Zealot ist nach einem „Supervisor-Agenten"-Modell aufgebaut. Eine zentrale, koordinierende KI verteilt die Aufgaben an drei spezialisierte Unteragenten: einer übernimmt die Infrastruktur-Aufklärung und das Mapping des Netzwerks, einer die Ausnutzung von Webanwendungen und das Abgreifen von Zugangsdaten, einer die Sicherheitsoperationen in der Cloud.
Statt einem starren, vorgeschriebenen Drehbuch zu folgen, passt der Supervisor seine Strategie dynamisch an das an, was die einzelnen Agenten jeweils entdecken. Die Forscher vergleichen das mit der Arbeitsweise erfahrener menschlicher Red Teams.
Ohne weitere Vorgaben durchsuchte das System eigenständig das Netzwerk, fand eine angebundene virtuelle Maschine, identifizierte und nutzte eine Schwachstelle in einer Webanwendung aus, um Zugangsdaten zu stehlen, und extrahierte schließlich die Zieldaten. Als es auf eine Zugriffsbarriere stieß, verschaffte es sich selbst zusätzliche Berechtigungen.
Als besonders bemerkenswert beschreiben die Forscher, dass Zealot nicht nur Anweisungen abarbeitete, sondern improvisierte. In einem Fall schleuste das System nach der Kompromittierung einer virtuellen Maschine eigenständig private SSH-Schlüssel ein, um sich dauerhaften Zugang zu sichern – ein strategischer Schritt, der nie Teil der ursprünglichen Aufgabenstellung war. Die Forscher sprechen hier von „emergenter Intelligenz", bei der die KI aktiv neue Angriffsstrategien erfindet.
Insgesamt arbeitete Zealot zwar hocheffizient, doch beobachteten die Forscher auch, dass sich das System gelegentlich in unproduktiven Schleifen verfing: Es fixierte sich auf irrelevante Ziele und verschwendete Ressourcen, bis menschliche Operatoren eingriffen. Ein gewisses Maß an menschlicher Aufsicht dürfte also weiterhin nötig sein.
Dennoch zeigt das Experiment laut den Forschern, dass KI-Agenten inzwischen Aufklärung, Ausnutzung, Rechteausweitung und Datendiebstahl in Maschinengeschwindigkeit aneinanderketten können – mit erheblichen Folgen für Verteidiger.
Die Forscher warnen, dass bestehende Erkennungssysteme, die auf den Verhaltensmustern menschlicher Angreifer aufbauen, schlecht geeignet sind, um KI-gesteuerte Eindringversuche zu erkennen, die deutlich schneller ablaufen und einen anderen digitalen Fußabdruck hinterlassen. Sie raten Organisationen, Cloud-Berechtigungen proaktiv zu überprüfen, den Zugriff auf Metadatendienste einzuschränken und auf KI-gestützte Abwehrmaßnahmen zu setzen, um mit KI-Bedrohungen Schritt zu halten.