In korte tijd is kunstmatige intelligentie een bepalende factor geworden in cybersecurity, aan beide kanten van de lijn. Vanuit ons eigen offensieve werk zien we van dichtbij hoe AI van een handig hulpmiddel is uitgegroeid tot een tweesnijdend zwaard. Waar AI eerst vooral werd gebruikt om te automatiseren, zorgen generatieve modellen als ChatGPT en hun criminele tegenhangers voor aanvallen die sneller, schaalbaarder en overtuigender zijn dan ooit. Dit artikel laat zien hoe aanvallers AI inzetten, en wat dat betekent voor hoe je je verdedigt.
Phishing: de drempel is weg
Phishing is al jaren de populairste aanvalsmethode, en generatieve AI tilt haar naar een ander niveau. Wat een aanvaller vroeger uren kostte, een overtuigende mail schrijven in de taal van het doelwit, doet een model in minuten. Op ondergrondse forums delen criminelen de werkwijze: schrijf het bericht in je eigen taal, laat het vertalen en laat AI de toon en grammatica perfectioneren. Het resultaat is een stroom foutloze, gepersonaliseerde berichten die nauwelijks meer van echt te onderscheiden zijn.
Daarmee vervalt de belangrijkste drempel. Een aanvaller hoeft niet taalvaardig of technisch onderlegd te zijn; een goede prompt volstaat. Onderzoek laat zien dat door AI geschreven phishing inmiddels bijna net zo vaak wordt aangeklikt als door mensen geschreven versies, en dat verschil wordt kleiner. Het advies om op spelfouten te letten is achterhaald.
Malware die zichzelf herschrijft
Ook de ontwikkeling van malware krijgt een versnelling. Waar vroeger diepgaande programmeerkennis nodig was om een exploit te schrijven, kan een aanvaller dat nu aan een model vragen. In een recent ontdekte campagne verraadde de structuur van de code, compleet met commentaarregels die elke stap uitlegden, dat een AI-model als co-auteur had gediend.
Belangrijker dan het schrijven is het aanpassen. AI kan code net zo lang variëren tot antivirussoftware haar niet meer herkent. Nieuwe varianten ontstaan in recordtijd, telkens net anders genoeg om langs detectie te glippen. Tegen de tijd dat een dreiging is herkend en geblokkeerd, is de code alweer gemuteerd. Beveiliging op basis van bekende handtekeningen loopt daardoor structureel achter; alleen detectie op gedrag houdt het bij.
Black-hat AI: modellen gebouwd voor criminelen
Het is dan ook geen verrassing dat er AI-modellen bestaan die expliciet voor cybercrime zijn ontwikkeld. WormGPT is het bekendste voorbeeld: een variant zonder morele of technische beperkingen, getraind op onder meer malwaregerelateerde data, die op verzoek phishingmails en schadelijke code genereert. Onderzoekers lieten het een frauduleuze factuurmail opstellen; de uitkomst was buitengewoon overtuigend. Het bleef niet bij één model. Op ondergrondse fora verschenen varianten als FraudGPT, gericht op financiële fraude.
Deze tools worden verkocht via darkwebmarktplaatsen en gesloten Telegram-kanalen, meestal in een abonnementsmodel van enkele tientallen euro’s per maand, met honderden afnemers. Dat is AI-as-a-service voor cybercrime: iedereen met een internetverbinding en wat cryptovaluta kan geavanceerde aanvalstooling huren.
Deepfakes: als de CEO belt
Met dezelfde modellen maken criminelen in korte tijd overtuigende nepstemmen en nepvideo’s. Een directeur van een multinational werd via WhatsApp benaderd door iemand die zich voordeed als de CEO, compleet met een gegenereerde stem met accent en een profielfoto, om een vertrouwelijke transactie te starten. Hij kreeg argwaan en stelde een controlevraag waarop de nep-CEO geen antwoord had.
Niet iedereen heeft dat geluk. Begin 2024 werd een medewerkster van een bedrijf in Hongkong overtuigd om miljoenen over te maken, na een videovergadering waarin fraudeurs zich voordeden als haar financieel directeur en collega’s. Zulke incidenten laten zien dat ook goed getrainde mensen kunnen worden misleid als een aanval hyperrealistisch overkomt.
Wat dit betekent voor je verdediging
Traditionele methoden schieten tekort in het tijdperk van generatieve AI. Als phishing foutloos is en malware zichzelf herschrijft, moet detectie naar gedrag kijken in plaats van naar kenmerken: wie of wat gedraagt zich anders dan normaal? Een account dat midden in de nacht grote hoeveelheden data kopieert, een inboxregel die alle mail doorstuurt naar een extern adres, een inlog vanaf een plek waar niemand werkt. Dat zijn de signalen die overblijven als de aanval zelf niet meer opvalt.
Daarnaast verschuift het zwaartepunt naar identiteit. Vrijwel elke AI-gedreven aanval, van phishing tot deepfake, probeert zich voor te doen als iemand anders. Phishing-resistant authenticatie, rechten die beperkt zijn tot wat nodig is en extra verificatie bij gevoelige handelingen maken dat veel moeilijker, ongeacht hoe overtuigend het bericht of de stem is.
Wij passen dit zelf toe. In SOC++ analyseren we aanmeldingen en gedrag op afwijkingen in plaats van alleen op bekende handtekeningen, zodat ook nieuwe, door AI gegenereerde aanvallen vroeg opvallen. En in onze eigen offensieve tests gebruiken we generatieve AI om realistische phishing en aanvalsscenario’s na te bootsen, zodat zwakke plekken zichtbaar worden voordat een echte aanvaller ze vindt.
Hoe je je organisatie beschermt
Zet detectie in die gedrag herkent, op endpoints en op identiteiten, en zorg dat iemand ernaar kijkt. Beveilig accounts met phishing-resistant MFA, beperk rechten en vraag extra verificatie bij betalingen en wijzigingen. Test je eigen omgeving regelmatig, met simulaties die gebruikmaken van dezelfde AI als aanvallers. En train mensen op de signalen die overblijven: een onverwacht verzoek, een afwijkende toon, druk om snel te handelen. Een controlevraag die alleen de echte collega kan beantwoorden, is nog altijd een van de beste verdedigingen tegen een deepfake.
Is bescherming nog mogelijk?
Absolute veiligheid bestaat niet, zeker niet tegen aanvallen die zichzelf blijven verfijnen. Wie denkt dat het hem niet zal overkomen, begeeft zich op glad ijs. Maar dezelfde AI die aanvallers gebruiken, staat ook de verdediger ter beschikking. Het gaat niet meer om een jaarlijkse audit of een update, maar om een aanpak die continu leert en bijstuurt. Je hoeft niet perfect te zijn; je moet in beweging blijven. Snelheid van reageren en aanpassingsvermogen zijn de nieuwe succesfactoren.
Conclusie
AI heeft de dynamiek van cybersecurity veranderd. Criminelen gebruiken generatieve AI om sneller, grootschaliger en geloofwaardiger aan te vallen. Verdedigers hebben dezelfde technologie om afwijkingen te zien en sneller te reageren. De sleutel zit in de balans: investeren in AI-gedreven detectie, en tegelijk de menselijke expertise behouden die context begrijpt en beslissingen neemt. De toekomst van cybersecurity is samenwerking, tussen verdedigers onderling en tussen mens en machine.