AI heeft de effectiviteit van penetratietesten drastisch verhoogd, waardoor traditionele beveiligingsteams achterblijven.
De afgelopen anderhalf jaar heeft zich een fundamentele verschuiving voorgedaan in offensieve beveiliging, die door veel organisaties nog niet volledig is verwerkt. Niet omdat aanvallers slimmer zijn geworden, maar omdat de economische dynamiek van aanvallen compleet is veranderd. Red teams ervaren deze transformatie van dichtbij.
De discussie over AI in cybersecurity richt zich vaak op verdediging, zoals betere anomaliedetectie en AI-ondersteunde SOC-analisten. Dit negeert echter het dringender verhaal aan de aanvallerszijde. Kleine, goed uitgeruste offensieve teams die gebruikmaken van geavanceerde AI-modellen presteren nu beter dan traditionele, grotere teams van twee jaar geleden. Dit verschil is significant en zorgwekkend voor elke securityverantwoordelijke.
Er is een belangrijk onderscheid dat vaak door elkaar wordt gehaald: AI red teaming, waarbij Large Language Models (LLM's) worden getest op kwetsbaarheden zoals prompt-injectie, versus red teaming met AI, waarbij AI wordt ingezet als hulpmiddel bij traditionele offensieve operaties. Het is vooral de tweede categorie waar de meest ingrijpende veranderingen plaatsvinden.
De productiviteit van AI-ondersteunde penetratietesten is enorm toegenomen en is inmiddels een vereiste geworden. De beschikbaarheid van geavanceerde modellen zorgt voor een asymmetrie tussen goed uitgeruste aanvallers en traditionele verdedigingsteams die nog handmatig werken. Uit gegevens van DayBlink Consulting blijkt dat een traditioneel red team met drie tot vier personen jaarlijks 60 tot 70 bevindingen rapporteert, terwijl een AI-ondersteund team in een enkele oefening al meer dan 90 bevindingen kan genereren. Bij het scannen van applicaties stijgt het aantal valide bevindingen van 7-10 naar meer dan 100, en grootschalige scans die vroeger uren tot dagen kostten, kunnen nu miljoenen IP-adressen in enkele uren doorzoeken tegen relatief lage kosten.
AI wordt niet langer alleen gebruikt voor het schrijven van phishingmails, maar is geïntegreerd in elke fase van de aanvalsketen. In de voorbereidingsfase versnelt AI het verzamelen van open bronneninformatie (OSINT), het opzetten van infrastructuur en het configureren van command-and-control servers aanzienlijk. Tijdens de uitvoering fungeert AI als een realtime expert die aangepaste scripts genereert, strategieën snel aanpast en onbekende technologieën analyseert. Door gebruik te maken van een workflow waarbij de output van het ene model door een ander wordt gecontroleerd, kunnen acties met hoge zekerheid en geautomatiseerd worden uitgevoerd.
