[LIVE] Active Directory Hacking & AMA (8/27/26)
Die Live-Session zur Ausnutzung von Active Directory und die anschließende Frage-und-Antwort-Runde deckten kritische Schwachstellen in veralteten Authentifizierungsprotokollen auf, die in 40% der Unternehmensumgebungen ungepatcht bleiben. Konkrete Demonstrationen zeigten, wie Angreifer innerhalb von Minuten durch nicht überwachte Kerberos-Tickets und falsch konfigurierte Gruppenrichtlinienobjekte Berechtigungen bis hin zum Domain-Admin-Status eskalieren können. Die Analyse verdeutlichte, dass 85% der getesteten Systeme über keine Multi-Faktor-Authentifizierung für administrative Konten verfügten, was einen einzelnen Ausfallpunkt für gesamte Netzwerke darstellt. Diese Ergebnisse unterstreichen die dringende Notwendigkeit einer sofortigen Korrektur von Identitätsmanagement-Konfigurationen, um laterale Bewegungsangriffe zu verhindern. Die Sitzung endete mit einer detaillierten Aufschlüsselung von Erkennungssignaturen für die demonstrierten Techniken.
Black Hat Asia 2026 | Graphenbewusster LLM für Windows-Anmeldung mit einem geschlossenen Schleifen-geschützten Erkennungsagenten
Ein neuartiger graphenbewusster LLM-Rahmenwerk transformiert massive Windows-Ereignisprotokolle in kompakte Authentifizierungsgraphen, um kompromittierte Konten in unternehmensweiten Active Directory-Umgebungen zu erkennen. Durch die Filterung nach sechs kritischen Ereignis-IDs und die Umwandlung roher Daten in Benutzer-Host-Beziehungsgraphen reduziert das System das Datenvolumen von 50MB auf etwa 1MB, während wesentliche Angriffssignale erhalten bleiben. Dieser Ansatz ermöglicht es einem geschlossenen Schleifen-geschützten Erkennungsagenten, Authentifizierungsmuster zu analysieren, ohne sich auf statische Signaturen zu verlassen oder LLM-Kontextgrenzen zu überschreiten. Die Methode liefert stabile, reproduzierbare Ergebnisse für die Vorfallbearbeitung durch die Generierung von Sigma-Regeln zur Verhinderung von Wiederholungen und die Identifizierung verdächtiger Anmeldungen durch graphenbasierte Merkmalsextraktion statt durch die Verarbeitung roher Texte.