AI-agenten voeren steeds vaker geautomatiseerde cyberaanvallen uit, variërend van gericht tot opportunistisch, met herkenbare sporen voor verdedigers.
Er is een duidelijke trend zichtbaar in incidentrespons en threat hunting: AI-agenten nemen steeds vaker het hands-on werk over bij cyberaanvallen en coördineren mogelijk het gehele aanvalstraject. Deze agenten gebruiken frameworks die op maat gemaakte tools schrijven, resultaten analyseren, zich aanpassen en itereren op machinesnelheid, terwijl een mens de doelen en beperkingen stelt.
Dergelijke aanvallen zijn vaak uitgebreid en parallel, variërend van scherp gericht tot breed opportunistisch. Wat begint met een enkele kwetsbare dienst kan zich uitbreiden naar diefstal van cloudcredentials, Kubernetes-tokens, laterale bewegingen binnen netwerken en grootschalige exfiltratie van geheimen. AI-agenten versnellen het werk dat voorheen veel handmatige expertise vereiste. Voor verdedigers biedt dit echter ook een voordeel: agent-gestuurde aanvallen laten doorgaans een breed en luidruchtig spoor van activiteit achter. De uitdaging is om deze signalen te onderscheiden van legitieme automatisering en samen te brengen tot een samenhangend beeld van een aanval.
Recente publicaties, zoals de blogs over AI-gedreven cloudaanvallen en de campagne Storm-0940, analyseren specifieke agent-gestuurde inbraken. Dit artikel bekijkt een breder scala aan gevallen, zowel privé als openbaar, om terugkerende kenmerken van agent-activiteit te identificeren en te reflecteren op de gevolgen voor attributie, schaal en toekomstige verdediging.
Voorbeelden van agent-gestuurde aanvallen in de praktijk zijn onder meer ARTEX en Hermes. ARTEX, een agentic penetratietest-framework, werd gebruikt bij aanvallen op Zuid-Koreaanse financiële instellingen waarbij persoonsgegevens van circa 67.000 mensen werden buitgemaakt, zoals beschreven door Zscaler en CrowdStrike. Daarnaast gebruikte de door China gelinkte dreigingsactor Storm-0940 ARTEX bij de ConnectWise Cloud Backup supply-chain aanval, waarbij binnen enkele uren toegang tot honderden Microsoft 365-omgevingen werd verkregen, zoals beschreven door Microsoft.
De Hermes AI-agent werd ontdekt in een aanval op het Thaise ministerie van Financiën. Onderzoek door Hunt.io toonde aan dat Hermes in een onbewaakte modus interne hosts inventariseerde, bestanden inspecteerde en privilege-escalatie onderzocht. Meerdere systemen waren gecompromitteerd, inclusief web shells en gestolen credentials, hoewel het initiële toegangspunt onbekend bleef en er geen bewijs was van datadiefstal bij ontdekking.
Verder onderzocht JPCERT/CC een reeks aanvallen waarbij AI werd ingezet om API’s te scannen en te exploiteren, onder meer door Android-applicaties te reverse-engineeren om kwetsbare API’s te identificeren, zoals server-side request forgery (SSRF). Deze aanvallen troffen organisaties in Japan en daarbuiten, waarbij infrastructuur werd gevonden met tools voor kwetsbaarheidstesten en pogingen tot toegang tot interne netwerken, zoals beschreven door JPCERT/CC.
