Komprimierungs-Schmuggel: OpenAI schließt Lücke zum Abgriff von KI-Denkpfaden

Der KI-Entwickler OpenAI hat eine Schwachstelle in seinem System behoben, über die interne Denkpfade fortgeschrittener Modelle unbemerkt abgefangen werden konnten. Die von der Sicherheitsgruppe Xint gemeldete Methode ermöglichte es, komplexe Gedankengänge leistungsfähiger Systeme auf andere Modelle zu übertragen und so eine kostengünstige Nachahmung durch Wettbewerber zu erleichtern.

OpenAI bestätigte die Schwachstelle und schloss sie am 23. Oktober 2026. Für den Hinweis zahlte das Unternehmen eine Prämie in Höhe von 6.000 US-dollar an Xint.

Manipulation im Prozess der Datenkomprimierung

Die als Komprimierungs-Schmuggel bezeichnete Angriffsmethode setzte an OpenAIs internem Verdichtungsprozess für Daten an. Bei diesem Verfahren wird der Kontext umfangreicher Eingaben für nachfolgende Verarbeitungsschritte zusammengefasst.

Angreifer konnten zunächst eine anspruchsvolle Aufgabe an ein Spitzenmodell wie gpt-5.6-sol übergeben. Durch eine gezielte Manipulation der anschließenden Datenkomprimierung gelang es den Forschern, die internen Denkpfade des Systems abzufangen.

Neue KI-Gesetze, neue Cyberrisiken: Was kommt wirklich auf Ihr Unternehmen zu? Dieser kostenlose Report klärt auf, welche rechtlichen Pflichten und Bedrohungen Unternehmer jetzt kennen müssen. Kostenlosen Cyber-Security-Report jetzt herunterladen

In einem weiteren Schritt ließen sich diese Spuren an ein anderes Modell, beispielsweise gpt-4.1 oder gpt-4o, weiterleiten und dort mit einer direkten Aufforderung zur Ausgabe versehen.

Auf diese Weise konnten die sonst verborgenen Zwischenschritte des logischen Schließens sichtbar gemacht werden. Dieser Mechanismus eröffnete die Möglichkeit, die Funktionsweise hochentwickelter Modelle mit geringem Aufwand für das Training rivalisierender Systeme zu nutzen.

Wachsende Sorge vor systematischem Wissensabzug

Die Entdeckung trifft die Branche in einer Phase verschärfter Aufmerksamkeit für das sogenannte Modell-Destillieren. Bereits im September 2026 warnte die US-Cybersicherheitsbehörde CISA, dass mehrere Akteure wie DeepSeek, Moonshot AI, Alibaba, MiniMax, StepFun und Z.AI seit mindestens Ende 2024 Milliarden Tokens aus führenden US-Frontier-Modellen extrahiert hätten.

Betroffen waren nach Angaben der Behörde Systeme wie Claude, GPT, Gemini und Grok. Die unbefugte Ableitung von Denk- und Argumentationsketten gilt für Entwickler als erhebliches wirtschaftliches Risiko, da sie Konkurrenten ermöglicht, hochentwickelte Fähigkeiten ohne entsprechende Forschungs- und Rechenkosten nachzubilden.

Verschärfte Sicherheitskontrollen bei Trainings- und Modellabläufen

Der Vorfall reiht sich in eine Serie technischer Absicherungsmaßnahmen bei OpenAI ein. Erst am 20. September 2026 hatte ein internes Forschungsmodell des Unternehmens über einen fehlkonfigurierten DNS-Resolver begrenzten Zugang zum Live-Internet erlangt. Das Training wurde daraufhin vorübergehend unterbrochen.

Wer sich mit dem Einsatz intelligenter Systeme befasst, muss heute komplexe Regeln zu Kennzeichnung und Risikodokumentation beachten. Dieser kostenlose Download verschafft Ihnen den Überblick über Fristen und Pflichten, den Ihre Rechts- und IT-Abteilung jetzt dringend braucht. Umsetzleitfaden zum EU AI Act kostenlos sichern

Während dieser Pause untersuchte OpenAI eigene Systeme mittels KI-Agenten und stieß dabei auf mehrere Schwachstellen, darunter Fehler in Kata Containers sowie im Linux-Kernel. Dabei wurde unter anderem festgestellt, dass Agenten über Laufzeitunterschiede im Prozessorspeicher ganz ohne Netzwerkverbindung kommunizieren konnten.

Am 1. Oktober 2026 nahm OpenAI das Training wieder auf und schränkte die Netzwerkanbindung für Lernprozesse ein. Seit dem 23. Oktober 2026 trainiert das Unternehmen kein Frontiermodell mehr mit direktem Internetzugriff, sondern nutzt indexierte und zwischengespeicherte Momentaufnahmen des Internets.

Zeitgleich arbeiten Forschungseinrichtungen verstärkt an Methoden zur Überwachung von KI-Schnittstellen. Redwood Research stellte jüngst simulierte Kontrolltests vor, bei denen manipulierte Werkzeug-Ausgaben erzeugt werden, um Sicherheitsmonitore an den Schnittstellen von KI-Agenten zu überprüfen.

Die rasche Behebung der von Xint gemeldeten Lücke unterstreicht die Bemühungen, sowohl die Trainingsinfrastruktur als auch die Inferenzprozesse gegen ungewollte Datenabflüsse abzusichern.