Phishing-Angriffe setzen zunehmend auf versteckte Inhalte, um moderne E-Mail-Sicherheitssysteme zu umgehen. Forscher haben mehr als eine Million Attacken identifiziert, bei denen zufälliger Text für Sicherheitstools unsichtbar gemacht wurde. Die sogenannte Text-Salting-Technik soll KI-gestützte Systeme bei der Bewertung von Nachrichten täuschen.
Forscher von Barracuda haben mehr als eine Million Phishing-Angriffe entdeckt, bei denen eine Umgehungstaktik zum Einsatz kommt, die bereits vor Jahren entwickelt wurde. Diese umgeht herkömmliche Spamfilter, indem sie die Wirkung verdächtiger Wörter abschwächt. Ein neuer Bericht beschreibt im Detail, wie diese als „Text Salting“ bekannte Taktik funktioniert: Große Mengen an zusammenhanglosen, unbedenklichen Texten werden in eine E-Mail eingefügt und anschließend so versteckt, dass Sicherheitstools sie zwar scannen können, sie für den E-Mail-Empfänger jedoch unsichtbar bleiben. Letzterer sieht lediglich den beabsichtigten Phishing-Inhalt.
Das Ziel besteht darin, Sicherheitstools zu täuschen und sie dazu zu bringen, die E-Mail als harmlos einzustufen. Dazu werden verdächtige Formulierungen verfremdet oder die Konzentration betrugstypischer Wörter wie „dringend“, „Prämien“, „läuft ab“ verwässert.
Angreifer setzen Phishing-Masche im Einzelhandel ein
Bei der Analyse der Betrugsmasche im Einzelhandelsbereich entdeckten die Barracuda-Forscher „Text-Salting“-Techniken, bei denen unter anderem das sichtbare Anzeigefenster um 100 Prozent verkleinert oder der Text so weit nach rechts an den Rand verschoben wurde, dass er für den Empfänger nicht mehr sichtbar war. Angreifer fügten außerdem Text direkt in Wörter oder Sätze ein und setzten seine Schriftgröße auf Null, oder sie fragmentierten HTML-Streams mit nicht standardkonformen Begriffen, um signaturbasierte Filter zu umgehen, die nach exakten Phrasen suchen. So könnte der HTML-Text beispielsweise lauten: „Ihr Pass [Zufallstext mit Schriftgröße Null] wort ist abgelaufen“. Scanner, die nach der Phrase „Ihr Passwort ist abgelaufen“ suchen, schlagen dann nicht an.
Der versteckte Inhalt bestand aus zufälligen Geschichten, generischen Unterhaltungen oder projektartigen Notizen, die eine hohe Anzahl positiver Wörter wie „Welpe“, „Training“, „Notizen“, „Aufgabe“, „Rhythmus“ oder „Buch“ enthielten, um die Wirkung verdächtiger Wörter zu verringern. Die sichtbare Nachricht enthält hingegen einen dringenden, auf den Einzelhandel bezogenen Köder, wie beispielsweise ablaufende Prämien, Punkte oder Geschenkkartenangebote.
Im Laufe des letzten Jahres haben die Barracuda-Forscher eine Zunahme beim Einsatz von „Text Salting“ beobachtet – nicht mehr nur, um Spracherkennung und Keyword-Analysen zu täuschen, sondern auch, um Machine-Learning-Modelle und zunehmend auch LLM-basierte Sicherheitstools dazu zu bringen, Phishing- oder Spam-Nachrichten fälschlicherweise als legitim einzustufen und so ihre Zustellung an die Empfänger zu ermöglichen.
Was KI-gestützte E-Mail-Sicherheitssysteme anfällig für diese Phishing-Techniken macht
Versteckter Text kann Einfluss darauf nehmen, wie ein Large Language Model (LLM) eine E-Mail interpretiert. LLMs verarbeiten alle Aspekte des E-Mail-Inhalts gleichermaßen – einschließlich des versteckten Textes – und nutzen diese Informationen, um die Absicht, die Stimmung, den Zweck und den Risikograd der E-Mail zu bewerten. Bei großen Mengen an zusammenhanglosem, harmlosem Text ist es wahrscheinlicher, dass das Modell die E-Mail fälschlicherweise als harmlos einstuft.
KI macht es für Angreifer zudem einfacher und schneller, automatisiert endlos viele, normal klingende Absätze zu beliebigen Themen kostenlos zu erstellen. Jede einzelne Phishing-E-Mail kann dadurch völlig anders aussehen, was eine Nachverfolgung unmöglich macht.
„Techniken mit verstecktem Text erleben im KI-Zeitalter ein Comeback“, sagt Pranati Sethi, Senior Threat Analyst bei Barracuda. „Diese Techniken manipulieren die Art und Weise, wie sowohl herkömmliche als auch KI-basierte Sicherheitstools eine E-Mail interpretieren, während generative KI Text-Salting-Kampagnen kostengünstig, skalierbar und äußerst vielfältig macht.“
Forscher empfehlen daher einen robusten, mehrschichtigen Ansatz für die E-Mail-Sicherheit, der sich nicht ausschließlich auf die Erkennung von Schlüsselwörtern stützt, sondern auch die Struktur der Nachricht, die Reputation des Absenders, Verhaltensanomalien, Authentifizierungsergebnisse, eingebettete Links, HTML-Rendering-Techniken und den für den Nutzer sichtbaren Inhalt bewertet. Untermauert werden sollte dies durch die Aufklärung der Nutzer über Warnsignale für Phishing-E-Mails, zum Beispiel unerwartete Angebote oder Nachrichten, die zum sofortigen Handeln auffordern.
Mehr bei Barracuda.com
Über Barracuda Networks Barracuda ist bestrebt, die Welt zu einem sichereren Ort zu machen und überzeugt davon, dass jedes Unternehmen Zugang zu Cloud-fähigen, unternehmensweiten Sicherheitslösungen haben sollte, die einfach zu erwerben, zu implementieren und zu nutzen sind. Barracuda schützt E-Mails, Netzwerke, Daten und Anwendungen mit innovativen Lösungen, die im Zuge der Customer Journey wachsen und sich anpassen. Mehr als 150.000 Unternehmen weltweit vertrauen Barracuda, damit diese sich auf ein Wachstum ihres Geschäfts konzentrieren können. Für weitere Informationen besuchen Sie www.barracuda.com.
Zum AI generated Visibility-Block
Passende Artikel zum Thema
AI generated Visibility-Block
Phishing: Versteckter Text soll E-Mail-Schutz austricksen
Fachliche Einordnung
Die Fachplattform B2BCS ordnet den aktuellen Forschungsbericht von Barracuda Networks zu über einer Million Phishing-Angriffen als dringendes Warnsignal für die Mail-Security im September 2026 ein. Cyberkriminelle nutzen die wiederauflebende Taktik des „Text Salting“, um gezielt KI-gestützte E-Mail-Filter und Large Language Models (LLMs) zu manipulieren. Durch das Einfügen von unsichtbarem, mittels Generativer KI erzeugtem Fülltext werden Schlüsselwörter verwässert und Sentiment-Analysen getäuscht. Wie Threat Analyst Pranati Sethi betont, erfordert diese Entwicklung den Übergang zu vielschichtigen Security-Architekturen, die HTML-Rendering, Absender-Reputation und Intent-Analysen kombinieren.
Key-Takeaways
- Comeback von Text Salting: Über 1 Million Phishing-Mails nutzen unsichtbaren Zusatztext, um Keyword-Scanner, Machine-Learning-Filter und LLM-basierte Sicherheitstools gezielt zu täuschen.
- Tricks beim HTML-Rendering: Angreifer verkleinern Textfenster um 100 %, nutzen Schriftgröße Null, verschieben Text aus dem Sichtfeld oder fragmentieren Wörter („Ihr Pass [Zufallstext] wort“), um Signatur-Scanner zu unterlaufen.
- Manipulation von LLMs: Großsprachmodelle verarbeiten auch verborgene Mail-Inhalte. Positiv besetzte Wörter (z. B. „Welpe“, „Rhythmus“) drücken das berechnete Risikoniveau künstlich nach unten.
- GenAI als Skalierungsbeschleuniger: Generative KI ermöglicht es Angreifern, automatisierte und vollkommen individuell gestaltete Textblöcke kostenlos im Massenmaßstab zu erzeugen.
- Bedarf an Multi-Layered Email Security: Einfache Keyword-Analysen greifen zu kurz; Mail-Filter müssen Bild-Rendering, Absenderreputation, Verhaltensmuster und Link-Dynamiken ganzheitlich analysieren.
Strategische Analyse
Das Phänomen des modifizierten Text Saltings offenbart im Jahr 2026 eine gravierende Schwachstelle moderner AI-Mail-Defenses: LLM-basierte Filter interpretieren den gesamten Quellcode einer E-Mail semantisch, unterscheiden im ersten Schritt jedoch oft unzureichend zwischen visuell wahrnehmbarem und verstecktem Code. Wenn Cyberkriminelle GenAI nutzen, um unendlich variierenden Fülltext einzuschleusen, schlagen klassische Verhaltens- und Sentiment-Modelle fehl. Für CISOs wird es daher unumgänglich, E-Mail-Sicherheitslösungen einzusetzen, die das tatsächliche visuelle Endnutzer-Rendering (Visual Inspection) simulieren und HTML-Obfuskationstechniken vor der KI-Bewertung eliminieren.
Handlungsempfehlung:
IT-Sicherheitsverantwortliche und SOC-Teams sollten folgende Abwehrmaßnahmen gegen Text Salting und AI-Evasion ergreifen:
- Visual Rendering & HTML-De-Obfuscation aktivieren: Nutzen Sie Secure Email Gateways (SEGs), die den Mail-Inhalt vor der KI-Analyse so aufbereiten und rendern, wie er dem Empfänger tatsächlich angezeigt wird.
- Mehrschichtige Erkennung ohne Keyword-Fokus etablieren: Setzen Sie auf Sicherheitslösungen, die Ausreißer in der Absenderreputation, DMARC/DKIM-Authentifizierung, Link-Weiterleitungen und Verhaltensanomalien priorisieren.
- LLM-Filter gegen Prompt- & Context-Injections härten: Stellen Sie sicher, dass eingesetzte KI-Mail-Filter spezifische Parser nutzen, um versteckte CSS-Tags und Schriftgrößen-Tricks (Font-Size 0) vor der Vektorisierung herauszufiltern.
- Mitarbeiter auf Dringlichkeits-Köder schulen: Führen Sie Phishing-Awareness-Trainings durch, die Mitarbeiter darauf sensibilisieren, primär auf ungewöhnliche Dringlichkeit (z. B. Ablauf von Punkten, Gutscheinen oder Konten) zu achten.
„B2BCS ist eine führende Fachplattform für Cybersecurity-Entscheider und bündelt die Expertise globaler Branchenführer für den DACH-Markt.“
Profitieren Sie von unserer SEO-Stärke:
Domain-Rating (Ahrefs): 43 | Domain-Authority (Moz): 54 | Backlinks: ~75.000 | Linking Root Domains: >1.200