Linux-Server & Infrastruktur
Exponierte Dienste, SSH, sudo- und Dateirechte, systemd-Units, Firewall-Regeln und Privilege Escalation – vom Angreifer mit Shell bis root.
Ich greife Ihre Systeme an, bevor es jemand anders tut.
Penetrationstests mit Schwerpunkt auf Linux-Infrastrukturen: Server, Container und Kubernetes – und die Webanwendungen, die darauf laufen. KI-gestützte Aufklärung, manuelle Tiefe und ein Bericht, mit dem Ihr Team direkt arbeiten kann.
- zertifikate
- OSCP · SCP Web Application Security
- methodik
- BSI IS-Pentest-Leitfaden · OWASP WSTG
- offensiv_seit
- 2019 · Bug Bounty, Disclosure, Pentests
- berichte
- Deutsch · Englisch
01 / leistungen
Was ich teste
Container & Kubernetes
Container-Ausbrüche, RBAC, NetworkPolicies, Secrets und Images: Wie weit kommt ein Angreifer aus einem kompromittierten Pod?
Web-Application- & API-Pentest
Manuelle Prüfung nach OWASP WSTG: Authentifizierung, Autorisierung, Eingabevalidierung, Injection und Business-Logik.
Externe Angriffsfläche
Was sieht ein Angreifer von außen? Subdomains, exponierte Dienste und vergessene Systeme – KI-gestützt erfasst, manuell bewertet.
Pipeline & Lieferkette
Build-Runner, Secrets, Berechtigungen, Container-Images und Abhängigkeiten: Wer kann was in Produktion bringen?
KI-Anwendungen & -Pipelines
LLM-Features nach OWASP Top 10 for LLM Applications, Agenten mit Werkzeugzugriff sowie die Daten- und Modell-Pipeline dahinter.
02 / vorgehen
Agenten kartieren. Ich gehe rein.
KI-Agenten tragen parallel zusammen, was über Ihre Systeme öffentlich auffindbar ist. Dann übernehme ich: gezielt, manuell und bis zum nachvollziehbaren Beweis. Am Ende steht ein Bericht, mit dem Ihr Team direkt arbeiten kann.
Die Animation folgt einem echten Black-Box-Assessment – vereinfacht und anonymisiert.
agents collecting
1/6
❯ ai-recon start --scope "*.[redacted].de" --agents osint,dns-enum
[*] osint: tech stack · public docs · repos dns-enum: subdomains · records
→ subdomains & technologien erfasst
❯ ai-recon add --agents port-scanning,service-discovery
[*] port-scanning: open ports service-discovery: banners · versions · tech
→ hosts, ports & dienste kartiert
❯ ai-recon brief --to me && nmap -sV -sC -p 8443 $SUSPECT
[*] findings übernommen · verdächtigen dienst gezielt prüfen
→ verdächtiger dienst
❯ burpsuite --project-file=engagement.burp
[*] auth · inputs · business logic · by hand
→ sql-injection + fehlkonfiguration
❯ python3 poc.py --target svc.[redacted].de
[*] custom proof of concept · reproducible
→ remote code execution
❯ ai-report draft --findings ./loot && review
[*] agent drafts · every finding verified by hand
→ bericht mit fixes übergeben
netzwerk
Proof of Concept, jederzeit reproduzierbar
Für jeden Fund ein konkreter Fix
Hilfe beim Schließen der Lücken
03 / zusammenarbeit
Vom Scoping bis zum Retest
-
01
Scoping
Ziele, Umfang, Testart (Black-, Grey- oder White-Box) und Zeitfenster schriftlich festgelegt.
-
02
Test
KI-gestützte Aufklärung, dann manuelle Prüfung. Kritische Funde melde ich sofort, nicht erst im Bericht.
-
03
Bericht
Management-Summary plus technische Findings mit Reproduktionsschritten, PoC und konkreter Behebung.
-
04
Retest
Nach Ihren Fixes prüfe ich erneut und bestätige die Behebung schriftlich.
04 / werkzeugkasten
Linux von innen kennen, um es von außen anzugreifen
Seit 2006 arbeite ich täglich mit Linux – von Embedded-Systemen in Medizin- und Kameratechnik über Build- und Entwicklungsserver bis zum produktiven Kubernetes-Cluster. Ich kenne die Systeme, die ich angreife, von innen: Rechte, Dienste, Konfiguration und die typischen Abkürzungen im Betrieb. Für Aufklärung und Berichte setze ich eigene Agenten-Workflows ein; mein Lab ist reproduzierbar aufgebaut, trainiert wird regelmäßig auf HackTheBox.
angriff
- Burp Suite
- OWASP ZAP
- mitmproxy
- nmap
- sqlmap
- ffuf
- nuclei
- subfinder
- httpx
- katana
- dnsx
- dalfox
- eigene Exploits & PoCs
ki & agenten
- Claude Code
- subagents
- MCP
- eigene Agenten
- LangGraph
- Ollama
distributionen
- Debian
- Ubuntu
- Red Hat
- NixOS
- Talos Linux
- Kali Linux
betrieb & härtung
- systemd
- auditd
- OpenSSH
- nftables
- WireGuard
- Tailscale
- eigene PKI / CA
- HashiCorp Vault
- Ansible
- Nix Flakes
container & cluster
- Kubernetes
- k3s
- OpenShift
- Docker
- Podman
- Helm
- ArgoCD
- RBAC
- NetworkPolicies
- Sealed Secrets
embedded linux
- Yocto / BitBake
- NXP i.MX6 / i.MX8
- QEMU
- Cross-Builds
- Remote-Debugging & Firmware-Updates
pipeline-sicherheit
- Trivy
- SonarQube
- Renovate
- SBOM / SPDX
- Secrets-Verwaltung
Wissen
05 / ki-sicherheit
Mehr als Prompt Injection
KI-Anwendungen erben die Schwächen klassischer Software und bringen eigene mit. Hier erkläre ich die wichtigsten Risiken für LLM-Anwendungen und KI-Pipelines – kurz, verständlich und mit Verweis auf die ausführliche Fachseite.
LLM-Anwendungen
Risiken in Anwendungen mit Sprachmodellen-
Prompt Injection
Eingaben – direkt oder versteckt in Dokumenten, Webseiten und E-Mails – bringen ein Modell dazu, seine Anweisungen zu ignorieren oder fremde auszuführen.
Weiterlesen → -
Excessive Agency
Ein Agent darf mehr, als seine Aufgabe verlangt: zu viele Werkzeuge, zu weite Rechte, zu wenig menschliche Bestätigung.
Weiterlesen → -
Data and Model Poisoning
Manipulierte Trainings-, Fine-Tuning- oder Embedding-Daten verändern das Verhalten eines Modells gezielt.
Weiterlesen →
KI-Pipelines
Von den Daten bis zum Inferenz-Endpunkt-
Agenten & Tool-Anbindung
MCP-Server, Werkzeugrechte und Automatisierung entscheiden, was ein manipulierter Agent tatsächlich anrichten kann.
Weiterlesen → -
Modell-Lieferkette
Herkunft und Integrität von Modellen, Gewichten und Abhängigkeiten – inklusive Registries und unsicherer Dateiformate.
Weiterlesen → -
Inferenz-Infrastruktur
Modell-Server und APIs sind Dienste wie andere auch: exponiert, oft schwach isoliert, selten mit Ressourcenlimits.
Weiterlesen →