Cisco Upgrades Open-Source DefenseClaw: Comprehensive AI Agent Security Scanning Framework
Cisco hat im März 2026 DefenseClaw als Open-Source-Sicherheits-Scan-Framework für KI-Agenten veröffentlicht. Mit der zunehmenden Einführung von KI-Agenten wie AutoGPT und CrewAI ist die Sicherung dieser autonomen Systeme zu einer kritischen Herausforderung geworden. DefenseClaw adressiert Schlüsselrisiken, darunter Schwachstellenscans für Tool-Nutzung und Prompt-Injection, Berechtigungsmanagement zur Durchsetzung des Least-Privilege-Prinzips und Ausgabescans auf bösartige Code-Muster. Im Gegensatz zu herkömmlichen SAST/DAST-Tools zielt es speziell auf die einzigartigen Angriffsflächen von KI-Agenten ab, wie etwa unbefugte Aktionen, die durch Prompt-Injection ausgelöst werden. Verfügbar auf GitHub mit CI/CD-Integration, markiert DefenseClaw den Übergang der KI-Agent-Sicherheit von der Theorie zur praktischen Umsetzung.
Cisco
veröffentlicht DefenseClaw als Open Source: Umfassende KI-Agent-Sicherheitsüberprüfung #
Einleitung: Die Sicherheitsherausforderungen der Agentic-KI-Ära
Am 23. März 2026 stellte Cisco auf der RSA Conference 2026 in San Francisco DefenseClaw vor — ein vollständig quelloffenes Framework zur Sicherheitsüberprüfung von KI-Agenten. Diese Veröffentlichung markiert einen Wendepunkt in der Unternehmens-KI-Sicherheit: den Übergang von passiver Verteidigung zu aktiver, automatisierter und lebenszyklusübergreifender Agent-Sicherheitsgovernance. Mit der rasanten Verbreitung von Agentic AI setzen immer mehr Unternehmen KI-Agenten ein, die autonom Aufgaben ausführen können. Diese Agenten sind keine einfachen Chatbots mehr, sondern autonome Software-Entitäten, die Werkzeuge aufrufen, APIs nutzen, Code ausführen und Datenbanken manipulieren können. Diese Autonomie bringt jedoch beispiellose Sicherheitsrisiken mit sich: Prompt-Injection-Angriffe können das Verhalten von Agenten kapern, Privilege-Escalation-Schwachstellen können zu Datenlecks führen, und bösartige Plugins können sich lateral im Agent-Ökosystem ausbreiten. #
Kernarchitektur: Fünf Scan-Engines
DefenseClaw basiert auf einer modularen Architektur mit fünf spezialisierten Scan-Engines: ##
1. Skill Scanner Bevor ein „Skill"
(Fähigkeit) in die Agentenumgebung geladen wird, führt der Skill Scanner eine umfassende Sicherheitsprüfung durch. Dies umfasst Berechtigungsanalyse, Datenfluss-Tracking, Abhängigkeitsketten-Inspektion und Verhaltensmuseter-Analyse, um übermäßige Berechtigungsanfragen und Datenleck-Risiken zu erkennen. ##
2. MCP Scanner Der MCP Scanner
(Model Context Protocol) zielt speziell auf MCP-Server ab und überprüft die Validierung der Anfragequelle, erkennt versteckte Prompt-Injection-Payloads in Werkzeugbeschreibungen und analysiert Rückgabewerte auf indirekte Prompt-Injections. ##
3. A2A Scanner
In Multi-Agent-Systemen überwacht der A2A Scanner die Agent-zu-Agent-Kommunikation, um nicht autorisierte Befehlsinjektionen und die Sicherheit von Nachrichtennutzlasten zu überprüfen. ##
4. CodeGuard (Statische Code-Analyse)
CodeGuard analysiert in Echtzeit jeden von KI-Agenten dynamisch generierten Code und erkennt Command-Injection-Schwachstellen, unsichere Dateioperationen, hartcodierte sensible Informationen und Logikfehler. ##
5. AI BOM Generator Angelehnt an
das SBOM-Konzept (Software Bill of Materials) erstellt der AI BOM Generator ein vollständiges Komponenteninventar für jeden KI-Agenten: verwendete Modelle, Skills, Plugins, Datenquellen und Abhängigkeiten. #
Laufzeit-Bedrohungserkennung
Die eigentliche Innovation von DefenseClaw liegt in der Laufzeit-Bedrohungserkennung. Das Framework überwacht kontinuierlich jeden ein- und ausgehenden Nachrichtenfluss der Agenten während der Ausführung und erfasst Bedrohungen, die erst zur Laufzeit auftreten. Wichtige Funktionen: - Echtzeit-Nachrichteninspektion - Vergleich mit Verhaltensbaselines zur Anomalieerkennung - ML-basierte Anomaliemuster-Erkennung - Automatische Blockierung und Berechtigungsentzug bei Bedrohungserkennung #
Richtliniendurchsetzung:
„Mauern" statt „Vorschläge" Cisco betont, dass DefenseClaw „Mauern, nicht Vorschläge" bietet. Richtlinienverstöße werden durch Block-/Allow-Listen, automatischen Berechtigungsentzug, Netzwerkisolierung und datenklassifizierungsbasierte Zugriffskontrolle hart durchgesetzt. #
Integration mit NVIDIA OpenShell
DefenseClaw integriert sich tief mit NVIDIAs OpenShell-Plattform, die eine gehärtete Sandbox-Ausführungsumgebung mit Hardware-Level-Isolation für KI-Agenten bietet. Die Integration automatisiert Sicherheitsüberprüfungen und bietet eine einheitliche Verwaltungsoberfläche. #
Ciscos
umfassende Agentic-KI-Sicherheitsstrategie Neben DefenseClaw kündigte Cisco auch Duo Agentic Identity (Identitätsmanagement für KI-Agenten) und AI Defense: Explorer Edition (Entwickler-Tool für Modellresilienz-Tests) an. Diese drei Lösungen bilden zusammen eine mehrschichtige Verteidigungsstrategie. #
Branchenauswirkungen und Open-Source-Entscheidung Die
Entscheidung für vollständige Open-Source-Veröffentlichung hat weitreichende strategische Bedeutung: 1. **Demokratisierung der KI-Sicherheit**: KMU erhalten Zugang zu Enterprise-Grade-Schutz 2. **Community-getriebene Innovation**: Sicherheitsforscher weltweit können beitragen 3. **De-facto-Standardisierung**: Potenzial als Industriestandard 4. **Transparenz**: Open-Source-Code kann unabhängig geprüft werden #
Fazit Die Veröffentlichung von
DefenseClaw markiert den Übergang der KI-Agent-Sicherheit von theoretischer Diskussion zur ingenieurtechnischen Praxis. Als quelloffenes, modulares, lebenszyklusübergreifendes Sicherheitsframework bildet es ein solides technisches Fundament für die Sicherheitsgovernance im Zeitalter der agentenbasierten KI.
Sources
FAQ
Was sind die fünf Kern-Scan-Engines von DefenseClaw?
DefenseClaw umfasst fünf spezialisierte Scan-Engines: 1) Skill Scanner — umfassende Sicherheitsprüfung von Agent-Skills vor dem Laden; 2) MCP Scanner — Erkennung von Prompt-Injection und unbefugtem Zugriff in MCP-Servern; 3) A2A Scanner — Überwachung der Agent-zu-Agent-Kommunikation; 4) CodeGuard — Echtzeit-statische Analyse von agentengeneriertem Code; 5) AI BOM Generator — Erstellung vollständiger Komponenteninventare für jeden KI-Agenten.
Wie unterscheidet sich die Laufzeit-Bedrohungserkennung vom statischen Scanning?
Statisches Scanning führt einmalige Sicherheitsprüfungen vor dem Laden durch, während die Laufzeit-Bedrohungserkennung kontinuierlich jeden Nachrichtenfluss der Agenten während der Ausführung überwacht. Selbst wenn ein Skill die Erstprüfung besteht, können Supply-Chain-Angriffe oder kontextbasierte Prompt-Injections in Echtzeit erkannt und blockiert werden.
Warum hat Cisco DefenseClaw als Open Source veröffentlicht?
Vier strategische Gründe: 1) Demokratisierung der KI-Sicherheit für KMU; 2) Community-getriebene Innovation durch Beiträge globaler Sicherheitsforscher; 3) Förderung der De-facto-Standardisierung für KI-Agent-Sicherheitsscanning; 4) Transparenz durch unabhängige Prüfbarkeit des Open-Source-Codes.