AI-agents zetten zero days om in een race die mensen alleen niet kunnen winnen

Al jarenlang zijn zero day-kwetsbaarheden gevaarlijk, maar ze waren eerder zeldzaam en moeilijk uit te buiten op grote schaal. Het vinden van een zero day-kwetsbaarheid vereiste geduld, gespecialiseerde vaardigheden en een diep begrip van softwaregedrag. Zoals Nicole Perlroth en andere journalisten hebben gerapporteerd, was er een handel in zero days, en nationale staten behandelden ze als uiterst waardevolle cyberwapens.

Tegenwoordig zijn zero days algemeen beschikbaar. Bijna iedereen kan nieuwe kwetsbaarheden ontdekken met behulp van open source AI-modellen of propriëtaire AI’s zoals Claude en OpenAI.

Dezelfde vooruitgang die AI nuttig maakt voor het schrijven van code, het samenvatten van logbestanden en het versnellen van beveiligingsoperaties, kan ook worden gebruikt om kwetsbaarheden te zoeken, kwetsbaarheden te koppelen en exploitatiepaden te testen met machinesnelheid. Aanvallers hoeven niet langer handmatig elke afhankelijkheid te inspecteren, elke toepassing omgekeerd te engineeren of wekenlang te zoeken naar een zwakte. AI-agents kunnen veel van dat werk automatiseren, door codebases te onderzoeken, blootgestelde systemen te scannen, hypothesen te genereren en te itereren totdat ze iets nuttigs vinden.

Dat verandert de economie van zero day-exploitatie. Een menselijke aanvaller heeft misschien alleen tijd om de meest veelbelovende doelen na te streven. Een AI-ondersteunde aanvaller kan veel meer software onderzoeken, veel sneller, met veel minder vermoeidheid. Zelfs als de meeste pogingen falen, maakt het grote aantal pogingen succes waarschijnlijker. In cybersecurity maakt schaal vaak zeldzame gebeurtenissen tot routinegebeurtenissen.

AI breidt het zero day-zoekoppervlak uit

Dit is waarom zero days een meer urgente ondernemingsrisico worden. Moderne software is te groot, te verbonden en te afhankelijk van derdencomponenten voor een organisatie om elke zwakte volledig te begrijpen voordat een aanvaller dat doet. De meeste bedrijven vertrouwen op een uitgebreid mengsel van commerciële platforms, open-sourcebibliotheken, clouddiensten, SaaS-toepassingen, API’s, identiteitssystemen, edge-apparaten en interne tools. Elke laag introduceert potentiële kwetsbaarheden. Elke integratie creëert nieuwe aanvalspaden. Elke update kan de risicoprofiel stilzwijgend veranderen.

De oncomfortabele realiteit is dat er een enorme hoeveelheid onontdekte kwetsbaarheden in software van alle soorten zit. Sommige daarvan bestaan in oude code. Sommige bestaan in nieuwe code die onder druk is geschreven. Sommige komen van afhankelijkheden die weinig organisaties met voldoende precisie volgen. Sommige ontstaan uit de manier waarop systemen interactie hebben, zelfs als elk individueel component veilig lijkt. AI-agents zijn goed geschikt om die complexiteit te onderzoeken omdat ze breed, persistent en adaptief kunnen zoeken.

Verdedigers hebben een onmogelijk patchprobleem. U kunt geen kwetsbaarheid patchen die u niet weet dat deze bestaat. U kunt niet elke theoretische zwakte gelijkelijk prioriteren. U kunt niet elke combinatie van software, configuratie en gebruikersgedrag volledig testen voordat u deze implementeert. Zelfs volwassen kwetsbaarheidsbeheerprogramma’s zijn vaak gebouwd rondom bekende CVE’s, vendoradviezen en dreigingsinformatieberichten. Die zijn essentieel, maar ze komen na de ontdekking. In een wereld met AI-versnelde zero day-jacht kan de ontdekking eerst plaatsvinden in de handen van een aanvaller.

Dit creëert een groeiend spel van whack a mole. Een kwetsbaarheid wordt gevonden. Een patch wordt haastig uitgebracht. De exploitatie verschuift naar een naburig systeem, een andere afhankelijkheid of een nieuw blootgesteld interface. Beveiligingsteams reageren, maar de achterstand blijft groeien. AI verhoogt de snelheid van de hamer aan beide kanten, maar aanvallers profiteren vaak eerst omdat ze alleen één haalbare route hoeven te vinden. Verdedigers moeten alle routes beschermen.

Het langetermijnantwoord kan komen van AI zelf. Naarmate AI-systemen beter worden in het genereren, controleren en testen van code, zouden ze hele klassen van kwetsbaarheden moeten helpen elimineren voordat software de productie bereikt. Beveiligde ontwikkeling kan veel praktischer worden wanneer AI continu code kan inspecteren, onveilige patronen kan identificeren, exploitatie kan modelleren en reparaties kan aanbevelen in real-time. Uiteindelijk kunnen we een punt bereiken waarop gemeenschappelijke geheugengebreken, injectiefouten, authenticatiefouten en onveilige configuraties aanzienlijk worden verminderd omdat AI-ondersteunde engineering ze vroeg vindt. In ons werk in DeepTempo zien we al een groter gebruik van geheugensveilige talen zoals Rust in onze software; hoewel Rust in sommige opzichten moeilijker te coderen is, is het veiliger en is het coderen ervan veel gemakkelijker geworden dankzij AI.

Verdedigers moeten verschuiven van patchsnelheid naar aanvalresistentie

Terwijl een toekomst waarin alle software is gepatcht of herschreven in een veiligere manier de moeite waard is om na te streven, is het onduidelijk hoe theoretisch mogelijk het werkelijk is om een dergelijke toekomst te bereiken. In elk geval weten we dat die toekomst nog niet is aangebroken en zal dat voor vele jaren niet doen. De AI-gegenereerde code van vandaag kan nog steeds kwetsbaarheden introduceren. En AI-beveiligingstools kunnen nog steeds context missen. De huidige ondernemingsomgevingen bevatten nog steeds decennia aan opgebouwde technische schulden. Aanvallers gebruiken al automatisering om sneller te bewegen, terwijl verdedigers AI nog steeds integreren in bestaande workflows, goedkeuringsketens en risicamodellen en ontdekken dat LLM’s niet nuttig zijn bij het detecteren van aanvallen.Meer informatie over hoe LLM’s presteren bij detectie kan worden gevonden in recente open source-benchmarks zoals SOC Bench. Als voorbeeld vonden de ingenieurs achter SOC Bench dat de beste LLM’s een vals-positief tarief in de range van 20% hebben en honderden miljoenen dollars per dag zouden kosten op de schaal van een typische grote beveiligingsomgeving.Als gevolg van al het bovenstaande heeft de opkomst van AI momenteel een overweldigend voordeel voor aanvallers.

Helaas moeten organisaties ervan uitgaan dat sommige onbekende kwetsbaarheden door tegenstanders zullen worden ontdekt voordat ze openbaar worden gemaakt. Bovendien kunnen aanvallers, dankzij verbeterde phishing en de prevalentie van het op grote schaal vastleggen van identiteiten, eenvoudigweg inloggen.Kortom, voor de middellange termijn kan de beveiligingsstrategie niet volledig afhankelijk zijn van preventie. Preventie blijft kritiek, maar het moet worden gepaard met snellere detectie, sterkere gedragsanalyse en strakkere beperking.

Zoals verschillende organisaties onlangs hebben gesuggereerd, waaronder NIST, de Five Eyes en de National Academy of Sciences, moeten beveiligingsteams, gezien de opkomst van AI-geactiveerde aanvallers, hun aanpak herzien om te begrijpen wat normaal lijkt over gebruikers, machines, identiteiten, toepassingen en gegevensstromen. Zero day-exploitatie slaagt vaak omdat ze bekende handtekeningen omzeilen, maar ze laten nog steeds sporen achter die de meest krachtige classificatiemodellen van vandaag kunnen zien en onderscheiden. Bijvoorbeeld kunnen aanvallen ongebruikelijke toegangspatronen, abnormale privilegegebruik, onverwachte procesactiviteit, vreemde authenticatiestromen of gegevensverplaatsing laten zien die, in combinatie, niet overeenkomen met de baseline van de omgeving. Purpose-built AI kan helpen verdedigers om die signalen eerder te vinden, vooral wanneer de aanval zelf nieuw is.

Bovendien moeten bedrijven de blast radius van een compromis verkleinen. Segmentatie, minimale privileges, sterke identiteitscontrole, continue monitoring en snelle isolatie zijn belangrijker wanneer onbekende kwetsbaarheden worden uitgebuit. Als een aanvaller een zero day gebruikt om toegang te krijgen, is de volgende vraag hoe ver ze kunnen gaan voordat ze worden gedetecteerd. Hoe kleiner dat venster, hoe minder waardevol de exploitatie wordt.

Er is geen schone pauzeknop voor dit moment. AI-agents zullen blijven verbeteren. Offensieve experimenten zullen blijven versnellen. Het aantal systemen dat het onderzoeken waard is, zal blijven groeien. De taak van de beveiligingsgemeenschap is om ervoor te zorgen dat defensieve AI even snel volwassen wordt.

Zero days hebben altijd beloond voor snelheid, creativiteit en asymmetrie. AI-agents versterken alle drie. De organisaties die zich aanpassen, zullen AI behandelen als meer dan een productiviteitslaag voor beveiligingsteams. Ze zullen ook purpose-built AI gebruiken om onbekende bedreigingen efficiënt en nauwkeurig te detecteren, ogenschijnlijk zwakke signalen te prioriteren die, in combinatie met duizenden anderen, een compromis suggereren, en te reageren voordat een uitgebuite kwetsbaarheid een bedrijfsbrede crisis wordt.