5 vragen over de opkomst van ai en cyberaanvallen

In dit artikel:

Generatieve AI wordt volgens Daniel Kapellmann Zafra, security engineer bij Google Threat Intelligence Group, een belangrijke versneller van cyberaanvallen. Tijdens de One Conference 2026 in Den Haag stelde hij dat AI voorlopig geen volledig nieuwe ‘supermalware’ oplevert, maar bestaande aanvalstechnieken wel sneller, professioneler en op grotere schaal maakt. Zowel door staten gesteunde advanced persistent threat-groepen als financieel gemotiveerde criminelen gebruiken AI inmiddels in vrijwel de hele aanvalsketen: van verkenning en phishing tot exploitontwikkeling en activiteiten na een inbraak.

Daardoor worden operaties die voorheen dagen of weken duurden soms binnen enkele uren uitgevoerd. In een door Mandiant beschreven geval gebruikte een aanvaller na het binnendringen van een cloudomgeving een AI-codeassistent met vooraf ingestelde draaiboeken om in minder dan zes uur een grootschalige campagne voor het stelen van inloggegevens op te zetten. AI verandert daarnaast de criminele infrastructuur zelf. Gestolen API-sleutels, toegang tot ontwikkeltools en gekaapte cloudrekenkracht worden verhandeld, onder meer voor zogenoemde LLM-jacking waarbij andermans AI-capaciteit wordt misbruikt.

Large language models helpen aanvallers om doelwitten beter te onderzoeken en overtuigender te benaderen. Ze brengen functies en verantwoordelijkheden van medewerkers in kaart, verwerken gestolen informatie tot doelprofielen en nemen taal- en cultuurbarrières weg. Daarmee kunnen criminelen geloofwaardige voorwendselen ontwikkelen, langdurige gesprekken voeren en phishing combineren met bijvoorbeeld deepfakes. Aan de technische kant fungeren LLM’s als programmeur en securityonderzoeker. Ze schrijven, testen en verbeteren malware, helpen bekende kwetsbaarheden snel te misbruiken en ondersteunen technieken om detectie te omzeilen. Aanvallers richten zich daarbij vooral op bekende lekken, die AI versneld en op verschillende platformen kan helpen reproduceren.

In sommige gevallen wordt AI rechtstreeks in malware verwerkt. Zo zag Google een door een APT-groep gebruikte variant waarin AI grote delen van de code vulde met onschuldig ogende administratieve functies, waardoor kwaadaardige activiteiten minder opvielen. In de tweede helft van 2025 verschenen bovendien de eerste voorbeelden van ‘just-in-time’-malware. Promptflux herschreef tijdens de uitvoering regelmatig zijn eigen broncode via een LLM-API om antivirusdetectie te ontwijken. Honestcue haalde tijdens runtime nieuwe code op bij een LLM en compileerde die in het geheugen, zonder een kwaadaardig bestand op de schijf achter te laten.

Ook de automatisering van volledige campagnes neemt toe. Begin 2026 werd een command-and-controlserver aangetroffen waarop Recon draaide, een autonoom multi-agentframework dat doelwitten onderzocht en meer dan 23.000 gestolen cloud- en AI-inloggegevens in real time beheerde. In een andere, publiek beschreven campagne tegen overheidsinstanties in Latijns-Amerika en een gemeentelijke waterleverancier gebruikte één aanvaller commerciële AI-modellen om tools te maken, honderden servers te analyseren, laterale beweging uit te voeren en een eigen post-compromise-framework te verbeteren. Daarbij werd ook de operationele technologie van de waterleverancier benaderd.

Deze voorbeelden wijzen volgens Kapellmann Zafra op een verschuiving van AI als hulpmiddel voor een menselijke aanvaller naar AI als actieve deelnemer aan de aanval. Multi-agentworkflows kunnen beveiligingstools aansturen, fouten herstellen, taken verdelen en gestolen gegevens analyseren. Malware kan zich bovendien tijdens een aanval aanpassen. Tegelijk ontstaan nieuwe risico’s rond de AI-infrastructuur zelf, bijvoorbeeld door vergiftigde open-sourcepakketten en plugins, gecompromitteerde ontwikkelomgevingen, gestolen API-sleutels en misbruikte cloudrekenkracht.

Organisaties moeten daarom niet wachten tot een aanval zichtbaar wordt op een endpoint. Omdat aanvallers binnen enkele uren kunnen opschalen, is proactieve bescherming nodig: infrastructuur, identiteiten en toegangen die AI-gedreven aanvallen mogelijk maken, moeten vroegtijdig worden afgeschermd. Securityteams moeten zelf praktische ervaring opdoen met AI en AI-ontwikkeltools, open-sourcecomponenten, cloudquota en sleutelbeheer als kritieke infrastructuur behandelen. Een beveiligde volledige AI-softwareketen, bijvoorbeeld met kaders als het Secure AI Framework, is essentieel. Uiteindelijk moeten verdedigers volgens de Google-expert machinesnelheid evenaren met geautomatiseerde detectie, kwetsbaarheidsanalyse en herstel, waarbij actuele dreigingsinformatie voortdurend in verdedigingsmodellen wordt verwerkt.