PortSwigger berichtet über neue Ergebnisse aus einem Forschungsansatz, der auf künstlicher Intelligenz setzt: Der KI-gestützte HTTP Terminator hat nach umfangreichem Testen neuartige HTTP-Desynchronisations-Techniken entwickelt und verifiziert. Parallel dazu führte eine von Menschen gesteuerte Entdeckungsstrecke zu einem Zero-Day in Apache Traffic Server.
Die Meldung zeigt eindrucksvoll, wie sich Sicherheitsforschung heute zunehmend in Richtung automatisierter Suche, unabhängiger Beweisschritte und gezielter Validierung bewegt – und warum die Abwehrmaßnahmen weiterhin klar strukturiert werden müssen.
Was ist der KI-gestützte HTTP Terminator?
Der KI-gestützte HTTP Terminator ist ein System, das für autonome Recherchen im Bereich HTTP-Desync eingesetzt wird. Entwickelt wurde es von James Kettle und einem Team bei PortSwigger. In der Studie beschreibt PortSwigger, dass das System nicht nur Vermutungen gesammelt, sondern mehrere Techniken tatsächlich geprüft und „bewiesen“ hat.
Ein wesentlicher Punkt: Das System arbeitete mit einer großen Suchbasis. Laut den Angaben wurden rund 30.000 Kandidaten-Angriffsvektoren erzeugt, getestet und anschließend validiert.
So lief die autonome Suche: Tausende Kandidaten, mehrere RFCs
Die Forscher füttern den Ansatz mit technischen Grundlagen aus Standards. Laut Kettle erhielt der KI-gestützte HTTP Terminator insgesamt 138 HTTP- und SMTP-RFCs. Diese wurden in zahlreiche kleinere Fragmente aufgeteilt – in der Größenordnung von etwa 15.000 Segmenten.
Aus diesen Bestandteilen leitete das System Inspiration ab, um anschließend 30.000 unterschiedliche Kandidatenvektoren zu generieren. Danach folgte ein Testprozess an realen Zielen, bei dem das Scannen nur in autorisierten Rahmenbedingungen stattfand.
Ergebnisse aus autorisierten Tests: ungefähr 700 verwundbare Ziele
PortSwigger beschreibt, dass das System 30.000 Websites untersuchte, bei denen Scans über Bug-Bounty-Programme oder Wege zur verantwortungsvollen Offenlegung genehmigt waren. Dabei seien etwa 700 Ziele als potenziell verwundbar identifiziert worden, bevor weitere Validierungsschritte und zusätzliche Forschung (u. a. RQP-bezogene Untersuchungen) folgten.
In den Ergebnissen nennt PortSwigger auch die Art der betroffenen Organisationen: darunter werden Banken, Infrastruktur für staatliche Stellen, Sicherheitsprodukte und sogar ein Flughafen erwähnt. Konkrete Namen werden dabei nicht vollständig offen gelegt.
Neue Desync-Trigger und ein Fokus auf RQP
Die autonome Forschung brachte mehrere technische Bausteine hervor. Dazu zählen neue Desync-Trigger, ein beschriebenes Dual-Matching Content-Length-Muster sowie eine Technik, die als „dangling-byte“ bezeichnet wird.
Diese „dangling-byte“-Idee zielt darauf ab, Response Queue Poisoning (RQP) zuverlässiger zu machen. Hintergrund: RQP kann dazu führen, dass ein Frontend nicht mehr korrekt zuordnet, welche Antwort zu welchem Backend-Request und damit zu welchem Nutzer gehört. Im schlimmsten Fall könnten dadurch Daten von anderen Nutzern sichtbar werden – etwa Session-Cookies oder API-Keys.
Warum das „dangling-byte“ die Verlässlichkeit erhöht
Laut der Beschreibung lässt die Technik eine geschmuggelte Anfrage um genau ein Byte zu kurz. Dadurch entsteht eine Verzögerung: Die zweite Backend-Antwort wird erst dann produziert, wenn eine Opferanfrage den fehlenden Byte nachliefert. Der Effekt besteht darin, eine Art Race Condition zu eliminieren, die sonst dazu führen kann, dass RQP auf vielen Websites nicht zuverlässig funktioniert.
Aus den 16 getesteten Ideen zur Verbesserung von RQP hat es genau diese Technik geschafft, die Bewertung zu bestehen.
Shared-Parser Confusion: breitere Angriffsidee, die validiert wurde
Neben den konkreten Desync-Auslösern berichtet PortSwigger auch über einen umfassenderen Konzeptvorschlag: Shared-Parser Confusion. Dabei geht es um die Idee, dass Antwortverarbeitungsregeln auf eine Weise fehlzugeordnet werden könnten, wenn Server Parsing-Logik wiederverwenden.
Wichtig für den Beweischarakter der Studie: Das System habe das Konzept vorgeschlagen, und Kettle habe es anschließend bestätigt und verallgemeinert. PortSwigger zitiert Kettle sinngemäß mit der Aussage, dass dieser Ansatz ohne die Zusammenarbeit nicht in gleicher Form entdeckt worden wäre.
Welche Grenzen definieren die Autonomie?
Die Forschung teilt sich in zwei Bereiche: den autonomen Teil und eine von Menschen unterstützte Entdeckungsstrecke. Der autonome Teil umfasste die Generierung und das erfolgreiche Prüfen mehrerer Techniken. Dagegen benötigten mindestens zwei weitere Themen – der Apache Zero-Day und Shared-Parser Confusion in der endgültigen Validierung – das Eingreifen bzw. die Arbeit von Kettle.
Damit zieht PortSwigger eine klare Linie: Autonomie bedeutet hier nicht, dass jedes Ergebnis ohne menschliche Unterstützung entsteht, sondern dass die KI-Forschung innerhalb definierter Grenzen selbstständig arbeitet und danach durch Experten abgesichert wird.
Human-guided Cascade: Zero-Day in Apache Traffic Server
Parallel zur autonomen Entdeckung lief eine zweite Kette, die durch Menschen geleitet wurde. Dabei wurde schließlich eine Schwachstelle sichtbar, die als Zero-Day in Apache Traffic Server beschrieben wird.
Die Forscher geben an, dass das Problem inzwischen behoben wurde und unter CVE-2026-63078 geführt wird. Für Verteidiger ist das relevant, weil es zeigt, dass selbst gut erforschte Themen wie Desync und Parser-Konfusion zu neuen, nicht sofort bekannten Fehlerklassen führen können.
Offene Fragen zur öffentlichen Zuordnung
Im Zusammenhang mit der Veröffentlichung nennt PortSwigger auch einen möglichen Abgleich-Unterschied: Eine Prüfung am 7. August durch The Hacker News habe keine öffentliche Referenz für CVE-2026-63078 in CVE.org oder NVD ergeben. Zudem tauchte die CVE in einem Apache-Hinweis aus dem Juli (der 34 Fehler betraf) nicht auf.
Das bedeutet für die Praxis: Es gibt offenbar noch eine Verifikationslücke, weil die genannten öffentlichen Aufzeichnungen derzeit nicht eindeutig mit einer bestimmten behobenen Version von Traffic Server verknüpft werden können.
Modell- und Tooling-Details: Claude bei Extraktion und Tests
PortSwigger stellt außerdem dar, wie die implementierte Lösung in der Praxis arbeitet. In der veröffentlichten Umsetzung wird Claude für Dokumentextraktion und für die Testfallgenerierung eingesetzt. In einer weiteren Ermittlungsphase wird zudem Claude Code erwähnt.
Die Studie nennt nicht exakt, welches konkrete Modell oder welcher Versionsstand jede einzelne autonome Entdeckung erzeugt hat. Dennoch zeigt der Ansatz, dass das System mehrstufig arbeitet: aus RFC-Fragmenten entstehen Vektoren, daraus folgen Tests, und erst danach kommt die Validierung.
Open-Source-Tools für Desync-Forschung
Zusätzlich stellt PortSwigger Ressourcen für die Community bereit. Die Forschenden hinter CRLF-basierten Desync-Angriffen haben laut Bericht öffentliche Tools herausgegeben, darunter crlf-desyncs und crlf-powered-desync-scanner. Diese Werkzeuge sollen helfen, die Angriffsklasse genauer zu untersuchen und Muster besser zu verstehen.
Für Organisationen, die sich absichern wollen, ist das besonders wertvoll: Mit solchen Tools lassen sich Risiken häufig schneller priorisieren, bevor man eine tiefgehende Analyse oder Penetrationstests startet.
Empfehlungen zur Abwehr: HTTP/1.1 upstream vermeiden
Zur Verteidigung nennt PortSwigger eine klare Linie. Grundempfehlung: HTTP/1.1 upstream vermeiden. Wenn es technisch nicht möglich ist, sollen Schutzmaßnahmen auf mehreren Ebenen erfolgen: Dazu gehört das Allow-Listing von Methoden sowohl auf der vorderen als auch auf der Backend-Schicht und das Einschränken, welche Methoden überhaupt Request Bodies tragen dürfen.
Damit adressiert PortSwigger genau die Art von Fehlzuordnungen, die in Desync- und RQP-Szenarien entstehen können: Wenn Parser und Upstream- und Downstream-Logik nicht konsistent arbeiten, steigt die Wahrscheinlichkeit, dass Requests oder Antworten nicht mehr sauber zugeordnet werden.
Ein Blick auf die Modellleistung
Abschließend nennt Kettle noch einen Messpunkt aus einem Rediscovery-Benchmark. Dabei testete er neuere Modelle erneut auf einer Wiederentdeckungsaufgabe und berichtet für GPT-5.6 Sol eine 30%-Erfolgsquote, sofern man dem Modell eine Inspirationstechnik bereitstellt.
Das unterstreicht, dass die Ergebnisse nicht nur vom Modell an sich abhängen, sondern auch davon, wie gut das System mit präziser Vorgabe und inspirierenden Mustern arbeitet.
Fazit: KI-gestützter HTTP Terminator macht Desync nicht nur möglich, sondern beweisbar
Der Bericht macht deutlich, dass der KI-gestützte HTTP Terminator mehr ist als ein reines Experiment: Er kann nach eigener Erzeugung und strukturierter Prüfung neue HTTP-Desync-Techniken hervorbringen, darunter konkrete Ansätze für RQP mit erhöhter Zuverlässigkeit. Gleichzeitig zeigt die human-guided Cascade, dass auch ein Apache Zero-Day aus der gleichen Forschungsrichtung entstehen kann.
Für Betreiber bleibt die Kernbotschaft pragmatisch: Umsetzung der empfohlenen Abwehrmaßnahmen, konsequente Konsistenz in Parser- und Proxy-Ebenen sowie eine möglichst saubere Trennung von HTTP-Versionen und Methodenschemata. So lässt sich das Risiko, das aus Desynchronisation und Fehlzuordnung entsteht, deutlich reduzieren.
Quelle: https://thehackernews.com/2026/08/ai-assisted-http-terminator-finds-novel.html
