Sicherheitstools evaluieren, ist der Maßstab, der zählt, nicht die Leistung eines Modells bei vorgefertigten Herausforderungen, sondern ob seine Ergebnisse die Überprüfung durch die Betreuer von echtem Produktionscode überstehen – dem Standard, den diese sechs CVEs gerade erfüllt haben.
---
Der KI einen Schritt voraus seinErhalten Sie die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.
Weitere KI-Neuigkeiten lesen →
