Heute haben wir auf der Protect 2026 in San Diego das agentenbasierte Proofpoint-System für sichere Zusammenarbeit vorgestellt. Dabei handelt es sich um ein einzelnes System, das absichtsbasierte Erkennung, agentenbasierte Untersuchungen und Anwenderrisiko-Agenten zusammenführt, um die Kommunikation und Zusammenarbeit von Anwendern zu schützen. Die drei Teile des Systems greifen ineinander: Die absichtsbasierte Erkennung analysiert den Kontext, um festzustellen, welches Ziel eine Interaktion tatsächlich verfolgt. Agenten wandeln diese Entscheidungen dann in Untersuchungen, Reaktionen und die Verwaltung von Anwenderrisiken um, was bislang stets manuell von Analysten durchgeführt werden musste.
Warum jetzt?
Die Angriffe, die heute am schwersten zu erkennen sind, sehen überhaupt nicht ungewöhnlich aus. Postfächer von Lieferanten werden von innen heraus kompromittiert. Dazu lesen Angreifer monatelang echte Korrespondenz, bevor sie innerhalb eines laufenden E-Mail-Threads antworten und sich in einer Nachricht von einem echten Konto auf eine Bestellung beziehen, die tatsächlich erteilt wurde. Sie nutzen keine Malware, keinen Link und keine Doppelgänger-Domain, weshalb es auch keine greifbare Bedrohung gibt, die mit einer Regel erfasst werden könnte. Ein Angriff, der auf das Konto einer Führungskraft abzielt, findet möglicherweise nur einmalig statt und bildet daher nie ein Muster. Eine Anfrage, die nicht dem normalen Zugriffsmuster einer Person entspricht, kommt immer noch von einer Person, die zum Senden einer solchen Anfrage berechtigt ist.
Verhaltensanalysen sind darauf ausgelegt, Abweichungen von einer Basislinie zu erkennen. Dieser Ansatz versagt jedoch, sobald das Konto, die Kommunikation und die Anfrage genau so aussehen, wie sie aussehen sollen. Um diese Angriffe zu erkennen, muss die Absicht einer Nachricht analysiert und nicht nur darüber nachgedacht werden, ob sie sich von dem unterscheidet, was zuvor über E-Mails, Collaboration-Tools und den Browser eingegangen ist.
Gleichzeitig ist der Aufwand für Reaktionen auf tatsächlich erkannte Bedrohungen wesentlich höher als das, was die meisten Sicherheitsteams manuell bewältigen können. Bei einer einzigen Untersuchung müssen möglicherweise Beweise aus E-Mails, Identitätsverwaltungstools, Endpunkten, Browsern und einem halben Dutzend anderer Tools zusammengetragen werden, bevor das Problem und das Ausmaß seiner Ausbreitung überhaupt erkannt wird. Ein Security-Awareness-Programm, das auf statischen Schulungsmodulen basiert, kann nicht Schritt halten mit einer Bedrohungslandschaft, die sich jede Woche ändert. Und eine manuell gepflegte VIP-Liste ist in dem Moment veraltet, in dem eine neue Person zum Ziel wird. Um diese Lücke zu schließen, ist bessere Erkennung allein nicht ausreichend. Stattdessen benötigen Sicherheitsteams Agenten, die Untersuchungs-, Reaktions- und Risikomanagementaufgaben übernehmen können, die bisher immer manuell durchgeführt werden mussten.
Zur Lösung dieses Problems ist ein System erforderlich, bei dem Kontext, Schlussfolgerungen und Aktionen durchgängig miteinander verbunden sind. Nachfolgend werden die einzelnen Komponenten dieses Systems beschrieben: der Graph, der den Kontext liefert, das Modell, das diesen Kontext analysiert, und die Agenten, die auf die Erkenntnisse reagieren.
Signale sind nur dann von Bedeutung, wenn sie eine Verbindung herstellen: der Proofpoint Knowledge Graph
Anbieter beschreiben ihre Erkennung zunehmend danach, wie viele Signale sie erfassen. Ein Signal ist jedoch nur dann nützlich, wenn es eine Verbindung zu etwas herstellt, das das System bereits kennt. Ein Modell, das auf Domain-Ebene arbeitet, kann Ihnen nicht sagen, ob die Person, die heute eine E-Mail erhält, von Ihrem Unternehmen bereits als besonders riskant eingestuft wurde, oder auf welche Daten diese Person zugreifen kann. Die meisten Anbieter können zwar die Collaboration-Daten, aber nicht die restlichen Sicherheitstechnologien eines Kunden einsehen, sodass ihr Bild eines einzelnen Anwenders oberflächlich bleibt.
Wir bauen unseren Proofpoint Behavior Graph zum Proofpoint Knowledge Graph aus, erweitern die Profilerstellung von der Domain-Ebene auf Gruppen und einzelne Anwender und fügen Themen- sowie Tonfallmodellierung durch eine Topic Foundry hinzu, die neue Erkenntnisse direkt an das Gateway weiterleitet. Der Knowledge Graph reicht auch über Collaboration-Sicherheit hinaus in den Rest der Plattform und bezieht Signale aus Datensicherheit und KI-Sicherheit ein. Dadurch kann bei der Erkennung nicht nur die Frage gestellt werden, ob eine Nachricht korrekt aussieht. Zusätzlich kann geprüft werden, ob der Empfänger bereits als gefährdet bekannt ist und was er bei einer möglichen Kompromittierung tatsächlich preisgeben könnte.
Erkennung, die nicht zwischen Geschwindigkeit und Genauigkeit wählt: Proofpoint Nexus-Modell für absichtsbasierte Erkennungen
Ein einzelnes Erkennungsmodell muss sich zwischen Geschwindigkeit und Genauigkeit entscheiden und diesen Ansatz auf jede von ihm untersuchte Nachricht anwenden. Anbieter, die sich für Geschwindigkeit entscheiden, nehmen eine oberflächliche Analyse in Kauf. Anbieter, die sich für Genauigkeit entscheiden, nehmen Verzögerungen in Kauf, meist indem sie eine Nachricht zur Überprüfung zurückhalten, nachdem sie bereits den Posteingang erreicht hat. Keiner der beiden Ansätze kann den Unterschied zwischen einer ungewöhnlichen Nachricht und einer Nachricht mit einer nicht stichhaltigen Anfrage erkennen.
Das Nexus-Modell für absichtsbasierte Erkennungen, das auf dem oben beschriebenen Proofpoint Knowledge Graph läuft, bewertet das Ziel einer Nachricht, die Glaubwürdigkeit dieses Ziel angesichts der Sender-Empfänger-Beziehung und die zur Verfolgung dieses Ziels verwendete Technik. Mithilfe von Flash-Modellen trifft es die meisten Entscheidungen innerhalb von weniger als einer halben Sekunde. Es prüft den geschäftlichen Kontext, die bekannte Angreiferinfrastruktur sowie das Risikoprofil des Absenders und ist damit das einzige sichere E-Mail-Gateway, das eine absichtsbasierte Erkennung liefert, bevor eine Nachricht den Anwender erreicht.
Auf der Konferenz haben wir die allgemeine Verfügbarkeit von zwei neuen Flash-Modellen für absichtsbezogene Analysen bekannt gegeben, die Unternehmen vor Bedrohungen und Geschäftsunterbrechungen schützen:
- Erweiterte Kampagnenvervollständigung: Verbindet scheinbar unabhängige E-Mail-Bedrohungen zu einer einzigen Kampagne – selbst wenn Betreffzeilen, Nachrichteninhalte oder andere Attribute unterschiedlich sind. Indem die Absicht des Angreifers anstelle des exakten Inhalts abgeglichen wird, werden raffinierte Kampagnen aufgedeckt, die darauf ausgelegt sind, der Erkennung zu entgehen.
- Schutz vor E-Mail-Bombing durch Aktivisten: Erkennt koordinierte, auf Unternehmen abzielende E-Mail-Kampagnen von Aktivisten selbst dann, wenn die Nachrichten von mehreren Absendern stammen. Durch den Abgleich gemeinsamer Absichten in E-Mails werden von Aktivisten durchgeführte E-Mail-Bombing-Kampagnen identifiziert, die von klassischer Bedrohungserkennung möglicherweise übersehen werden.
Die nächste Gruppe tatsächlich mehrdeutiger Nachrichten wird einer erweiterten Prüfung außerhalb des Posteingangs unterzogen, wo das Modell Beziehungsverlauf, Kampagnenkorrelation und Verhaltenskontext abwägt, bevor es eine Entscheidung trifft. Die schwierigsten Fälle werden während der Untersuchung vollständig rekonstruiert. Da Proofpoint sein eigenes Gateway betreibt, erfolgt diese Analyse vor der Zustellung, im Posteingang und während der Untersuchung. Alles, was das Modell im späteren Verlauf lernt, fließt in die Erkennung vor der Zustellung ein.
Jede Erkennung wird zudem mit Erkenntnisse aus drei Perspektiven – Einzelperson, Unternehmen und Branche – angereichert, sodass eine einmal erkannte Technik bei allen identifiziert werden kann, die wahrscheinlich bedroht sind. Eine Technik, die auf individueller Ebene isoliert erscheint, kann offensichtlich sein, sobald sie mit dem Rest des Unternehmens verglichen wird. Und eine Kampagne, die innerhalb eines Unternehmens unsichtbar ist, kann unverkennbar sein, sobald sie nur mit vergleichbaren Institutionen in derselben Branche verglichen wird. Erkennungen profitieren von der weltweit größten Community für E-Mail-Sicherheit. Proofpoint analysiert jährlich 2,37 Billionen E-Mails, 19,5 Billionen URLs und 1,27 Billionen Anhänge bei mehr als 3,4 Millionen Kunden. Dadurch können wir eine Kompromittierung oft bei einem Lieferanten oder Partner feststellen, der nicht einmal Proofpoint-Kunde ist – und zwar, bevor die Kompromittierung Sie erreicht.
Absichtsbasierter Schutz, der für kritische Anwender entwickelt wurde: Schutz für privilegierte Anwender
Ein Angriff, der auf eine einzige Führungskraft zugeschnitten ist, wiederholt sich nicht und bildet daher niemals ein Muster, aus dem ein Modell auf Anwenderebene lernen könnte. Eine schädliche Nachricht oder eine anhaltende, auf eine bestimmte Person bezogene Kampagne ist weder Malware noch Spam und passiert daher herkömmliche Filter, ohne eine Erkennung auszulösen. Bestehende VIP-Schutzmaßnahmen wenden eine restriktivere Richtlinie auf eine manuell geführte Liste an. Das ist jedoch nicht gleichzusetzen mit dem Verständnis dessen, was für diese Person normal ist.
Der Schutz für privilegierte Anwender erstellt und pflegt ein dediziertes Erkennungsmodell für jeden geschützten Anwender, das anhand ihrer spezifischen Beziehungen, Kommunikationsmuster und Workflows trainiert wird. Auf diese Weise kann ein für eine Person konzipierter Angriff bereits beim ersten Versuch erkannt werden und nicht erst, nachdem sich ein Muster bei anderen Opfern zeigt. Darüber hinaus deckt dieser Schutz auch unerwünschte, speziell auf diese Person abzielende Kommunikation ab und senkt automatisch den Schwellenwert für tiefergehende Analysen bei allem, was nur an diese Person adressiert ist.
Automatisierung von Untersuchungen, die früher Tage in Anspruch genommen haben: Autonome Untersuchung von Bedrohungen
Wenn eine Warnung ausgelöst wird, muss ein Analyst immer noch feststellen, was tatsächlich passiert ist. Das bedeutet, dass Beweise einzeln aus E-Mail-, Identitätsverwaltungs-, Endpunkt-, Browser- und SIEM-Tools abgerufen und manuell in einer Zeitleiste zusammengestellt werden müssen. Die meisten Sicherheitsteams verfügen nicht über das erforderlich Zeitbudget, um diese Aufgabe für jede Warnung gründlich zu erledigen. Deshalb werden Untersuchungen entweder gar nicht oder zu langsam durchgeführt, um noch relevant zu sein.
Die autonome Untersuchung von Bedrohungen automatisiert diese Arbeit. Sie kann manuell aufgerufen oder automatisch ausgelöst werden, wenn etwas genauer untersucht werden muss. Sie analysiert Telemetriedaten von Proofpoint und Daten von Drittanbietern, z. B. von Identitätsverwaltungs-, Endpunkt-, Browser-, SIEM-, Webproxy- und anderen mit MCP verbundenen Tools, um den Angriff zu rekonstruieren, den zeitlichen Ablauf und das Ausmaß der Schäden zu bestimmen und eine Reaktion zu empfehlen oder auszuführen. Anstelle einer Reihe von Warnmeldungen, die die Analysten selbst korrelieren müssen, erhalten sie eine fertige Untersuchung. Jede Untersuchung fließt auch in einen geschlossenen Prozess ein: Mit allen Lernergebnissen aus False Positives, False Negatives oder den eigenen Einreichungen von Kunden wird die Erkennungslogik aktualisiert, sodass dieselbe Bedrohung wahrscheinlich seltener übersehen wird.
Ein neuer proaktiver Ansatz zur Reduzierung des wachsenden Anwenderrisikos: Proofpoint-Agenten zur Erkennung von Anwenderrisiken
Obwohl nur eine kleine Anzahl von Anwendern für einen unverhältnismäßig hohen Anteil des Risikos eines Unternehmens verantwortlich ist, haben viele Sicherheitsteams Schwierigkeiten, diese Anwender zu identifizieren und zu verstehen, warum sie gefährdet sind. Ohne diesen Kontext müssen Teams raten, worauf sie sich konzentrieren sollen, welche Anwender zusätzliche Aufmerksamkeit benötigen und wie das Risiko wirksam reduziert werden kann.
Gleichzeitig entwickeln sich Angreifer schnell weiter. Sie nutzen KI, um Ziele zu recherchieren, gefährdete Anwender zu identifizieren und nach Schwachstellen zu suchen. Die Lücke zwischen Angriffen in Maschinengeschwindigkeit mit hochgradig personalisierten Ködern und Abwehrmaßnahmen, die das Anwenderrisiko immer noch als Security-Awareness-Problem behandeln oder sich auf isolierte Tools verlassen, wird immer größer.
Proofpoint-Agenten zur Erkennung von Anwenderrisiken schließen diese Lücke, indem sie zwei koordinierte Agenten, den Red Team Agent und den Blue Team Agent, in einem kontinuierlichen Kreislauf zusammenbringen, um den Schutz zu stärken und das Anwenderrisiko zu reduzieren. Der Red Team Agent erforscht, synthetisiert und koordiniert kontinuierlich die Erkennung von Anwenderrisiken, indem er Kontext aus öffentlichen Signalen von Mitarbeitern, Unternehmen und Partnern erstellt. Mithilfe dieses Kontexts erstellt er personalisierte Köder und koordiniert verkettete Ereignisse, einschließlich der Simulation realer Angriffe.
Der Blue Team Agent erstellt dynamische Profile für Anwender mit hohem Risiko, empfiehlt anpassbare Steuerelemente und Schutzmaßnahmen, wendet diese an und bietet im entscheidenden Moment gezielte, bedrohungsorientierte Schulungen. Zusammen bilden die Agenten ein sich kontinuierlich verbesserndes System, bei dem jeder Agent unabhängig arbeitet, was Unternehmen dabei hilft, Anwenderrisiken mit minimalem Verwaltungsaufwand proaktiv zu reduzieren.
Erweiterung des Schutzes über die Zustellung hinaus: Erweiterter Proofpoint-Schutz für Browser
Angriffe finden dort statt, wo die Arbeit ausgeführt wird. In etwa 85 % der Arbeitszeit werden jetzt Browser und Cloud-Anwendungen genutzt und Angreifer haben sich an diese Entwicklungen angepasst.1 Phishing- und Kontoübernahme-Angriffe enden im Browser, wo Anmeldedaten eingegeben, Sitzungs-Token übergeben und Zustimmungen erteilt werden. Immer häufiger beginnen sie auch dort – ganz ohne E-Mail. 95 % der im Jahr 2025 beobachteten In-Browser-Angriffe nutzten eine Form von Bot-Schutz, um Sandbox-Analysen zu umgehen.2 Dabei wird zum Beispiel in einer Sandbox, die diese Seite von unserer Infrastruktur lädt, eine saubere Seite oder URLs angezeigt, die sich hinter Authentifizierungsabfragen für Endnutzer befinden. Und etwa ein Drittel der im letzten Jahr abgefangenen Schaddaten gingen nicht per E-Mail ein, sondern über Suchergebnisse, Malvertising usw.2
E-Mail-Sicherheit hat keinen Einblick in das, was nach dem Klick passiert. Ein Browser-Tool, das nicht mit E-Mail-Bedrohungsdaten verknüpft ist, arbeitet mit einem viel kleineren Bild. Der in Zusammenarbeit mit Push Security bereitgestellte erweiterte Proofpoint-Schutz für Browser schließt diese Lücke. Er wendet dieselben Bedrohungsdaten, die eingehende E-Mails schützen, auf den Browser an, validiert angeklickte URLs in Echtzeit und schützt vor browsernativen Techniken wie Adversary-in-the-Middle-Angriffen, Diebstahl von Sitzungs-Token, OAuth-Missbrauch und schädlichen Erweiterungen.
Proofpoint ist der einzige Anbieter mit gemeinsamen E-Mail- und Browser-Bedrohungsdaten. Proofpoint Core Email Protection erkennt den Köder, den Absender, die Kampagne und jeden anvisierten Empfänger. Der erweiterte Proofpoint-Schutz für Browser erkennt, was der Anwender tatsächlich im Browser tut. Jede dieser Lösungen verbessert die andere: Durch E-Mail-Kontext erhält der Browser Informationen zu verdächtigen Aktivitäten und Browser-Entscheidungen schließen blinde Flecken bei der Zustellung. Durch die Zusammenarbeit mit Push Security in Kombination mit der nativen Erkennung sowie den E-Mail- und Identitätsdaten von Proofpoint sind wir in der Lage, einzigartige Erkennungs- und Reaktionsfunktionen für browserbasierte Angriffe bereitzustellen. Darüber hinaus verbessert eine im Browser erkannte Technik das, was vor der Zustellung abgefangen wird, und eine in E-Mails abgefangene Technik verbessert das, worauf der Browser achtet. Erkennungen werden in derselben Threat Protection Workbench angezeigt, sodass E-Mail- und Browser-Untersuchungen Kontextinformationen gemeinsam nutzen, anstatt als separate Tools zu laufen.
Blick in die Zukunft
Die zu Beginn dieses Artikels beschriebene Kompromittierung von Lieferantenkonten weist keine Signatur auf, die abgeglichen werden könnte. Es kommt keine Malware, keine schädliche Domain, kein anomaler Absender und damit nichts zum Einsatz, was ein Regelmodul jemals als kennzeichnungswürdig eingestuft hätte. Genau für diesen Wechsel der Angriffsstrategie ist dieses System konzipiert: von der Erkennung verhaltensbezogener Anomalien hin zu Schlussfolgerungen über Absichten und von Warnmeldungen, die auf die Reaktion einer Person warten, hin zu Agenten, die selbstständig untersuchen, reagieren und Risiken verwalten. Das System ist jedoch keine Lösung, die einmal aufgesetzt für immer gilt. Angreifer werden weiterhin Techniken finden, die keinen digitalen Fingerabdruck hinterlassen, weiterhin nach der Zustellung einer Nachricht operieren und weiterhin nach der Person suchen, die sich am einfachsten angreifen lässt. Um all diese Lücken zu schließen, führt dieses System vor der Zustellung Analysen durch, handelt nach dem Auslösen einer Warnung und verfolgt das dynamische Risiko eines Anwenders – im Browser ebenso wie im Posteingang.
Wir kontrollieren, wie viele dieser Arbeiten noch menschliches Eingreifen erfordern und wie genau Erkennung, Agenten und Browserschutz als ein System statt als drei separate Tools zusammenarbeiten. Wir freuen uns darauf, Ihnen im 1. Quartal 2027 im Rahmen eines Updates für das agentenbasierte Proofpoint-System für sichere Zusammenarbeit weitere Teile des neuen Erkennungssystems und der in diesem Blog besprochenen Funktionen präsentieren zu können. Vielen Dank an unsere Kunden und Partner für das Feedback, durch das diese Einführung mitgestaltet wurde, und an alle, die diese Woche in San Diego bei uns waren.
Quellangaben:
- Omdia: The State of Workforce Security (Der Stand der Sicherheit von Mitarbeitern), 2025, im Auftrag von Palo Alto Networks.
- Push Security: Browser Attack Techniques Report (Bericht zu Browserangriffstechniken), 2026.