Ik spreek nog bijna dagelijks organisaties die onderschatten wat AI betekent voor cybercriminelen. Het gesprek gaat dan over AI als productiviteitstool, zelden over AI als wapen. Terwijl de mensen die deze modellen bouwen ons nu letterlijk waarschuwen.
Anthropic-CEO Dario Amodei sprak dit voorjaar van een “moment of danger”. Zijn verwachting: “some enormous increase in the amount of vulnerabilities, in the amount of breaches.” Het Mythos-model van Anthropic vond tienduizenden kwetsbaarheden, ook in software die al jaren door mensen werd gereviewd, zoals de Linux-kernel, OpenBSD en Firefox. Volgens Amodei hebben verdedigers een venster van 6 tot 12 maanden voordat vergelijkbare capaciteiten breed beschikbaar zijn. Ook voor aanvallers.
Kort daarna publiceerde Jason Clinton, Deputy CISO van Anthropic, een veelbesproken gids: Zero risk isn’t the job: a CISO’s guide to agentic AI. Zijn kernboodschap is een eyeopener voor menig directiekamer: nul risico bestaat niet. Het gaat erom dat je omgeving de klappen kan opvangen als er iets misgaat.
Twee kanten van dezelfde dreiging
Aanvallers met AI bewegen op machinesnelheid. Clinton schrijft: “AI is collapsing the time between a vulnerability existing and a working exploit.” Een AI-gedreven aanval verkent, ketent kwetsbaarheden en beweegt door het netwerk in uren. De meeste organisaties leunen op detectie en respons: een SOC of MDR geeft een melding, daarna volgen onderzoek, prioritering en een patch. Dat duurt dagen of weken. Clinton is daar helder over: “At agent execution speeds, responses measured in days are too long.”
Je eigen AI-agents zijn een nieuw soort insider. Agents krijgen steeds meer autonomie: in klantenservice, data-analyse of supply chain management. Clinton adviseert om ze te behandelen als insider threat. Ze hebben legitieme toegang tot data en systemen, maar kunnen via prompt injection of gestolen sessie-tokens onvoorspelbaar gedrag vertonen. Gaat een agent buiten zijn boekje of wordt hij gekaapt, dan mag dat nooit leiden tot de val van het hele netwerk.
In beide gevallen verschuift de vraag van “hoe snel reageren we?” naar “hoe klein maken we de kans dat een aanval slaagt, en hoe ver komt een aanvaller als het toch misgaat?” Clinton noemt dat de blast radius. Bij NetBoss zien we dat veel bedrijven zich vooral richten op het beveiligen van de AI-applicatie zelf, terwijl het echte gevaar in de infrastructuur eromheen zit. Wij geloven dat een veilige AI-strategie op drie pijlers rust.
Drie pijlers om de kans vooraf te minimaliseren
1. Sluit de voordeur voor token- en credentialdiefstal | infostealer monitoring Veel aanvallen beginnen niet met een exploit, maar met een geldige login. AI-agents praten continu met externe databronnen, e-mail en API’s, en zijn daardoor een aantrekkelijk doelwit voor wie sessie-tokens en inloggegevens zoekt. Infostealer-malware verzamelt die op grote schaal, ook van privé-laptops van medewerkers. Wie de identiteit van een agent of de gekoppelde gebruiker steelt, omzeilt direct de perimeter. Met infostealer monitoring detecteren we proactief welke credentials en tokens van jouw organisatie zijn gelekt, zodat je ze kunt intrekken voordat ze misbruikt worden.
2. Stop lateral movement | geautomatiseerde microsegmentatie De meeste grote incidenten worden groot doordat een aanvaller, of een gekaapte AI-agent, na de eerste besmetting vrij van systeem naar systeem kan springen. In traditionele netwerken liggen de interne wegen wagenwijd open zodra je binnen bent. Handmatige segmentatie is te complex en te traag om dat bij te houden. Daarom zetten wij in op geautomatiseerde microsegmentatie: elk device, elke gebruiker en elke AI-agent krijgt een eigen, dynamische perimeter. Gaat er iets mis, dan blijft de impact beperkt tot dat ene systeem en draait de rest van het bedrijf door. Microsegmentatie wordt daarmee geen nice-to-have, maar een must.
3. Test op machinesnelheid | autonomous pentesting Aanvallers gebruiken AI om kwetsbaarheden te vinden en aanvalspaden te combineren op manieren die een menselijke analist niet direct overziet. Een jaarlijkse pentest of driemaandelijkse scan houdt dat tempo niet bij. Met autonomous pentesting test je je omgeving continu, zoals een aanvaller dat doet: kwetsbaarheden ketenen, rechten escaleren, lateraal bewegen. Zo weet je precies welke paden echt naar je kroonjuwelen leiden en wat je eerst moet fixen.
Samen vormen ze een cirkel: Find (pentesten en infostealer monitoring laten zien waar je kwetsbaar bent), Fix (segmentatie en gerichte remediatie sluiten de paden af) en Verify (opnieuw testen bewijst dat het werkt).
Conclusie: richt je op Bounded AI
De boodschap uit Anthropic is helder: alle AI-risico’s elimineren is een utopie. De oplossing is architectonische indamming: een omgeving waarin AI veilig kan innoveren binnen strikt gedefinieerde grenzen, en waarin een aanvaller niet ver komt als hij toch binnen is. Amodei gaf zelf aan dat er een venster is van maanden, geen jaren. Wie dat venster nu gebruikt, staat straks een stuk steviger dan wie wacht op de eerste melding van zijn SOC.
Drie vragen om vandaag aan je eigen organisatie te stellen:
- Als één laptop of AI-agent wordt overgenomen, hoe ver komt een aanvaller dan in ons netwerk?
- Weten we welke inloggegevens en tokens van onze medewerkers nu al rondgaan op criminele marktplaatsen?
- Wanneer hebben we voor het laatst getest of onze kroonjuwelen echt onbereikbaar zijn? En hoe vaak doen we dat?
Geen helder antwoord? Dan is dit het moment. Bij NetBoss helpen we organisaties een Bounded AI-omgeving te realiseren: identiteiten bewaken met infostealer monitoring, netwerken isoleren met geautomatiseerde microsegmentatie en met autonomous pentesting continu testen of het standhoudt. Find-Fix-Verify. Ben jij hackable? Plan een autonomous pentest en weet binnen 48 uur hoe ver een aanvaller in jouw netwerk komt.
