Dienstag, 14:32 Uhr.
Der Traffic schießt in die Höhe. Kein Grund zur Panik, könnte ja auch nur eine Marketingkampagne sein, oder? Erst wird die Website langsam, dann fallen APIs aus. Firewalls und Scrubbing-Mechanismen laufen auf Hochtouren, aber irgendetwas fühlt sich ... anders an.

DDoS-Attacken sind nicht neu – sie sind altbekannt. Bereits 1996 legte eine SYN-Flood-Attacke den New Yorker Internetprovider Panix lahm – der erste dokumentierte DDoS-Angriff. Was damals als technische Randnotiz begann, ist heute eine der größten Bedrohungen für Unternehmen weltweit.

IoT-Botnetze, Attacken mit mehr als 5,6 Tbit/s und KI-gesteuerte Angriffsmuster stellen Sicherheitsteams vor neue Herausforderungen. Doch wie erkennt man einen Angriff in Echtzeit? Wie unterscheidet sich bösartiger Traffic von legitimen Anfragen? Technologische Fragen sind jedoch nur die halbe Wahrheit: Die geopolitische Lage und regulatorische Unsicherheiten werfen eine brisante Frage auf – wie abhängig sollen europäische Unternehmen von US-Anbietern sein, wenn politische Entwicklungen deren Compliance und Verfügbarkeit ins Wanken bringen?

Anhand realer Angriffsszenarien zeigen wir, wie Machine Learning DDoS-Erkennung in Echtzeit möglich macht und wie Unternehmen ihre IT-Sicherheit zukunftssicher aufstellen, resiliente Architekturen schaffen und sich technologisch unabhängig positionieren können – für eine souveräne Cyber-Resilienz.

Spoiler: Blackholing ist keine Lösung.