Ben Bernstein, Manager van Cybersecurity Adviseurs bij Huntress – Interviewreeks

Ben Bernstein, Manager van Cybersecurity Adviseurs bij Huntress, is een cybersecurityprofessional met meer dan een decennium aan ervaring op het gebied van technische ondersteuning, systeemadministratie, klantensucces, technisch accountmanagement en leiderschap in securityadvies. Hij begon zijn loopbaan in praktische IT‑rollen, waarbij hij van helpdeskwerk naar systeemadministratie ging voordat hij overging naar accountmanagement en klantensucces bij Integris. Bernstein werkte later drie jaar bij Red Canary, waar hij relaties met enterprise‑klanten beheerde als Technisch Accountmanager en Senior Enterprise Technisch Accountmanager. Sinds hij in 2024 bij Huntress kwam als medeoprichtende Technisch Accountmanager, is hij opgeklommen tot leiderschap in technisch accountmanagement en beheert nu de Cybersecurity Adviseurs van het bedrijf, waarbij hij zijn combinatie van technische expertise en klantgerichte ervaring benut om organisaties beter te laten begrijpen en reageren op evoluerende cyberdreigingen.

Huntress is een cybersecuritybedrijf dat een volledig beheerd beveiligingsplatform biedt, ontworpen om organisaties te beschermen op endpoints, identiteiten, logs en gebruikers. Het platform combineert technologieën waaronder Managed Endpoint Detection and Response (EDR), Identity Threat Detection and Response (ITDR), Security Information and Event Management (SIEM) en security awareness training met een 24/7 AI‑gerichte Security Operations Center (SOC) bemand door menselijke beveiligingsexperts. Huntress meldt dat haar technologie momenteel meer dan 5 miljoen endpoints en 15 miljoen identiteiten beschermt bij meer dan 277.000 bedrijven, waarbij het team dreigingsdetectie, onderzoek, respons en herstel namens klanten afhandelt.

U begon uw carrière in de helpdesk en systeemadministratie voordat u via technisch accountmanagement uiteindelijk in de leiderschap van cybersecurity‑advies bij Huntress terechtkwam. Hoe heeft die praktische IT‑achtergrond uw manier van nadenken over beveiliging vandaag gevormd, vooral nu dezelfde tools waarop beheerders vertrouwen ook een toegangspunt voor aanvallers kunnen worden?

Ik ben elke dag eeuwig dankbaar voor mijn IT‑achtergrond nu ik aan de toegewijde cyberkant van het bedrijf werk. Het geeft me een praktisch perspectief. Wanneer je weet hoe besturingssystemen, applicaties en systeemprocessen zich gedragen wanneer alles normaal functioneert, vallen anomalieën en bedreigingen echt op. Mijn tijd in IT heeft ook een probleemoplossende en oorzaak‑gerichte mentaliteit ontwikkeld. Je leert snel dat je de draad moet volgen om er zeker van te zijn dat je een probleem of dreiging volledig in kaart brengt.

Ik herinner me dat ik sterk leunde op dezelfde tools, zoals RMM’s, die tegenwoordig door dreigingsactoren worden misbruikt. Omdat ik ze zelf heb uitgerold, waardeer ik hun kracht in zowel de handen van een IT‑beheerder als van een aanvaller volledig. Omdat RMM’s overal zijn, legt dit druk op beveiligingsteams om alle activiteit rond hun uitvoering te bekijken. Het hebben van een RMM op een machine is niet per definitie kwaad. Maar als die RMM plotseling extra tools gaat leveren of onbekende scripts start, dwingt dit verdedigers om te stoppen met vertrouwen op vertrouwde software‑lijsten en zich volledig te richten op het observeren van gedrag.

AI wordt vaak in cybersecurity besproken in termen van geavanceerde autonome aanvallers, maar hoeveel van de directe impact van AI bestaat er eigenlijk uit het gewoonlijk sneller en capabeler maken van gewone cybercriminelen? Bereiken we een punt waarop relatief laaggeschoolde aanvallers campagnes kunnen uitvoeren die voorheen veel diepere technische expertise vereisten?

Er is momenteel veel paniek over autonome AI‑hacksystemen, maar de realiteit ter plaatse is dat dit geen nieuw vakmanschap is. Deze modellen breken niet in netwerken in met hooggesofisticeerde technieken. Ze doen precies wat menselijke script‑kiddies al jaren doen: ze scannen naar internet‑exposed, niet‑gepatchte en verkeerd geconfigureerde assets. Het haalt de krantenkoppen omdat de uitdrukking “autonome AI” eng of sexy klinkt, afhankelijk van wie je het vraagt, maar de feitelijke werking van deze aanvallen is basaal.

Het daadwerkelijke probleem waarmee we geconfronteerd worden, is dat AI de drempel voor cybercriminelen verlaagt. Aanvallers kunnen de saaie delen van een exploit automatiseren en hun operaties opschalen zonder diepgaande technische expertise. Het stelt laaggeschoolde aanvallers in staat campagnes veel sneller uit te voeren, wat veel druk op bedrijven legt. Je kunt niet langer een beveiligingsinstrument installeren en er vervolgens niet meer aan denken. Organisaties moeten ervan uitgaan dat hun netwerken voortdurend worden gescand.

Huntress heeft waargenomen dat aanvallers LLM‑gegenereerde infostealer‑scripts gebruiken tijdens RMM‑inbraken. Wat vertelt dit ons over hoe generatieve AI de economie en toegankelijkheid van cybercrime verandert?

Het vertelt ons dat generatieve AI de operationele overhead van cybercrime stroomlijnt. Het schrijven van een infostealer‑script is geen nieuw technisch werk, maar vereiste traditioneel veel ontwikkelaarstijd of het kopen van gespecialiseerde tools op een ondergronds forum. Door een LLM binnen het netwerk van een slachtoffer te gebruiken, kunnen aanvallers op aanvraag functionele, aangepaste scripts genereren in plaats van te vertrouwen op vooraf gebouwde malware.

Hoewel het gebruik van deze modellen nog steeds enige kosten met zich meebrengt, is de instapdrempel lager dan ooit. We zien vaak dat gemiddelde aanvallers deze tools inzetten om sneller te werken en handmatige coderingswerkzaamheden te elimineren. Het verandert de economie van een aanval fundamenteel door de uitvoeringsfase zeer toegankelijk te maken, waardoor minder bekwame actoren hun operaties kunnen opschalen zonder diepgaande technische expertise.

Huntress meldde een stijging van 277 % jaar-op-jaar in misbruik van remote monitoring‑ en management‑tools. Waarom zijn legitieme RMM‑platformen zo’n aantrekkelijk alternatief voor aangepaste malware, en welke voordelen bieden ze aanvallers zodra ze toegang hebben?

Er is niets inherent kwaadaardigs aan RMM‑tools. Ze vervullen een cruciale functie, helpen IT‑beheerders en MSP’s efficiënt te werken en gebruikers te ondersteunen. Het probleem is dat aangepaste malware wordt gedetecteerd door traditionele antivirussoftware, terwijl RMM’s ondertekend, vertrouwd en in staat zijn standaard beveiligingscontroles te omzeilen. Nog beter voor een aanvaller: RMM‑agents draaien van nature met verhoogde admin‑rechten en bieden ingebouwde persistentie, wat betekent dat ze actief blijven na systeemherstarts zonder extra inspanning om de toegang te behouden.

Zodra een aanvaller zijn eigen RMM‑agent op een doelmachine heeft draaien, heeft hij in feite een remote‑control‑console. Hij kan bestanden naadloos heen en weer overzetten en zet vaak zijn RMM‑instantie vooraf klaar met kwaadaardige scripts en tools die met één klik op meerdere eindpunten kunnen worden uitgevoerd. Omdat de applicatie zelf legitiem is, kunnen verdedigers het hulpmiddel niet simpelweg blokkeren. Het dwingt beveiligingsteams om te stoppen met vertrouwen op lijsten met vertrouwde software en zich te richten op gedragsobservatie, waardoor 24/7‑monitoring essentieel wordt als je een aanvaller wilt betrappen die administratieve software misbruikt.

Een techniek die Huntress heeft gedocumenteerd, is dat aanvallers meerdere RMM‑tools “daisy‑chainen” om telemetrie te fragmenteren en redundante toegang te creëren. Kun je ons door het typische verloop van zo’n inbraak leiden en uitleggen waarom het zo moeilijk voor verdedigers is om te herkennen wat er gebeurt?

Hier is een bijzonder interessant voorbeeld dat we hebben onderschept en waarover we een blog schreven. De inbraak begon met een phishing‑e‑mail die een nep‑zakelijk document als lokmiddel gebruikte, bijvoorbeeld een “Network Solutions Agreement”. Het slachtoffer klikte op de link in de e‑mail, belandde op een pagina die werd beschermd door een nep‑CAPTCHA, en downloadde wat hij dacht dat een standaard PDF‑ of servicedocument was. In werkelijkheid was de download een uitvoerbare installer. Toen de gebruiker dubbelklikte om het document te openen, installeerde hij stilzwijgend een legitieme maar ongeautoriseerde remote‑access‑tool genaamd Tiflux RMM.

Zodra de dreigingsactor die eerste Tiflux‑agent had draaien, gebruikte hij onmiddellijk de ingebouwde mogelijkheden om extra tools zoals Splashtop, ScreenConnect en UltraVNC op exact dezelfde machine te pushen en te sideloaden. Het is belangrijk op te merken dat dit allemaal ook legitieme RMM‑tools zijn.

Aanvallers doen dit om super‑persistentie te vestigen. Ze weten dat als een IT‑beheerder één ongeautoriseerde remote‑tool ontdekt en verwijdert, de aanvaller nog twee of drie andere actieve achterdeurtjes heeft. Deze tactiek fragmenteert de telemetrie. Beveiligingsplatformen zien alleen afzonderlijke, ondertekende administratieve applicaties die gelijktijdig draaien en contact opnemen met legitieme vendor‑infrastructuur. Tenzij een verdediger die activiteit actief monitort en zich afvraagt waarom één eindpunt in dezelfde middag plotseling meerdere verschillende remote‑management‑agents moet installeren, wordt dit simpelweg gezien als routine‑IT‑onderhoud.

Naast 24/7‑gedragsmonitoring is een andere effectieve controle hier Endpoint Security Posture Management en applicatie‑controle. Als een organisatie expliciet definieert welke specifieke varianten van RMM‑tools op hun machines mogen draaien, kunnen ze niet‑geautoriseerde tools volledig blokkeren, waardoor de daisy‑chain al vóór de start wordt gestopt.

Traditionele beveiligingsmodellen onderscheiden vaak tussen vertrouwde en niet‑vertrouwde software, maar RMM‑aanvallen maken gebruik van tools die legitiem, ondertekend en al door IT goedgekeurd kunnen zijn. Betekent dit dat verdedigers moeten stoppen met vragen of een applicatie vertrouwd is en zich in plaats daarvan moeten richten op of het gedrag ervan vertrouwd is?

Ja, absoluut. Het traditionele model van binaire vertrouwen is gebroken. Binaire ondertekening is bedoeld om te verifiëren dat een applicatie van een legitieme leverancier komt, niet om te garanderen dat de acties veilig zijn.

Als een aanvaller een ondertekende RMM‑binary of een living‑off‑the‑land‑utility gebruikt, is het uitvoerbare bestand zelf schoon, maar is de activiteit erachter kwaadaardig. Verdedigers moeten voorbij de vraag “Is dit bestand vertrouwd?” gaan en zich richten op of het gedrag logisch is in de context. Het hebben van een RMM op een machine is niet inherent kwaadwillig. Maar als die tool plotseling extra utilities neerzet, onbekende scripts start of om 2 uur ’s nachts onder een service‑account draait, is dat een indicator van compromittering. Context en gedrag hebben altijd al belang gehad, maar nu, met aanvallers die zo sterk leunen op vertrouwde software, zijn ze belangrijker dan ooit.

Nu AI de tijd tussen het ontdekken van een kwetsbaarheid of configuratie‑gat en het exploiteren ervan verkort, hoe verandert dat de rol van security posture management? Welke zwaktes op het gebied van identiteit, eindpunten en remote‑access moeten organisaties prioriteren voordat aanvallers de kans krijgen ze te exploiteren?

Beheer van de beveiligingshouding is nu belangrijker dan ooit omdat het organisaties helpt proactief de veelvoorkomende beveiligingslacunes te dichten die aanvallers elke dag exploiteren. Het vult detectie en respons aan door continu problemen te identificeren en aan te pakken, zoals misconfiguraties, overmatige rechten, ongeautoriseerde applicaties en andere zwaktes op eindpunten en identiteiten. Wanneer het tijdsvenster tussen kwetsbaarheidsmelding en geautomatiseerde scanning verkleint tot enkele uren, wordt het essentieel om die lacunes te verkleinen voordat ze kunnen worden uitgebuit. Organisaties moeten een consistente, geharde houding behouden over alle omgevingen heen om het aantal incidenten dat ze ondervinden te verminderen en te beperken wat een aanvaller kan bereiken als hij eenmaal binnen is.

Hoewel bijna elke cyberleverancier graag het publiek “onderwijst” (of bang maakt) over welke bedreiging of beveiligingsdomein ze ook oplossingen voor verkopen, is de daadwerkelijke prioriteitenlijst iets dat alleen elke individuele organisatie zelf kan bepalen. Elk bedrijf hecht waarde aan verschillende componenten van de CIA‑triad, en elk bedrijf heeft gevoelige gegevens die op verschillende plaatsen worden opgeslagen of benaderd. Het echte advies dat de meeste bedrijven nodig hebben, is om te evalueren welke gegevens, activa of productiesystemen het meest cruciaal zijn voor hun operaties, en vervolgens van daaruit terug te werken om te beschermen wat het belangrijkst is.

Er groeit de bezorgdheid dat AI‑agenten uiteindelijk aanzienlijke delen van de aanvalscyclus autonoom uitvoeren. Welke capaciteiten moeten verbeteren voordat autonome cyberaanvallen aanzienlijk gevaarlijker worden dan de huidige AI‑ondersteunde aanvallen, en bereiden verdedigers zich snel genoeg voor?

De bezorgdheid over autonome agenten suggereert dat dit een toekomstig probleem is, maar we zien ze vandaag al aanvallen uitvoeren. Deze autonome aanvallen zijn echter verre van perfect. Kijk naar de recente JadePuffer‑ransomwarecampagne. Deze werd volledig uitgevoerd door een AI‑agent, maar hij maakte flagrante fouten. Het model verzon delen van de operatie, waaronder een nep‑Bitcoin‑portemonnee‑adres voor de losgeldnota. Nog absurder, de AI vergat de encryptiesleutel op te slaan of te verzenden. Hij drukte de willekeurig gegenereerde sleutel alleen maar af naar een tijdelijk console‑output en sloot de sessie, waardoor het wiskundig onmogelijk werd voor het slachtoffer om hun gegevens te herstellen, zelfs als ze betaalden.

De harde realiteit is dat vanuit het perspectief van tactieken, technieken en procedures autonome AI, geautomatiseerde scripts en menselijke aanvallers exact hetzelfde doen. Ze exploiteren nog steeds dezelfde soorten internet‑exposed, kwetsbare en verkeerd geconfigureerde assets. AI moet nog steeds de standaard kill chain doorlopen. Het moet nog steeds eerst toegang verkrijgen, rechten verhogen, lateraal bewegen en zijn payload uitvoeren. In het geval van JadePuffer gebruikte het simpelweg een bekende, niet‑gepatchte kwetsbaarheid om binnen te komen en strompelde vervolgens door het netwerk.

Aangezien de kernmechanismen van de aanval niet zijn veranderd, hoeven verdedigers hun huidige playbook niet te verwerpen. Je hebt nog steeds gelaagde beveiliging, basis‑IT‑hygiëne en sterke gedragsdetectie nodig. Wat verandert, is de druk en snelheid waarmee verdedigers gebeurtenissen moeten verwerken en waarschuwingen moeten triageren. Wanneer een AI‑agent een fout maakt, het foutlogboek leest en binnen enkele seconden zelf corrigeert om door te gaan, moeten verdedigers zich simpelweg aanpassen aan de hoge snelheid waarmee cyberaanvallen zich nu bewegen.

Aanvallers passen AI toe, maar verdedigers hebben toegang tot veel van dezelfde technologieën. Waar zie je AI de grootste defensieve meerwaarde bieden: bij het detecteren van ongewoon gedrag, het analyseren van telemetrie, het prioriteren van kwetsbaarheden, het automatiseren van respons, of ergens heel anders?

Ten eerste is het zeer effectief voor correlatie binnen het blue team. Beveiligingsteams hebben geen dataprobleem; ze hebben een ruisprobleem. AI is ongelooflijk nuttig om de naald in de hooiberg te vinden, uiteenlopende, ogenschijnlijk niet‑gerelateerde gebeurtenissen te nemen en ze samen te voegen tot het volledige verhaal van een inbraak.

Ten tweede doet AI voor verdedigers precies wat het voor aanvallers doet door de vaardigheidskloof te overbruggen. Wanneer een junior SOC‑analist wordt geconfronteerd met een sterk geobfusceerd script of een complexe waarschuwing, kan hij een LLM gebruiken om die gegevens onmiddellijk naar begrijpelijk Nederlands te vertalen. Het verwijdert het handmatige, saaie werk van reverse engineering en stelt verdedigers in staat om veel sneller te triageren en te reageren.

Ten slotte, als we verder kijken dan reactieve verdediging, is er een enorme kans voor red‑ en purple‑teams om AI te gebruiken om proactief verdedigingsmechanismen te testen en te valideren. Volledig gescope, door mensen geleide penetratietests blijven een absolute noodzaak. Maar AI verlaagt de technische drempel om kleinere, atomische tests uit te voeren om verschillende lagen in een beveiligingsstack te valideren. In plaats van te wachten op een jaarlijkse pentest of de vingers te kruisen wanneer een echte organische bedreiging zich voordoet, kunnen organisaties AI inzetten om veilig en frequent hun eigen omgeving te testen om te zien wat er daadwerkelijk breekt.

Kijkend naar de toekomst, verwacht je dat de cyberbeveiligingsindustrie een omgeving betreedt waarin zowel aanvallers als verdedigers steeds meer via autonome agenten opereren? Zo ja, wat zal uiteindelijk bepalen wie het voordeel heeft wanneer machines aan beide kanten bedreigingen kunnen identificeren en erop kunnen reageren met machinale snelheid?

AI zet de ondergrondse economie zeker op zijn kop. De darknetmarkt voor cybercrime‑as‑a‑service heeft geprofiteerd van de verkoop van malware en scripts, omdat deze traditioneel gespecialiseerde ontwikkelaarsvaardigheden vereisten om te maken. AI verandert de toegankelijkheid en de economie van dat ecosysteem door minder bekwame operators in staat te stellen hun eigen tools op aanvraag te genereren. Het zal waarschijnlijk veel legacy‑leveranciers van kant‑en‑klare malware de deur wijzen. Waarom zou een dreigingsactor betalen voor generieke kant‑en‑klare malware op een ondergronds forum wanneer hij simpelweg een LLM kan aansturen om op aanvraag maatwerk‑tools te genereren?

Wanneer beide partijen beschikken over AI, draait het voordeel om infrastructuur, afstemming en toezicht. Het wordt een strijd om wie het compute‑budget (wie meer tokens kan verbranden) en wie het beter afgestemde model heeft. Voor dreigingsactoren is de test of hun AI iteratief kan troubleshooten, foutlogboeken kan lezen en adequaat kan pivoteren wanneer een exploit faalt. Voor verdedigers is de test of uw detectiesystemen daadwerkelijk zijn afgestemd en of uw datapipe‑lines correct zijn aangesloten om de AI in realtime van de juiste telemetrie te voorzien. Maar nog belangrijker is dat het afhangt van of u menselijke experts met zakelijke context in de lus heeft om kritieke beoordelingsbeslissingen te nemen, zoals het lezen van de interpretatie van een incident door de AI en beslissen of een gecompromitteerde machine moet worden geïsoleerd of een productiesysteem offline moet worden gehaald om een bedreiging in te dammen.

Uiteindelijk verandert AI de basisprincipes van beveiliging niet. De bedrijven die het het beste zullen doen, zijn degenen die de kleine details blijven perfectioneren. Het draait om het verkleinen van uw aanvalsvector, het patchen van kwetsbaarheden, het hardenen van configuraties, 24/7 bewaken, uitgaan van een compromis, en proactief uw verdedigingsmechanismen regelmatig testen. AI is slechts een versneller. Wie de basis sneller en consistenter uitvoert, is de winnaar.

Bedankt voor het geweldige interview, lezers die meer willen weten, kunnen Huntress bezoeken.