Skip to main content

Artikel

Bleiben Sie mit Sicherheitseinblicken und Best Practices von den führenden Expertinnen und Experten bei Snyk auf dem Laufenden.

Anzeige 101 - 120 von 379 artikel

illustration hero ai visual

ChatGPT-Coding-Sicherheit für Unternehmen: Risiken, Einsatzmöglichkeiten und Best Practices

Zu den Sicherheitsrisiken von ChatGPT zählen Datenlecks, KI-gestütztes Phishing und Compliance-Probleme. Erfahren Sie, wie Unternehmen Bedrohungen eindämmen und KI sicher einsetzen können.

feature cloud security

Was ist Cloud-Sicherheitsarchitektur? Prinzipien, Framework und Architektur-Assessment

Schützen Sie Ihr Unternehmen in der Cloud mit einer robusten Cloud-Sicherheitsarchitektur. Erfahren Sie mehr über Cloud-Sicherheitsarchitektur und ihre Bedeutung.

featured ai generated code report

Kann Machine Learning Path-Traversal-Schwachstellen in Go finden? Snyk Code schon!

Erfahren Sie, wie die Machine-Learning-gestützten Sicherheitstools von Snyk Path-Traversal-Schwachstellen in Golang-Code aufspüren. Lernen Sie, Ihre Go-Anwendungen zu schützen, und stellen Sie sich der Herausforderung, Schwachstellen wie ein Profi zu erkennen und auszunutzen!

Priority blog Featured

5 wichtige Erkenntnisse für den Einstieg in DevSecOps

Beim kürzlich stattgefundenen Community-Call von DevSecCon zum Thema „So gelingt der Einstieg in DevSecOps“ teilten Sicherheitsexpertinnen und -experten aus der DevSecCon-Community umsetzbare Ratschläge, praktische Schritte und Einblicke in dieses wichtige Fachgebiet. Hier sind die fünf wichtigsten Erkenntnisse aus dem Gespräch.

Snyk Code prevents Trojan Source attacks

XXE-Angriffe verhindern: Strategien für die sichere XML-Verarbeitung

Erfahren Sie, wie Sie Ihre XML-Prozesse mit fortschrittlichen Präventionstechniken vor XXE-Schwachstellen schützen.

blog feature ai

KI-Angriffe und adversariale KI im maschinellen Lernen

Angreifer können Systeme für maschinelles Lernen durch Angriffe mit adversarialer KI manipulieren. Erfahren Sie hier mehr über gängige Angriffstypen und wie Sie Ihre Systeme schützen.

Tensor Steganography and AI Cybersecurity

Prompt Injection verstehen: Techniken, Herausforderungen und Risiken

Ein Prompt-Injection-Angriff ist eine GenAI-Sicherheitsbedrohung, bei der ein Angreifer gezielt irreführende Texte erstellt und in ein Large Language Model (LLM) eingibt, um dessen Ausgaben zu manipulieren.

license compliance

SOC 2 ohne Kopfzerbrechen: Ein entwicklerfreundlicher Leitfaden zur Testierung

Erfahren Sie, wie Sie die SOC-2-Compliance mit integrierten Sicherheitstests, effizienten Audits und Workflows vereinfachen, die eine schnelle und sichere Entwicklung ermöglichen.

blog feature multithreading

MCP-Server in Node.js erstellen: aktuelle API-Dokumentation bereitstellen

In diesem Tutorial erfahren Sie, wie Sie mit dem offiziellen Anthropic Model Context Protocol (MCP) SDK einen einfachen MCP-Server in Node.js erstellen.

blog feature pypi spoof

Finanz-APIs schützen: Strategien zur Verhinderung von Datenschutzverletzungen

Entdecken Sie die wichtigsten Herausforderungen und Strategien zum Schutz von Finanz-APIs – vom Datenschutz und der Compliance bis hin zur Risikominimierung in komplexen Umgebungen.

feature snyk platform learn ways to integrate snyk

Hohe Geschwindigkeit, geringes Risiko: So sichern Tech-Führungskräfte Innovationen, ohne sie auszubremsen

Probleme mit Sicherheit bei der schnellen Entwicklung? Erfahren Sie, wie Sie Security nach dem Developer-first-Prinzip in Ihren SDLC integrieren. Befähigen Sie Ihr Team, Innovationen abzusichern und Geschäftsrisiken zu senken, ohne an Geschwindigkeit einzubüßen.

Von Patientenportalen bis zu EHRs: Das Gesundheitswesen sicherer machen

Erfahren Sie, welche zentrale Rolle Sicherheit in der Gesundheitstechnologie spielt, um Datenschutz und die Einhaltung gesetzlicher Vorschriften zu gewährleisten.

Don Get Too Comfortable Hacking ComfyUI Through Custom Nodes

Gemini Code Assist dabei unterstützen, sicheren Code zu generieren

Erfahren Sie, wie der MCP-Server von Snyk mit Gemini Code Assist zusammenarbeitet, um Sicherheitslücken in KI-generiertem Code automatisch zu finden und zu beheben – für sichere Entwicklungs-Workflows.

blog feature snyk code green

Von der Entwicklung bis zum Deployment: Aufbau eines KI-gestützten Ökosystems für sichere Webanwendungen

Erfahren Sie mehr über die zentralen Herausforderungen beim Schutz moderner Webanwendungen – vom Umgang mit komplexen APIs bis zur Abwehr fortschrittlicher, KI-gestützter Bedrohungen. Lernen Sie, wie Sie robuste, KI-gestützte Sicherheitsmaßnahmen in jeder Phase des Entwicklungslebenszyklus effektiv integrieren.

Compliance FEATURE cropped

KI-Asset-Management: zentrale Funktionen, Herausforderungen und Vorteile

KI-Asset-Management bezeichnet den Einsatz von KI und maschinellem Lernen bei der Verwaltung von Finanzanlagen. Welche Herausforderungen bringt die Einführung von KI für die Finanzbranche mit sich?

feature insights context

MCP-Server mit Docker ausführen

Probleme mit lokalen MCP-Server-Installationen und Sicherheitsbedenken? Erfahren Sie, wie Docker die Bereitstellung vereinfacht, die Sicherheit erhöht und Ihren Workflow optimiert. Mit Beispielen für Tools wie Qodo Gen.

illustration hero ai

Was ist Bias in KI? Herausforderungen, Prävention und Beispiele

Erfahren Sie, was Bias in KI bedeutet, warum das wichtig ist und wie Sie Bias anhand realer Beispiele und bewährter Methoden erkennen und verhindern können.

blog feature pypi spoof

Path-Traversal-Schwachstellen in Funktionshandlern von MCP-Servern verhindern

Erfahren Sie, wie Sie Ihre MCP-Server mit Best Practices und dem SAST-Tool Snyk Code absichern und Sicherheitsprobleme erkennen und beheben, bevor sie zum Problem werden.

feature security

KI-Datensicherheit: Risiken, Frameworks und Best Practices

Erfahren Sie mehr über die größten Datensicherheitsrisiken von KI sowie über Frameworks zum Verständnis von Schutzmaßnahmen und Best Practices für die Auswahl von KI-Tools.

blog feature playwright tests

LLMs sicher skalieren – mit dem richtigen Ops-Framework

Erfahren Sie, was LLMOps ist, wie es sich von MLOps unterscheidet und was nötig ist, um große Sprachmodelle in der Praxis zu entwickeln, zu skalieren und abzusichern.