Zijn bedrijven klaar voor de volgende golf van AI-aangedreven cyberaanvallen?

Het analyseren van huidige trends stelt experts in staat om te voorspellen hoe cybercriminelen in de toekomst artificial intelligence zullen gebruiken. Met deze informatie kunnen ze de grootste opkomende bedreigingen identificeren en bepalen of bedrijven hiervoor zijn voorbereid. Ze kunnen zelfs een oplossing vinden.

De staat van AI-bedreigingen in recente jaren

Hoewel AI-technologie relatief nieuw is, is het al een prominent instrument voor hackers geworden. Deze trends suggereren dat AI-cyberaanvallen in opkomst zijn.

1. Modelmanipulatie

Door grote taalmodellen (LLM’s) rechtstreeks aan te vallen, kunnen dreigingsactoren het modelgedrag manipuleren, de uitvoernauwkeurigheid verlagen of persoonlijk identificeerbare trainingsgegevens blootleggen. Datapoisoning en prompt-engineering zijn veelvoorkomende aanvalstechnieken.

Sommige aanvallen worden geleid door dreigingsactoren die chaos willen veroorzaken of gevoelige informatie willen stelen. Andere worden beheerd door ontevreden artiesten die hun kunstwerk willen beschermen tegen AI-scraping. Hoe dan ook, het bedrijf en zijn eindgebruikers worden nadelig beïnvloed.

2. Impersonatie-aanvallen

In 2024 ontving een Ferrari-directeur meerdere WhatsApp-berichten van de CEO, Benedetto Vigna. Vigna sprak over een aanstaande overname en drong er bij zijn werknemer op aan om een geheimhoudingsverklaring te ondertekenen. Hij belde zelfs om de financiering te bespreken. Er was één probleem — het was niet hij.

De deepfake was bijna perfect, met een zuidelijk Italiaans accent van Vigna dat uitzonderlijk goed werd nagebootst. Toch waren er kleine inconsistenties in de stem die de directeur attent maakten op de scam. De werknemer vroeg naar de titel van een boek dat Vigna eerder had aanbevolen, een vraag die alleen de echte CEO zou kunnen beantwoorden. De scammer hing meteen op.

AI kan een persoon zijn stem, browse-gedrag, schrijfstijl en gelijkenis klonen. Naarmate deze technologie vordert, wordt het steeds moeilijker om deepfakes te identificeren. De scammers zetten de doelwit vaak in een urgente situatie om te voorkomen dat ze kleine inconsistenties in twijfel trekken.

3. AI-phishing

In het verleden kon een persoon een phishing-e-mail identificeren door naar slechte grammatica, verdachte links, algemene begroetingen en ongepaste verzoeken te zoeken. Nu kunnen hackers met natuurlijke taalverwerkingstechnologie overtuigende berichten met perfecte grammatica creëren.

Onderzoekers hebben ontdekt dat volledig geautomatiseerde AI-geactiveerde spear-phishing-e-mails een klikratio van 54% hebben, wat gelijk is aan phishing-e-mails die door mensen zijn geschreven. Aangezien deze scams overtuigender zijn, worden ze steeds vaker gebruikt. Studies hebben aangetoond dat meer dan 80% van de phishing-e-mails bewijs van AI-betrokkenheid vertonen.

4. Sociale manipulatie

Sociale manipulatie houdt in dat iemand wordt gemanipuleerd om actie te ondernemen of informatie te verstrekken. AI stelt hackers in staat om sneller te reageren en overtuigendere berichten te creëren. Elk natuurlijk taalverwerkingmodel kan een semantische analyse uitvoeren om de emotionele staat van de ontvanger te identificeren, waardoor ze meer geneigd zijn om toe te geven.

Naast het verbeteren van sociale manipulatietechnieken, verlaagt machine learning-technologie de traditionele toegangsbarrières, waardoor beginners in staat zijn om geavanceerde campagnes uit te voeren. Als iedereen een cybercrimineel kan worden, kan iedereen een doelwit worden.

De volgende golf van data-gedreven AI-aanvallen

Begin 2026 zullen AI-aanvallen naar verwachting op een laag volwassenheidsniveau blijven. Echter, ze zullen exponentieel vooruitgang boeken naarmate het jaar vordert, waardoor cybercriminelen in staat zullen zijn om campagnes volledig te automatiseren. Bevestigde voorbeelden van AI-cyberaanvallen zullen binnenkort niet zeldzaam meer zijn.

Polymorfe malware is een AI-geactiveerde virus die zijn code kan veranderen elke keer dat het zich vermeerdert om detectie te voorkomen. Aanvallers kunnen de payload leveren via AI-ecosystemen, LLM’s aanspreken op runtime om commando’s te genereren of het virus rechtstreeks in de LLM inbedden. De Google (GOOGL ) Threat Intelligence Group ontdekte dat tegenstanders deze malware voor het eerst in 2025 hebben ingezet.

De malware-families zijn PROMPTFLUX en PROMPTSTEAL. Tijdens de uitvoering gebruiken ze LLM’s om VBScript-verhulling en ontwijktechnieken aan te vragen. Ze ontwijken detectie op basis van handtekeningen door hun eigen code op aanvraag te verhullen.

Er zijn aanwijzingen dat deze bedreigingen nog in de testfase zitten — sommige onvolledige functies zijn uitgecommentarieerd en de toepassingsprogramma-aanroepen zijn beperkt. Deze AI-malware-families in ontwikkeling kunnen nog steeds een enorme stap voorwaarts vertegenwoordigen in de richting van autonome, adaptieve aanvalstechnieken.

Onderzoek van NYU Tandon toont aan dat LLM’s al in staat zijn om ransomware-aanvallen autonoom uit te voeren, gedoopt Ransomware 3.0. Ze kunnen verkenning uitvoeren, payloads genereren en afpersing personaliseren zonder menselijke betrokkenheid. Het vereist alleen natuurlijke taalprompts die in de binaire code zijn ingebed. Het model levert polymorfe varianten die zich aanpassen aan de uitvoeromgeving door dynamisch kwaadaardige code te genereren op runtime.

Zijn bedrijven voorbereid op AI-aanvallen?

Ondanks miljarden uitgegeven aan cybersecurity, blijven particuliere bedrijven worstelen om de evoluerende bedreigingslandschap bij te houden. Machine learning-technologie kan bestaande detectie- en responssoftware verouderd maken, waardoor verdediging nog moeilijker wordt. Het helpt niet dat veel bedrijven niet eens basisbeveiligingsnormen halen.

Het 2024 DIB Cybersecurity Maturity Report onderzocht 400 IT-professionals in de Verenigde Staten verdedigingsindustriebasis (DIB). Meer dan de helft van de respondenten meldden dat ze jaren verwijderd zijn van Cybersecurity Maturity Model Certification (CMMC) 2.0-conformiteit, ondanks het feit dat de equivalentie van NIST 800-171-conformiteit al sinds 2016 in DoD-contracten is opgenomen. Veel bedrijven beoordelen hun beveiligingspositie als veel beter dan het eigenlijk is.

De nieuwe CMMC-vereisten traden in werking op 10 november 2025. Vanaf dat moment zullen alle DoD-contracten een bepaalde mate van CMMC-conformiteit vereisen als voorwaarde voor contracttoekenning. De nieuwe regels zijn bedoeld om de DIB-cyberbeveiliging te versterken, maar zullen ze effectief zijn in de tijd van AI?

Is defensieve AI het antwoord?

Het bestrijden van vuur met vuur kan de enige manier zijn om de onvermijdelijke toename van AI-aanvallen te bestrijden. Met defensieve AI kunnen organisaties dynamisch op bedreigingen reageren in real-time. Echter, deze aanpak komt met zijn eigen beveiligingsfouten — het beveiligen van het model tegen manipulatie vereist continue toezicht en auditing.

Volgens Harvard Business Review laten conventionele oplossingen bedrijven kwetsbaar voor AI-cyberaanvallen. Om cyberweerbaarheid te bereiken, moeten ze machine learning-technologie gebruiken om bedreigingen te anticiperen en automatisch te reageren.

Er is geen eenvoudig antwoord op de vraag of defensieve AI de oplossing is voor dit probleem. Zouden bedrijven hun middelen moeten steken in het inzetten van ongeteste machine learning-hulpmiddelen of het uitbreiden van hun IT-teams? Het is onmogelijk om te voorspellen welke investering op lange termijn zal renderen.

Grote ondernemingen kunnen aanzienlijke rendementen zien met geautomatiseerde cybersecurity, terwijl kleine bedrijven mogelijk moeite hebben om de kosten te rechtvaardigen. Conventionele automatiseringstechnologie kan de kloof dichten tegen een veel lagere prijs, maar het kan niet reageren op dynamische bedreigingen.

Steve Durbin, CEO van de Information Security Forum, stelt dat AI-adoptie aanzienlijke voordelen heeft, maar ook grote nadelen. Zo ervaren bedrijven vaak een toename van valse positieve waarschuwingen, waardoor de tijd van beveiligingsteams wordt verspild. Bovendien kan overmatig vertrouwen op AI ertoe leiden dat teams overmoedig worden, wat resulteert in beveiligingslacunes.

Het navigeren van het AI-bedreigingslandschap

Het is onmogelijk om de exacte omvang van de aanwezigheid van AI in het bedreigingslandschap te bepalen, aangezien aanvallers het kunnen gebruiken om kwaadaardige code te creëren of phishing-e-mails te schrijven, in plaats van het te gebruiken op runtime. Eenlingen en door de staat gesponsorde dreigingsgroepen kunnen het op grote schaal gebruiken.

Op basis van de beschikbare informatie zullen modelmanipulatie, AI-phishing en polymorfe malware de grootste cyberbedreigingen van 2026 zijn. Cybercriminelen zullen waarschijnlijk blijven gebruikmaken van LLM’s om kwaadaardige payloads te genereren, leveren en aanpassen, waarbij ze zich richten op waardevolle industrieën zoals financiën, evenals gewone mensen.