Statelijke hackers zetten AI nu in de volle breedte van hun aanvallen in, blijkt uit halfjaarrapport

Een halfjaarbeeld waarin AI niet langer aan de zijlijn staat

Beveiligingsonderzoekers van TrendAI hebben de aanvallen van statelijke hackgroepen uit de eerste zes maanden van 2026 gebundeld in een halfjaaroverzicht. De rode draad in dat rapport is niet dat er meer aanvallen zijn, maar dat de manier waarop ze worden uitgevoerd verandert. Kunstmatige intelligentie duikt inmiddels op in vrijwel elke stap van de inbraakketen, van het vinden van een kwetsbaarheid tot het verplaatsen binnen een netwerk.

Robert McArdle, die bij het bedrijf de afdeling voor onderzoek naar cybercriminaliteit leidt, vat het samen met de stelling dat AI voor aanvallers geen gereedschap meer is maar een volwaardige partner in de operatie zelf. Dat is een scherpere formulering dan de sector tot nu toe gewend was, want lange tijd bleef de rol van AI beperkt tot het opstellen van overtuigender phishingmail.

Malware die met een taalmodel wordt bijgeschaafd

Bij groepen die aan China worden gelinkt zagen de onderzoekers dat generatieve modellen worden gebruikt om exploits te verfijnen en malware in elkaar te zetten. Dat gebeurt volgens het rapport met een werkwijze die in de softwarewereld vibe coding heet: je beschrijft in gewone taal wat het programma moet doen en laat het model de code schrijven en herschrijven tot het werkt.

De winst voor een aanvaller zit vooral in snelheid en in variatie. Wie code telkens opnieuw kan laten genereren, levert steeds net iets andere bestanden af, en dat maakt herkenning op basis van vaste kenmerken lastiger. Ook werd vastgesteld dat commerciele AI-diensten gewoon in het aanvalsproces worden ingepast, dus zonder dat er een eigen model voor nodig is.

Agenten die zelf door een netwerk bewegen

Het opvallendste onderdeel van het rapport gaat over autonomie. In waargenomen aanvallen voerde een AI-agent zelfstandig verkenning uit binnen een doelnetwerk en zette die vervolgens zelf stappen zijwaarts naar andere systemen. Dat is werk dat tot nu toe door een menselijke operator werd gedaan, vaak uren achtereen achter een toetsenbord.

Als dat structureel wordt, verandert de tijdlijn van een inbraak. Verdedigers rekenen er doorgaans op dat er tussen de eerste toegang en de echte schade een periode zit waarin een aanvaller handmatig rondkijkt. Juist die periode is de kans om in te grijpen, en die kan met een agent die zonder pauzes doorwerkt aanzienlijk korter worden.

Vier landen, vier verschillende routes

De onderzoekers beschrijven per herkomst een ander patroon. De aan Rusland gelieerde groep Pawn Storm maakte gebruik van een tot dan toe onbekend lek in Office en richtte zich op Oekraine en op partners van dat land. Noord-Koreaanse actoren compromitteerden veelgebruikte software om via die weg bij ontwikkelaars verderop in de keten binnen te komen.

Aan Iraanse kant viel de groep Earth Vetala op, die binnen enkele dagen na publicatie van een nieuw lek in Ivanti-producten al het internet afzocht naar kwetsbare systemen. Andere Iraanse actoren manipuleerden in de Verenigde Staten brandstofmeters die via internet bereikbaar waren, dus apparatuur uit de operationele techniek in plaats van gewone kantoorsystemen.

Advertentiegegevens als spionagemiddel

Een techniek die los staat van AI maar wel in het rapport terugkomt, is het gebruik van gegevens uit de advertentiewereld. Door commercieel verhandelde locatie- en apparaatgegevens te kopen of af te tappen kan een aanvaller iemand volgen zonder dat er ooit malware op een telefoon staat.

Dat maakt de aanpak lastig te detecteren, want er valt op het apparaat van het slachtoffer technisch niets te vinden.

Waarom klassieke indicatoren tekortschieten

Feike Hacquebord, hoofdonderzoeker bij het bedrijf, wijst erop dat inbraken via toeleveranciers, aanvallen op vitale infrastructuur en misbruik van legitieme diensten samen laten zien dat organisaties verder moeten kijken dan de traditionele indicatoren van compromittering. Die indicatoren zijn hashwaarden, bestandsnamen en IP-adressen die bij een eerdere aanval zijn gezien.

Zulke lijsten werken alleen als een aanvaller zichzelf herhaalt. Bij code die per doelwit opnieuw wordt gegenereerd en bij misbruik van diensten die een organisatie zelf ook gebruikt, levert een vergelijking met bekende kenmerken weinig op. De nadruk verschuift daarmee naar gedrag: welke handeling past niet bij wat een account of systeem normaal doet.

Wat dit voor Nederland betekent

De AIVD en de MIVD waarschuwen al langer dat statelijke actoren uit Rusland, China, Iran en Noord-Korea zich actief op Nederlandse belangen richten. Eerder dit jaar publiceerden de diensten nog een advies over Russische staatshackers die via chatapps als Signal en WhatsApp inloggen op accounts van ambtenaren, militairen en journalisten.

De AIVD stelde in 2024 al samen met de Rijksinspectie Digitale Infrastructuur dat generatieve AI een nieuwe aanpak van cyberbeveiliging vereist. Het halfjaarbeeld van TrendAI geeft daar nu concrete voorbeelden bij. Voor Nederlandse organisaties met een toeleveringsketen in de industrie, de zorg of de energiesector is vooral de combinatie van snelle exploitatie en geautomatiseerde verspreiding relevant, omdat het tijdvenster tussen een gepubliceerd lek en misbruik daarvan krimpt tot dagen.

Wat het rapport niet aantoont

Bij dit soort overzichten past een kanttekening. Ze zijn opgesteld door een beveiligingsbedrijf dat zelf producten in deze markt verkoopt, en ze berusten op wat de eigen sensoren en klanten hebben gezien. Aanvallen die nooit zijn opgemerkt komen er per definitie niet in voor.

Ook blijft de toeschrijving aan landen een inschatting op basis van werkwijze en infrastructuur, geen bewijs in juridische zin. En hoeveel van de waargenomen operaties daadwerkelijk door een agent werden aangestuurd, in plaats van door een mens die AI als hulpmiddel gebruikt, laat het rapport in het midden.