Forschende der Massachusetts Institute of Technology haben gemeinsam mit der Kinder-Schutzorganisation Thorn ein neuartiges Audit-Verfahren entwickelt, um KI-Modelle auf ihre Fähigkeit zur Erzeugung missbräuchlicher Kinderbilder zu prüfen, ohne dabei rechtswidrige Inhalte zu generieren. Der Hintergrund ist eine drastische Zunahme illegaler KI-generierter Bilder: Laut dem National Center for Missing and Exploited Children stiegen die Meldungen von 67.000 im Jahr 2024 auf über 1,5 Millionen im Jahr 2025. Traditionelle Sicherheitsaudits basieren darauf, Modelle gezielt mit schädlichen Anweisungen zu versorgen und deren Ausgaben zu analysieren. Dies scheitert bei kinderpornografischem Material jedoch an strikten rechtlichen Grenzen und birgt psychologische Risiken für menschliche Prüfer. Das neue Verfahren umgeht dieses Dilemma, indem es nicht auf die Ausgabe, sondern auf die internen Anpassungen abzielt. Viele generative Modelle werden mittels Low-Rank-Adaptation effizient für spezifische Aufgaben nachtrainiert. Das Forschungsteam um lead author Vinith Suriyakumar sowie die Professorinnen Ashia Wilson und Marzyeh Ghassemi untersucht diese LoRA-Adapter durch eine Methode namens Gaußsches Probing. Dabei werden zufällige Datenpunkte durch die multilagige Struktur des Netzwerks geleitet und die mathematischen Veränderungen an verschiedenen Rechenzeitpunkten aufgezeichnet und gemittelt. Auf diese Weise lässt sich präzise rekonstruieren, wie das Modell für schädliche Aufgaben spezialisiert wurde, ohne jemals ein finales Bild zu rendern. In Tests erreichte das Verfahren eine Genauigkeit von hundert Prozent bei der Identifizierung von CSAM-spezifischen Modelvarianten. Da die Methode rein rechnerisch und skalierbar ist, bietet sie Hosting-Plattformen und Strafverfolgungsbehörden ein kostengünstiges Werkzeug, um schädliche Anpassungen frühzeitig zu erkennen und deren Verbreitung zu verhindern. Zudem ist sie robust gegen manipulative Versuche, die internen Strukturen zu verschleiern. Die Forschungsergebnisse wurden im Rahmen des Workshops Trustworthy AI for Good auf der International Conference on Machine Learning vorgestellt. Die Autorinnen betonen, dass die Technik einen kritischen Blindspot in der KI-Sicherheitsbranche schließe und langfristig dazu beitrage, Kinder vor den wachsenden digitalen Gefahren generativer künstlicher Intelligenz zu schützen.