Versatile AI Risk Assessment

KI-Bedrohungskatalog Angriffe auf Modell und Betrieb Produktion

Modell-Diebstahl

Angreifer erzeugen aus einem fremden KI-Modell eine funktionsfähige Kopie, indem sie es massenhaft abfragen oder direkt in die Infrastruktur eindringen. Sie stehlen so das geistige Eigentum, ohne das Original zu berühren.

Stand: Oktober 2026 · Katalogversion 2026.10.24.2 · 5 Gegenmaßnahmen · 8 belegte Quellen

Beschreibung

Ein proprietäres, also unternehmenseigenes Modell steckt voller teurer Entwicklungsarbeit. Angreifer kopieren es auf zwei Wegen. Beim ersten fragen sie das Modell über die normale Schnittstelle massenhaft ab und trainieren aus den gesammelten Ein- und Ausgabepaaren ein eigenes Nachbau-Modell, ein sogenanntes Schatten- oder Klonmodell, das sich weitgehend gleich verhält. Beim zweiten dringen sie direkt in die Infrastruktur ein und ziehen die Modelldateien ab. Auch Seitenkanäle wie die elektromagnetische Abstrahlung der Hardware können Details verraten. Beweggründe sind die Ersparnis von Nutzungsgebühren, ein Konkurrenzprodukt, die Umgehung von Exportkontrollen oder die Vorbereitung weiterer Angriffe.

Mögliche Auswirkung

Das Unternehmen verliert geistiges Eigentum, das oft die Geschäftsgrundlage bildet: Ein Wettbewerber erhält vergleichbare Fähigkeiten, ohne die Entwicklungskosten zu tragen. Das kopierte Modell dient zudem als Sprungbrett für weitere Angriffe, etwa um adversariale Eingaben in Ruhe vorzubereiten. Die KI-Verordnung benennt den Modell-Diebstahl ausdrücklich als abzuwehrende Bedrohung und verlangt für Modelle mit systemischem Risiko einen angemessenen Schutz von Modellgewichten und Infrastruktur.

Beispiel

Ein Anbieter stellt ein spezialisiertes Klassifikationsmodell als kostenpflichtige Schnittstelle bereit. Ein Wettbewerber schickt über Wochen Millionen automatisierter Abfragen, speichert die Antworten und trainiert damit ein eigenes Modell, das den Dienst zu einem Bruchteil der Kosten nachbildet.

Empfohlene Gegenmaßnahmen (5)

Vergleichen Sie Wirkung und Umsetzungsebene. Die ergänzende Einordnung und Begründung können Sie bei Bedarf aufklappen.

  • Rate-Limiting und Query-Kontingente

    Technisch
    Wirkung
    Präventiv, Schadensbegrenzend
    Umsetzungsebene
    Anwendung, API & Agenten, Infrastruktur
    Einordnung und Begründung

    Ergänzende MaßnahmenartOrganisatorisch & prozessual

    Primär technisch: Minimierung, Randomisierung, gleichförmige Verarbeitung oder Abfragebegrenzung reduzieren den Informationsgewinn aus wiederholten Beobachtungen; ergänzt durch verbindliche Abläufe.

  • Wasserzeichen (Watermarking)

    Technisch
    Wirkung
    Aufdeckend
    Umsetzungsebene
    Modell & Training, Anwendung, API & Agenten
    Einordnung und Begründung

    Primär technisch: Kryptografische oder maschinenprüfbare Merkmale sichern Vertraulichkeit, Integrität oder Herkunft.

  • Perturbation der Modellausgaben

    Technisch
    Wirkung
    Präventiv
    Umsetzungsebene
    Modell & Training, Anwendung, API & Agenten
    Einordnung und Begründung

    Primär technisch: Minimierung, Randomisierung, gleichförmige Verarbeitung oder Abfragebegrenzung reduzieren den Informationsgewinn aus wiederholten Beobachtungen.

  • Zugriffskontrolle und Authentifizierung

    Technisch
    Wirkung
    Präventiv
    Umsetzungsebene
    Anwendung, API & Agenten, Infrastruktur
    Einordnung und Begründung

    Ergänzende MaßnahmenartOrganisatorisch & prozessual

    Primär technisch: Maschinell erzwungene Identitäts-, Berechtigungs- oder Bereichsregeln begrenzen unzulässige Zugriffe und Aktionen; ergänzt durch verbindliche Abläufe.

  • Erkennung von Extraktionsmustern

    Technisch
    Wirkung
    Aufdeckend
    Umsetzungsebene
    Anwendung, API & Agenten, Nutzung & Betrieb
    Einordnung und Begründung

    Ergänzende MaßnahmenartOrganisatorisch & prozessual

    Primär technisch: Software oder Analysewerkzeuge erzeugen und bewerten systematisch Messwerte, Abweichungen oder Angriffsindikatoren; ergänzt durch verbindliche Abläufe.

Standard-Zuordnungen

Verifizierte Fundstellen in OWASP, NIST AI RMF, MITRE ATLAS, EU AI Act und weiteren Rahmenwerken. Die Zuordnungen zeigen fachliche Bezüge. Sie belegen nicht, dass ein System die jeweiligen Anforderungen erfüllt.

OWASP LLM Top 10 LLM06:2026NIST AI RMF Abschnitt 2.10 · NISTAML.031MITRE ATLAS AML.T0040 · AML.T0044EU AI Act Article 55(1)(d)BSI R24BIML BIML78 model:5

Belegte Referenzen (8)

Jede Referenz nennt Rahmenwerk, Fundstelle und die herausgebende Organisation.

Pflichten der KI-Verordnung zu dieser Bedrohung

Die Pflichten aus dem Pflichtenkompass, deren Artikel der Katalog dieser Bedrohung zuordnet. Jede führt auf ihren Eintrag mit Kern, Handlungsschritt und Nachweis; ob sie Sie trifft, hängt von Rolle und Risikoklasse ab.

  • Systemische Risiken bewerten und mindern Art. 55 · gilt ab 2. August 2025

    Gesetzliche Rollen: Anbieter eines KI-Modells mit allgemeinem Verwendungszweck. Klassen: Modell mit systemischem Risiko.

    Der Verweis ist ein Prüfanlass. Ein Bedrohungstreffer allein begründet keine Anwendbarkeit.

Alle 62 Pflichten nach Rolle, Risikoklasse und Frist im Pflichtenkompass

Weitere Einträge aus der Themengruppe Angriffe auf Modell und Betrieb.

Adversariale Eingaben Angreifer verändern eine Eingabe minimal und für Menschen unauffällig, sodass das KI-Modell sie falsch einordnet. Denial-of-Service auf das Modell Angreifer überlasten das KI-Modell mit besonders aufwendigen Anfragen, bis der Dienst langsamer wird oder ausfällt. Cost Harvesting / Zweckentfremdung Angreifer nutzen kostenpflichtige KI-Dienste eines Unternehmens unbefugt auf dessen Rechnung, etwa mit gestohlenen Zugangsschlüsseln.

Passende Anwendungsfälle

Die Liste zeigt, wo Sie diese Bedrohung prüfen, nicht wie hoch das Risiko ist.

Üblich bei:

Bei 43 weiteren Anwendungsfällen hängt es vom Aufbau des Systems ab, etwa davon, ob es Anfragen direkt über eine Schnittstelle annimmt oder über ein Netzwerk erreichbar ist. Diese Anwendungsfälle zeigen

Häufige Fragen

Worum geht es bei dieser Bedrohung?
Angreifer erzeugen aus einem fremden KI-Modell eine funktionsfähige Kopie, indem sie es massenhaft abfragen oder direkt in die Infrastruktur eindringen. Sie stehlen so das geistige Eigentum, ohne das Original zu berühren.
Welche Gegenmaßnahmen nennt der Katalog?
Der Katalog nennt 5 Gegenmaßnahmen, jede mit Maßnahmenart, Wirkung und Umsetzungsebene. Beispiele sind: Rate-Limiting und Query-Kontingente, Wasserzeichen (Watermarking) und Perturbation der Modellausgaben. Die Reihenfolge ist keine Priorisierung.
Welche Pflichten der KI-Verordnung können relevant sein?
Der Katalog ordnet diese Bedrohung Art. 55 der EU-KI-Verordnung zu. Daraus folgen im Pflichtenkompass: Systemische Risiken bewerten und mindern. Ob eine Pflicht gilt, entscheiden Rolle, Risikoklasse und Frist.

Diese Bedrohung im eigenen System bewerten

Die Live-Demo enthält alle 52 Bedrohungen dieses Katalogs sowie die Einordnung nach der EU-KI-Verordnung und die Datenschutzprüfung. Die kostenlosen Einzelmodule decken KI-Risiko, EU-KI-VO und DSGVO ab. Ohne Registrierung; die Bewertung läuft lokal in Ihrem Browser.

Live-Demo starten Kostenlose Module ansehen

Diesen Eintrag zitieren

Für Berichte, Richtlinien oder interne Unterlagen; der Link führt direkt auf diesen Eintrag.

„Modell-Diebstahl“. Versatile AI Risk Assessment, KI-Bedrohungskatalog, Stand Oktober 2026.
https://www.versatile-ai-risk-assessment.com/wissensbasis/bedrohungen/modell-diebstahl/

← Zurück zum vollständigen Katalog