AI als aanvaller: phishing, deepfakes en nieuwe cyberdreigingen

Kunstmatige intelligentie is inmiddels overal. AI helpt mensen met schrijven, data analyseren, vertalen, programmeren, klanten beantwoorden en het versnellen van dagelijks werk. Maar elke krachtige technologie heeft een keerzijde. Dezelfde hulpmiddelen die gewone gebruikers en organisaties vooruithelpen, helpen ook aanvallers.

Dat is vooral zichtbaar bij AI-beveiliging. Een aanvaller hoeft allang geen genie meer te zijn dat dagenlang handmatig naar fouten in systemen zoekt. Vaak volstaat iets veel eenvoudigers: iemand overtuigen om op een link te klikken, een wachtwoord in te voeren, een factuur te betalen, een bijlage te openen of een eenmalige code door te geven.

Daarom blijft phishing een van de makkelijkste routes naar geld, accounts, gegevens of bedrijfssystemen. AI maakt phishing overtuigender, schaalbaarder en moeilijker te herkennen.

Beschouw dit artikel als de overkoepelende gids over AI en cyberdreigingen. Waar het onderwerp raakt aan onze eigen praktijk, verwijzen we naar de betreffende dienst: social engineering voor gesimuleerde phishing- en vishingaanvallen, security awareness training voor de menselijke kant, pentesten van AI- en LLM-toepassingen voor de technische kant en red teaming voor het geheel.

Waarom phishing nog steeds zo effectief is

Phishing werkt omdat het niet in de eerste plaats de techniek aanvalt. Het valt mensen aan.

Een aanvaller hoeft geen firewall te doorbreken als hij een medewerker kan overhalen inloggegevens af te staan. Hij hoeft geen ingewikkeld beveiligingslek in software te vinden als iemand een kwaadaardige bijlage opent. Hij hoeft geen bank te hacken als hij iemand kan laten geloven dat diens rekening binnen een dag wordt geblokkeerd.

Phishing gebruikt emotie: angst, nieuwsgierigheid, stress, tijdsdruk en vertrouwen in autoriteit. Typische berichten zien er zo uit:

• “Uw pakket kon niet worden bezorgd. Klik hier.”
• “Uw account wordt binnen 24 uur geblokkeerd.”
• “Wilt u deze factuur met spoed betalen?”
• “Ik heb uw verificatiecode nodig, we zijn een incident aan het afhandelen.”
• “Bijgaand het document voor de vergadering van vandaag.”

Vroeger was phishing vaak te herkennen aan slechte grammatica, vreemde vertalingen of onprofessionele vormgeving. Daar kunt u niet langer op vertrouwen. AI schrijft natuurlijk Nederlands, Engels, Duits en tientallen andere talen. AI kan de toon van een organisatie nabootsen en een e-mail opleveren die er als gewone zakelijke correspondentie uitziet.

Wie wil weten hoe medewerkers hier in de praktijk op reageren, meet dat het eerlijkst met een gecontroleerde phishingsimulatie. Resultaten worden uitsluitend geaggregeerd gerapporteerd; individuele medewerkers worden niet beoordeeld of geïdentificeerd. Het doel is de kwaliteit van de organisatorische maatregelen vaststellen, niet nagaan wie een fout maakte. Voor herhaalde campagnes en het meten van vooruitgang gebruiken we ons eigen platform PhishGun.

Hoe AI social engineering versterkt

Social engineering betekent dat iemand een mens manipuleert in plaats van een systeem. Het doel is vertrouwen opbouwen en het slachtoffer in een situatie brengen waarin het snel handelt zonder te verifiëren.

AI helpt dat proces op drie manieren.

Ten eerste verbetert AI de taal. Een aanvaller kan een bericht in het Nederlands, Duits, Engels of Frans schrijven zonder de taal te beheersen. De tekst kan formeel, vriendelijk, directioneel of technisch klinken, afhankelijk van het doelwit.

Ten tweede verbetert AI de personalisatie. Een aanvaller kan LinkedIn, bedrijfswebsites, persberichten, vacatureteksten, reacties op sociale media en openbare documenten doornemen. AI zet die fragmenten vervolgens om in een specifiek verhaal. Bijvoorbeeld: “Beste Peter, ik zag dat uw team aan het nieuwe logistieke project werkt. Bij dezen de bijgewerkte conceptovereenkomst.”

Ten derde verbetert AI de schaal. Honderden gepersonaliseerde phishingberichten maken was vroeger traag werk. Vandaag kost het minuten. Aanvallers kunnen snel campagnes klaarzetten voor verschillende organisaties, afdelingen, talen en functies.

Het resultaat is minder willekeurige spam en meer overtuigende berichten die opgaan in het dagelijkse werk.

Deepfakes en nepstemmen aan de telefoon

Een tweede groot risico is deepfakefraude. Een deepfake is kunstmatig gemaakte of gemanipuleerde audio, video of beeldmateriaal dat doet alsof het een echte persoon toont. Praktisch gezegd: we kunnen er niet meer automatisch van uitgaan dat de persoon die we horen of op een scherm zien ook werkelijk die persoon is.

Het grootste risico van dit moment is stemfraude, vaak vishing genoemd. Een aanvaller kan de stem van een directeur, een collega, een familielid of een klant nabootsen. Een kort geluidsfragment uit een video, podcast, online vergadering of socialemediabericht is voor moderne hulpmiddelen al genoeg om een overtuigende nepstem te maken.

Stelt u zich het volgende voor. De financiële administratie krijgt een telefoontje. De stem klinkt als die van de directeur. Hij zegt dat hij onderweg is, de details niet kan toelichten en dat een factuur onmiddellijk betaald moet worden. Of HR krijgt een bericht van een “medewerker” die vraagt het rekeningnummer voor de salarisbetaling te wijzigen. Of een ouder krijgt een telefoontje van een “kind” dat in de problemen zit en snel geld nodig heeft.

Dit is geen sciencefiction. Zo verplaatst AI oplichting van tekstberichten naar manipulatie van stem en beeld.

De tegenmaatregel is verrassend laagdrempelig: spreek binnen de organisatie een vast terugbelnummer af en een verificatiestap die niet via hetzelfde kanaal loopt als het verzoek. Wie wil weten of die afspraak onder druk standhoudt, laat vishing meelopen in een oefening met social engineering of een breder red teaming-traject. Ook daarvoor geldt: er wordt geaggregeerd gerapporteerd over de werking van de procedure, niet over personen.

OSINT: aanvallers gebruiken informatie die we zelf publiceren

OSINT staat voor het verzamelen van informatie uit openbaar beschikbare bronnen. Dat klinkt technisch, maar in de praktijk gaat het om dingen die we dagelijks zien: LinkedIn-profielen, bedrijfswebsites, congresfoto’s, medewerkerslijsten, vacatures, openbare registers, sociale netwerken en reacties onder berichten.

Voor een aanvaller is die informatie waardevol. Hij kan de directeur identificeren, de mensen op de financiële administratie, de IT-beheerders, de leveranciers, de technologieën die in vacatures worden genoemd en zelfs reis- of congresagenda’s.

AI verbindt die stukjes tot een geloofwaardig voorwendsel. Het is geen algemene “geachte klant”-e-mail meer. Het is een bericht dat de naam, de context, het project, de rol en het taalgebruik van de organisatie kent.

Daarom begint informatiebeveiliging niet pas bij antivirussoftware. Ze begint ook bij wat we openbaar over onszelf en onze organisatie delen.

Automatisch kwetsbaarheden vinden: Aardvark, Mythos en de nieuwe realiteit

AI verandert ook de technische kant van cybersecurity. Nieuwe modellen kunnen code lezen, verdachte patronen herkennen, fouten testen en oplossingen voorstellen. Dat is een groot voordeel voor verdedigers, ontwikkelaars en beveiligingsteams.

Een voorbeeld is Aardvark, later in verband gebracht met Codex Security, gepresenteerd als een agentische securityonderzoeker. De rol ervan is broncode analyseren, softwarekwetsbaarheden vinden, die valideren en patches voorstellen.

Een ander voorbeeld is Mythos Preview, dat sterke capaciteiten liet zien in het vinden en valideren van kwetsbaarheden. Voor verdedigers is dat goed nieuws, want zulke hulpmiddelen kunnen fouten aan het licht brengen voordat ze misbruikt worden. Tegelijk is het een waarschuwing: als AI de verdediging helpt, willen aanvallers vergelijkbare capaciteiten ook misbruiken.

De meeste mensen hoeven niets te begrijpen van exploits, kernels of geheugenfouten. Eén principe volstaat: de tijd tussen het ontdekken van een zwakke plek en het misbruiken ervan wordt korter. Organisaties kunnen updates, beveiligingsonderzoek en monitoring niet meer “naar later” schuiven.

Praktisch betekent dat twee dingen naast elkaar. Een kwetsbaarheidsscan draait vaak en breed en signaleert bekende, gepubliceerde zwakke plekken. Een pentest gaat dieper: een ethische hacker probeert de gevonden zwakheden daadwerkelijk te misbruiken en aan elkaar te knopen tot een realistisch aanvalsscenario. Het verschil tussen die twee leggen we uit in kwetsbaarheidsscan of pentest; wat zo’n test precies inhoudt, staat in wat is een pentest.

Bouwt u zelf AI-functionaliteit in uw producten, dan verdient die laag een eigen onderzoek. Prompt injection, datalekken via modelantwoorden en te ruime rechten van een agent zijn geen theoretische risico’s meer. Daarvoor bestaat een apart traject voor AI- en LLM-integraties.

AI als verdediging: nuttig gereedschap, riskante rechter

Kunstmatige intelligentie is niet alleen een dreiging. Het is ook een sterk verdedigingsmiddel. AI kan helpen bij het filteren van phishing, het opsporen van verdacht gedrag, het samenvatten van incidenten, het analyseren van logs, het beoordelen van configuraties en het sneller laten reageren van beveiligingsteams.

Het probleem is niet AI zelf. Het probleem is blind vertrouwen.

AI kan helpen, maar zou niet de enige beslisser moeten zijn. Beveiliging heeft nog altijd menselijk toezicht nodig, duidelijke regels, verificatie, meerfactorauthenticatie, back-ups, updates en een gezonde dosis wantrouwen.

Wat het Nederlandse kader hierover zegt

AI-aanvallen zijn nieuw, de verplichtingen eromheen zijn dat grotendeels niet. Ze staan al in regels die er ook zonder AI waren, en het is nuttig om precies te weten wat er wel en niet wordt geëist.

De duidelijkste bepaling is AVG artikel 32 lid 1 sub d. Die noemt als beveiligingsmaatregel “een procedure voor het op gezette tijdstippen testen, beoordelen en evalueren van de doeltreffendheid” van de technische en organisatorische maatregelen, waar passend. Dat is de enige Europese bepaling die periodiek testen met zoveel woorden benoemt, en ze gaat net zo goed over uw phishingweerbaarheid en uw betaalprocedure als over uw servers. Loopt er bij een geslaagde aanval toch persoonsgegevens weg, dan geldt de meldplicht van AVG artikel 33: een datalek melden bij de Autoriteit Persoonsgegevens binnen 72 uur.

Daarnaast komt de Cyberbeveiligingswet, de Nederlandse omzetting van NIS2, die op 15 augustus 2026 in werking treedt en naar schatting 8.000 organisaties raakt. Die wet brengt een registratieplicht via mijn.ncsc.nl, een zorgplicht, een meldplicht binnen 24 uur en uitdrukkelijke bestuurlijke verantwoordelijkheid, inclusief scholing van bestuurders (artikel 24 lid 5; er bestaat geen accreditatie voor aanbieders van die training). De RDI houdt toezicht op digitale infrastructuur, het NCSC is het CSIRT.

Let hier op één veelgemaakte fout. De Cyberbeveiligingswet verplicht geen pentest. De zorgplicht vraagt om “een risicoanalyse” en om “passende en evenredige maatregelen”; hoe u aantoont dat die maatregelen werken, bepaalt u zelf. Een pentest is daarvoor een van de sterkste bewijsstukken, maar niet de enige route. Voor financiële entiteiten ligt dat anders: artikel 7 van de Cyberbeveiligingswet zondert hen uit ten gunste van DORA, en daar is testen wél een concrete verplichting. Hetzelfde geldt in de praktijk voor leveranciers van de overheid onder de BIO.

Tot slot het punt dat aanvallers en ethische hackers scheidt: computervredebreuk, artikel 138ab van het Wetboek van Strafrecht. Het verschil zit niet in de techniek maar in de opdracht. Een schriftelijke autorisatie met een afgebakende scope, een periode en contactpersonen maakt een test rechtmatig. Er bestaat in Nederland geen register of vergunning voor pentesters, dus die schriftelijke afspraak is het enige wat telt. Wat u dan wél mag verlangen van een leverancier, leest u in de ethische hacker.

Hoe u zich in de praktijk beschermt

De beste bescherming is geen enkele wonderapplicatie. Het is een combinatie van eenvoudige gewoonten en technische maatregelen.

Begin met deze stappen:

1. Verifieer dringende verzoeken via een ander kanaal. Vraagt iemand of u snel een factuur wilt betalen, bel dan terug op een nummer dat u al kende, niet op het nummer uit het verdachte bericht.
2. Gebruik meerfactorauthenticatie. Geef de voorkeur aan een authenticator-app of een beveiligingssleutel boven sms.
3. Klik niet gedachteloos op links in berichten. Log in via de officiële website zelf.
4. Train medewerkers regelmatig, niet één keer per jaar. AI-phishing verandert snel en training moet praktisch zijn. Een gecombineerd traject van security awareness training en gesimuleerde campagnes werkt beter dan een jaarlijkse presentatie.
5. Leg duidelijke bedrijfsregels vast voor betalingen, wijzigingen van rekeningnummers en gevoelige gegevens. Geen enkel dringend verzoek mag een controle overslaan.
6. Update systemen en applicaties. Naarmate AI-hulpmiddelen beter worden in het vinden van kwetsbaarheden, wordt snel patchen belangrijker.
7. Let op wat u publiceert. Minder openbare details betekent minder munitie voor aanvallers.
8. Test uw maatregelen periodiek en laat u opnieuw beoordelen na de herstelacties. Een hertest laat zwart-op-wit zien of een bevinding echt is opgelost.

Conclusie: AI veranderde het doelwit niet, maar wel de kwaliteit van de aanvallen

Het doel van aanvallers is hetzelfde gebleven: geld, gegevens, toegang en vertrouwen. De hulpmiddelen zijn veranderd. Phishing is overtuigender, deepfakegesprekken klinken echter, OSINT gaat sneller en het vinden van kwetsbaarheden raakt steeds verder geautomatiseerd.

Het goede nieuws is dat de verdediging niet ingewikkeld hoeft te zijn. De meeste aanvallen worden al veel moeilijker met gezond verstand, verificatie, MFA, training, updates en heldere interne regels.

Cybersecurity gaat vandaag niet alleen over IT. Het gaat over vertrouwen. In het tijdperk van kunstmatige intelligentie geldt één regel sterker dan ooit: vertrouwen is goed, verifiëren is beter.

Gerelateerde diensten van Haxoris: social engineering en phishingsimulaties · pentesten van AI- en LLM-integraties