ONEKEY Webinar: Verbesserung der Firmware-Sicherheit mit ML & LLMs - Von der Komponentenerkennung zu verwertbaren Sicherheitsinformationen

Nehmen Sie an unserem exklusiven ONEKEY Webinar am 18. Juni 2026 um 11:00 Uhr (MESZ)

Firmware-Analyse ist von Natur aus komplex. Firmware-Images enthalten typischerweise heterogene Daten, mehrere Prozessorarchitekturen, komprimierte Komponenten sowie kaum oder gar keine Metadaten. Dadurch bleibt die Identifikation von Softwarekomponenten, die Bestimmung von Versionen und das Verständnis der internen Firmware-Struktur mit traditionellen heuristischen Ansätzen eine anspruchsvolle und ressourcenintensive Aufgabe.

Machine Learning (ML) und Large Language Models (LLMs) ermöglichen einen grundlegend neuen Ansatz. Durch das Erlernen komplexer, hochdimensionaler Muster aus verrauschten und unstrukturierten Daten können diese Technologien unterschiedliche Firmware-Formate verallgemeinern, Erkennungsaufgaben automatisieren und Zusammenhänge aufdecken, die mit rein regelbasierten Methoden nur schwer identifizierbar sind.

Dadurch entwickeln sich ML- und LLM-basierte Verfahren zunehmend zu einem leistungsstarken Enabler für die Firmware-Analyse — sie verbessern die Genauigkeit, beschleunigen die Analyse und ermöglichen skalierbare Erkenntnisse.

Viele Unternehmen befinden sich jedoch noch in einer frühen Phase beim Verständnis, wie diese Methoden in der Praxis funktionieren, welche Ergebnisse sie liefern können und wie sie sich im Vergleich zu traditionellen Analyseverfahren verhalten.

Ohne dieses Verständnis besteht das Risiko, Potenziale zur Verbesserung der Analysequalität, zur Reduzierung manueller Aufwände sowie zur effizienten Skalierung von Firmware-Sicherheits- und Transparenzprozessen zu verpassen.

In diesem 45-minütigen Webinar präsentieren wir Machine-Learning-Methoden und empirische Ergebnisse für die Firmware-Analyse mit Fokus auf Architektur-Erkennung, Komponenten- und Versionsidentifikation sowie der Evaluierung anhand realer Firmware-Datensätze.

Um eine klare und praxisnahe Perspektive zu bieten, erläutern wir zunächst die zentralen Herausforderungen der Firmware-Analyse und die Grenzen heuristischer Methoden. Anschließend stellen wir ML- und LLM-basierte Ansätze vor und präsentieren empirische Ergebnisse, die deren Wirksamkeit in realen Anwendungsszenarien demonstrieren.

Sie erfahren:

• Warum Firmware-Analyse herausfordernd ist und wo traditionelle heuristische Ansätze an ihre Grenzen stoßen
• Wie Machine-Learning-Modelle die Architektur-Erkennung über unterschiedliche Firmware-Images hinweg ermöglichen
• Wie ML-Techniken die automatisierte Komponenten- und Versionsidentifikation unterstützen
• Wie Large Language Models bei der Analyse, Zusammenfassung und Interpretation von Firmware-Daten helfen können
• Welche Erkenntnisse reale Firmware-Datensätze über die Effektivität und Skalierbarkeit ML-basierter Analysen liefern

Dieses Webinar richtet sich an Fachkräfte aus den Bereichen Product Cybersecurity, PSIRT-Management sowie Entwicklungsleitung, die verstehen möchten, wie moderne Analyseverfahren Transparenz und Effizienz verbessern können.

Verpassen Sie nicht die Gelegenheit zu erfahren, wie ML- und LLM-basierte Ansätze die Firmware-Analyse transformieren können und wie datengetriebene Methoden Genauigkeit, Skalierbarkeit und Erkenntnisgewinn verbessern.

Sie können nicht live teilnehmen? Kein Problem — registrieren Sie sich jetzt und erhalten Sie im Anschluss die Aufzeichnung des Webinars on demand.