An Open-Agent Framework for Intelligent Compliance Analysis in Infrastructure as Code Using Large Language Models

In der modernen digitalen Welt befindet sich die Infrastruktur, die unsere Anwendungen antreibt, unsere Daten speichert und unsere Dienste ausführt, nicht mehr in einem physischen Serverraum mit Reihen blinkender Lichter. Stattdessen lebt sie in der Cloud, einem riesigen Netzwerk entfernter Computer, die von massiven Technologieunternehmen verwaltet werden. Für die Organisationen, die diese Dienste nutzen, hat sich die Verantwortung für die Sicherheit verschoben. Während die Cloud-Anbieter sicherstellen, dass die Hardware funktioniert, müssen die Kunden sicherstellen, dass ihre digitalen Konfigurationen korrekt eingerichtet sind. Ein einzener Fehler darin, wie ein Speicher-Bucket geöffnet oder wie eine Netzwerkberechtigung erteilt wird, kann sensible Informationen für das gesamte Internet offenlegen. Um diese Komplexität zu bewältigen, verwenden Ingenieure eine Methode namens „Infrastructure as Code“. Dieser Ansatz behandelt die Einrichtung digitaler Ressourcen wie ein Softwareprogramm, indem Regeln in Textdateien geschrieben werden, die von Maschinen gelesen werden können. Dies ermöglicht Konsistenz und Geschwindigkeit, bedeutet aber auch, dass ein einzelner Fehler im Code sofort auf hunderte von Systemen kopiert werden kann, was eine weitverbreitete Schwachstelle schafft, noch bevor es jemand bemerkt.

Um diese Fehler abzufangen, verlassen sich Sicherheitsteams auf automatisierte Werkzeuge, die den Code nach bekannten Fehlern scannen, ähnlich wie eine Rechtschreibprüfung Tippfehler findet. Diese traditionellen Werkzeuge sind jedoch oft starr; sie können zwar sagen, dass eine Regel verletzt wurde, aber sie haben Schwierigkeiten zu erklären, warum das wichtig ist oder wie man es auf eine Weise behebt, die für einen menschlichen Auditor Sinn ergibt. Andererseits kann eine neuere Technologie, bekannt als Large Language Models, Code lesen und Erklärungen in natürlicher Sprache generieren, ist aber dazu neigt, Dinge zu erfinden oder inkonsistente Ergebnisse zu liefern, wenn sie allein verwendet wird. Die Herausforderung für Forscher bestand darin, die strikte Zuverlässigkeit der automatisierten Scanner mit der erklärenden Kraft der intelligenten Sprachmodelle zu kombinieren, um ein System zu schaffen, das sowohl präzise als auch verständlich ist.

Ein Team von Forschern an der Princess Sumaya University for Technology hat ein neues Framework entwickelt, das diese beiden Ansätze erfolgreich vereint. Sie haben ein System geschaffen, das zuerst eine strikte, regelbasierte Engine nutzt, um die Infrastruktur-Code auf Verstöße gegen spezifische Sicherheitsstandards zu scannen, und dann diese bestätigten Verstöße an ein intelligentes Sprachmodell weiterleitet, um klare, menschenlesbare Berichte und Lösungsvorschläge zu generieren. Die Forscher testeten dieses System an einer großen Sammlung von 231 realen Konfigurationsdateien. Sie fanden heraus, dass das hybride System bemerkenswert genau war und Sicherheitsmängel in fast 97 Prozent der Fälle korrekt identifizierte, in denen es einen Alarm auslöste, während es gleichzeitig mehr als 90 Prozent der tatsächlich in den Dateien vorhandenen Probleme entdeckte. Diese Leistung war signifikant besser als die bestehender industrieller Werkzeuge, die dazu neigen, zu viele harmlose Probleme zu melden, was zu unnötiger Arbeit für Ingenieure führt.

Der Kern dieses neuen Frameworks ist ein fünfstufiger Prozess, der Rohcode in einen polierten Audit-Bericht verwandelt. Zuerst nimmt das System die Rohkonfigurationsdateien und übersetzt sie in ein Format, das die Scanning-Engine verstehen kann. Als Nächstes prüft eine deterministische Policy-Engine, die wie ein strenger Schiedsrichter arbeitet, den Code gegen einen spezifischen Satz von 16 Sicherheitsregeln. Diese Regeln basieren auf dem NIST SP 800-53 Standard, einem weithin anerkannten Katalog von Sicherheitskontrollen, der von Regierungen und Unternehmen verwendet wird. Die Engine sucht nach spezifischen Mustern, wie etwa einem Speichermedium, dem die Verschlüsselung fehlt, oder einem Netzwerkport, der öffentlich offen steht. Da diese Engine festen Regeln folgt, rät sie nie; sie berichtet nur das, was sie als Verstoß beweisen kann.

Sob' die Engine einen Verstoß identifiziert, stoppt das System dort nicht. Es sendet die Details des Fehlers an ein Large Language Model, das als kontextueller Reasoning-Agent fungiert. Dieses Modell hat drei spezifische Aufgaben: das Risiko in einfachem Englisch zu erklären, den Fehler dem offiziellen Sicherheitsstandard zuzuordnen, den er verletzt, und ein korrigiertes Code-Snippet zu generieren, um das Problem zu beheben. Um sicherzustellen, dass das Modell keine Fehler bei den faktischen Teilen des Berichts macht, haben die Forscher einen Sicherheitsmechanismus eingebaut. Das Modell darf den Namen des Sicherheitsstandards nicht erraten; stattdessen sucht das System den korrekten Namen aus einer verifizierten Liste nach und fügt ihn automatisch ein. Das Modell ist frei, nur die Erklärung und die Code-Korrektur zu generieren. Darüber hinaus fügten die Forscher strikte Anweisungen in den Prompt des Modells ein, um sicherzustellen, dass der geschriebene Code syntaktisch korrekt und frei von unnötigem Text ist – ein Schritt, der sich für die Zuverlässigkeit als essenziell erwies.

Die Ergebnisse der Studie demonstrieren die Leistungsfähigkeit dieses kombinierten Ansatzes. Beim Testen gegen die 231 Konfigurationsdateien erreichte das System eine Präzision von 96,9 Prozent, was bedeutet, dass es, wenn es eine Datei als problematisch markierte, fast immer richtig lag. Es erreichte auch einen Recall von 90,5 Prozent und fand somit die große Mehrheit der tatsächlichen Fehler, die im Code verborgen waren. Im Vergleich dazu fand ein führendes Industriewerkzeug namens Checkov, das in der Branche weit verbreitet ist, jeden einzelnen Fehler im Testset, markierte jedoch auch fast die Hälfte der sauberen Dateien als problematisch. Diese hohe Rate an Fehlalarmen würde Sicherheitsteams dazu zwingen, Zeit mit der Untersuchung von Problemen zu verschwenden, die gar nicht existieren. Das neue Framework hingegen lieferte ein viel klareres Signal, indem es das Rauschen reduzierte und gleichzeitig hohe Erkennungsraten beibelte.

Ein genauerer Blick auf die Daten offenbarte ein klares Muster in den Arten der gefundenen Fehler. Die häufigste Verletzung betraf das Fehlen der Verschlüsselung von Daten im Ruhezustand (Data at Rest), was mehr als 64 Prozent aller erkannten Probleme ausmachte. Dieser Befund deckt sich mit bisheriger Forschung, die darauf hindeutet, dass das Vergessen der Verschlüsselung gespeicherter Daten die häufigste Sicherheitsüberschreitung in Cloud-Umgebungen ist. Das System identifizierte auch erfolgreich Probleme im Zusammenhang mit Zugriffskontrollen und Audit-Logging und deckte damit ein breites Spektrum an Sicherheitsanforderungen ab. Die Forscher stellten fest, dass die Fähigkeit des Systems, präzise, audit-bereite Berichte zu erstellen, ein entscheidender Vorteil ist, da sie die Lücke zwischen technischer Erkennung und der für die Compliance erforderlichen Dokumentation schließt.

Die Studie hob auch die Bedeutung der in das System eingebauten Schutzmaßnahmen hervor. Als die Forscher das Sprachmodell zuerst ohne strikte Einschränkungen testeten, produzierte es Code-Fixes, die oft syntaktisch ungültig oder mit unnötigem Prosa gefüllt waren. Durch die Durchsetzung strikter Formatierungsregeln und die Verwendung einer verifizierten Lookup-Tabelle für faktische Daten erreichte das System eine Erfolgsquote von 100 Prozent bei der Generierung gültiger Code-Snippets und korrekter Kontrollzuordnungen. Dies deutet darauf hin, dass die Zuverlässigkeit solcher Systeme nicht allein aus der Intelligenz des Modells resultiert, sondern aus dem sorgfältigen Design des Workflows, der es umgibt.

Obwohl das System starke Ergebnisse zeigte, waren die Forscher sorgfältig darin, seine Grenzen zu benennen. Das Framework konzentriert sich derzeit auf einen spezifischen Satz von Sicherheitskontrollen und Cloud-Ressourcen und operiert auf dem Code, bevor dieser bereitgestellt wird, was bedeutet, dass es keine Probleme erkennen kann, die durch Änderungen am Live-System nach dem Deployment entstehen. Zudem wurde die „Ground Truth“, die zum Testen des Systems verwendet wurde, aus einer Kombination von automatisierten Heuristiken und manueller Injektion abgeleitet, was nicht jede Nuance einer realen Umgebung perfekt erfassen kann. Trotz dieser Grenzen bietet die Studie ein überzeugendes Proof-of-Concept. Sie zeigt, dass es durch die Kombination der unnachgiebigen Präzision regelbasierter Engines mit der flexiblen Argumentationskraft von Sprachmodellen möglich ist, ein Compliance-Analysetool zu schaffen, das sowohl hochgradig genau als auch für menschliche Bediener wirklich nützlich ist. Die Arbeit deutet einen Weg auf, auf dem automatisierte Sicherheitstools Probleme nicht nur finden, sondern Teams helfen, sie mit Vertrauen zu verstehen und zu lösen.