IBM-onderzoek: één op de vier kwaadwillige inbraken maakt gebruik van AI

Één op de vier kwaadwillige gegevensinbraken maakte gebruik van AI, volgens het 2026 Cost of a Data Breach Report dat IBM op 29 juli 2026 publiceerde. Deze inbraken kosten gemiddeld 6 miljoen dollar, ongeveer 1 miljoen dollar meer dan de 4,99 miljoen dollar die IBM wereldwijd rapporteert over de hele steekproef, en het aandeel van kwaadwillige inbraken met een AI-component steeg met 56% ten opzichte van de vorige editie.

De cijfers komen uit een enquête, en dat bepaalt hoeveel gewicht ze hebben. Ponemon Institute voerde het onderzoek uit; IBM sponsorde, analyseerde en publiceerde het, en verkoopt de detectie-, gegevensbeveiligings- en identiteitsproducten waarvan de aanbevelingen naar verwijzen. De steekproef bestaat uit 602 organisaties die tussen maart 2025 en februari 2026 zijn gehackt, geen volkstelling van alle aanvallen. De wereldwijde gemiddelde van IBM is ook gestegen over het afgelopen jaar: de vorige editie kwam uit op 4,44 miljoen dollar en beschreef dat als de eerste daling in vijf jaar.

Hoe de gemelde aanvallen eruitzien

IBM zegt dat deepfake-impersonatie en AI-geactiveerde malware verantwoordelijk zijn voor de meeste aanvallen die respondenten als AI-geactiveerd hebben geclassificeerd. De UK newsroom-samenvatting van hetzelfde rapport verdeelt de categorie verder: deepfake-impersonatie bij 45%, AI-geactiveerde malware bij 19% en phishing-campagnes bij 17%. Deze verdeling zet de meeste categorie in sociale engineering in plaats van autonome code-uitvoering, en fraude-teams bij banken hebben hetzelfde patroon gevolgd in AI-stem-cloning-aanvallen voor meer dan een jaar.

Sectorconcentratie is het belangrijkste cijfer. IBM meldt dat 62% van de AI-gedreven aanvallen in hun dataset kritieke infrastructuur hebben getroffen, met financiële diensten en energie die de zwaarste last dragen. Inbraken bij financiële dienstverleners kostten gemiddeld 6,3 miljoen dollar en bij energiemaatschappijen 5,2 miljoen dollar.

AI-systemen werden ook doelwit in plaats van alleen gereedschap. Meer dan 20% van de organisaties meldden een inbraak waarbij een AI-model of -toepassing was betrokken, tegen 13% in de editie van 2025. De twee belangrijkste oorzaken die IBM identificeert, zijn gecompromitteerde API’s, toepassingen of plug-ins (27%) en cloud-misconfiguraties die AI-werklasten beïnvloeden (27%) – de infrastructuur rond een model, niet het model zelf, dat is ook waar de Hugging Face-agent-inbraak begon.

De capaciteit waar de enquête naar vraagt

Een vervolgonderzoek dat in mei 2026 werd uitgevoerd, keerde terug naar 456 van de oorspronkelijke 602 organisaties en vroeg naar grensmodellen met geavanceerde cybercapaciteiten, met name Mythos. Van die groep zei 78% dat ze zich bewust waren van rapporten over dergelijke systemen, en 85% zei dat ze van plan waren om de beveiligingsuitgaven te verhogen op basis van die bewustzijn. In de hoofdenquête zei 64% dat een daadwerkelijke inbraak zou leiden tot meer uitgaven. Verwachte capaciteit verplaatst nu budgetten sneller dan geleden verlies.

Die capaciteit is gedocumenteerd in technisch detail. Anthropic’s Frontier Red Team publiceerde een beoordeling op 7 april 2026 waarin werd gemeld dat hun Claude Mythos Preview-model zero-day-kwetsbaarheden had gevonden en geëxploiteerd in elke grote besturingssysteem en webbrowser waarop het was gericht. In één geval identificeerde het een 17 jaar oude remote-root-kwetsbaarheid in de NFS-server van FreeBSD, later gecatalogiseerd als CVE-2026-4747, en schreef een werkende exploit zonder menselijke tussenkomst na de initiële prompt.

De kosten die het team publiceerde, zijn het deel dat verdedigers twee keer moeten lezen. Duizend runs van hun bug-vindende scaffold tegen OpenBSD kostten minder dan 20.000 dollar, en de enkele run die de kritieke vinding opleverde, kostte minder dan 50 dollar. Het omzetten van reeds gepatchte openbare kwetsbaarheden in werkende privilege-escalatie-exploits kostte minder dan 1.000 dollar en minder dan 2.000 dollar per stuk, elk in een dag of minder. Anthropic meldde ook dat minder dan 1% van de kwetsbaarheden die het had gevonden, op het moment van publicatie waren gepatcht. Andere beveiligingsleveranciers hebben dezelfde verschuiving in AI van assistent naar operator aan de offensieve kant beschreven.

Waar beveiligingsteams hun agenten hebben geplaatst

IBM’s gegevens lokaliseren de implementatiekloof exact waar die economie bijt. Meer dan de helft van de organisaties zei dat ze agenten gebruiken voor dreigingsdetectie en -beperking; 18% passen ze toe op beheer van kwetsbaarheden. Drie kwart zei dat frontier-AI-dreigingen hen ertoe aanzetten om opnieuw na te denken over hoe agenten worden ingezet in beveiligingsoperaties.

“Wanneer organisaties een verlengde kloof hebben tussen ontdekking en herstel, dan komt die disbalans rechtstreeks tot uiting in de kosten van een inbraak”, zei Suja Viswesan, VP van IBM Security Software, in de aankondiging van het rapport. “De prioriteit is nu om die vertraging te elimineren.”

Andere fundamenten zijn niet veel veranderd. Onder de gehackte organisaties zei 37% dat ze gevoelige gegevens zowel in rust als in transit versleutelen, en 34% heeft zicht op hun cryptografische activa. Ransomware kwam voor in 39% van de gemelde incidenten, tegen 34%, met chantage-druk die verschuift naar merk-reputatie (41%) vóór medewerker-gegevens en intellectueel eigendom, in overeenstemming met de fragmentatie in de ransomware-economie die andere trackers in 2026 hebben gedocumenteerd.

Organisaties die AI en automatisering uitgebreid gebruiken in beveiligingsoperaties, hebben ongeveer 2 miljoen dollar minder per inbraak uitgegeven, zegt IBM, en ongeveer een kwart van de steekproef heeft ze nog niet geadopteerd. Zowel IBM als Anthropic wijzen naar dezelfde hefboom: comprimeer de tijd tussen het bekend worden van een kwetsbaarheid en het bereiken van een oplossing in productie. Het cijfer van 18% is waar dat werk momenteel zit, en dat is het cijfer om in de volgende editie te kijken.