Intelligente Spam-Abwehr und das Wettrennen der Technologien

Ein weiteres Beispiel ist die Bekämpfung massenhaft verschickter Spam-E-Mails. War es um die Jahrtausendwende noch Usus, dass täglich mehrere solcher Nachrichten in den Posteingängen der Nutzerinnen und Nutzer eintrafen, ist dies heute nur noch selten der Fall. Zwar steigt die Anzahl der weltweit verschickten Spam-Nachrichten nach wie vor an, doch sind die Filter der E-Mail-Provider dank selbstlernender Algorithmen mittlerweile so treffsicher, dass Nutzerinnen und Nutzer nur gelegentlich mit klassischen Spam-Nachrichten in Berührung kommen.

Wichtig ist dabei, dass diese Algorithmen treffsicher und zielgenau arbeiten, sodass es reguläre, erwünschte E-Mails nach wie vor in den Posteingang schaffen und sie nicht im Spam-Ordner landen. In der Forschung zum maschinellen Lernen spricht man von der Vermeidung von "false positives", was man frei mit Fehlalarm übersetzen kann. Nur dann ist der Einsatz selbstlernender Algorithmen wirklich erfolgreich, wenn die Anzahl solcher false positives gering ist.

Doch auch Cyberkriminelle machen sich die Methoden des maschinellen Lernens zunutze. So können Angreifer mithilfe intelligenter Algorithmen Malware immer wieder leicht variieren und auf diese Weise versuchen, die Sicherheitssysteme ihrer Opfer auszutricksen. Sicherheitsexperten setzen ihrerseits selbstlernende Maschinen ein, um solche automatisierten Angriffe zu erkennen und abzuwehren. Zudem kann die Reaktion eines Sicherheitssystems absichtlich unscharf und erratisch gestaltet werden, um den Lernprozess der Algorithmen zu stören. So kommt es zu einer Art Wettrennen, in dem sich die Technologien ständig wandeln, Cyberkriminelle aber immer nur kurzzeitig in Führung liegen.

Es liegt in der Natur der Gefahrenabwehr, dass sich ihre Strategien und Technologien weiterentwickeln. Maschinelles Lernen kann Sicherheitsexperten bei ihrer Arbeit helfen, ersetzen können sie die menschliche Intelligenz aber nicht. Nach wie vor liefern selbstlernende Algorithmen nur dann brauchbare Ergebnisse, wenn Experten sie mit den richtigen Daten füttern, die Resultate überprüfen und die Algorithmen in ständigen Verbesserungsschleifen anpassen. Aber gerade deswegen ist Online-Sicherheit auch ein spannendes Arbeitsfeld.