De beveiliging van identiteiten staat onder toenemende druk. De traditionele methoden om te bepalen of een login legitiem is, zoals wachtwoorden, multi-factor authenticatie (MFA), IP-reputatie, geolocatie en browserkenmerken, worden steeds makkelijker gestolen, nagebootst of omzeild door aanvallers. Kunstmatige intelligentie (AI) draagt bij aan deze druk, niet door een geheel nieuwe aanvalsvorm te creëren, maar door bestaande identiteitsaanvallen sneller en efficiënter te maken. Tegelijkertijd maken het rouleren van IP-adressen en het gebruik van wegwerpbrowserprofielen het lastiger om kwaadaardige logins te onderscheiden van legitieme.

In dit snel veranderende dreigingslandschap hebben organisaties effectieve Zero Trust-maatregelen nodig die ook bescherming bieden tegen zogenoemde 'legitieme' logins die afkomstig zijn van door aanvallers gecontroleerde infrastructuur. Hier speelt apparaatvertrouwen een cruciale rol, waarbij geldige inloggegevens niet voldoende zijn zonder de context van het apparaat waarvoor ze bedoeld zijn.

AI heeft geen fundamenteel nieuwe vorm van accountovername geïntroduceerd. Aanvallers blijven gebruikmaken van bekende technieken zoals phishing, diefstal van inloggegevens, misbruik van MFA, sessiekaping en social engineering. Wat veranderd is, is de hoeveelheid handmatig werk die nodig is om deze aanvallen effectief uit te voeren. Dreigingsactoren kunnen met weinig inspanning duizenden overtuigende phishingmails genereren. AI kan publieke informatie van internet verzamelen om een gedetailleerd profiel van het doelwit op te bouwen en zo berichten te personaliseren, bijvoorbeeld een finance-medewerker benaderen met een leveranciergerelateerde vraag en een beheerder met een probleem rond cloudtoegang. AI automatiseert echter niet het hele proces; mensen blijven de doelen kiezen, de infrastructuur beheren en bepalen wat er met verkregen toegang gebeurt. AI verkort vooral de tijd tussen het verzamelen van informatie en het uitvoeren van acties, waardoor gepersonaliseerde campagnes goedkoper en efficiënter worden.

Identiteitsplatformen combineren vaak meerdere signalen om te bepalen of een login vertrouwd kan worden. Hoewel deze signalen nog steeds waardevol zijn, weten aanvallers steeds beter hoe ze deze kunnen stelen, imiteren of omzeilen. Inloggegevens blijven in veel authenticatiestromen vereist, ondanks de opkomst van wachtwoordloze opties. Phishing en malware die inloggegevens verzamelen vormen vaak de eerste stap in accountovername. Aanvallers hergebruiken ook regelmatig eerder gelekte credentials. Zo werd eerder dit jaar de Twitch-stream van IGN gehackt met Restream.io-gegevens die ongeveer een maand in infostealer-dumps stonden voordat ze werden misbruikt. Dit benadrukt het belang van het scannen op gelekte inloggegevens. Tools zoals Specops Password Auditor voeren een lees-only scan uit op Active Directory om gelekte wachtwoorden en kwetsbaarheden te identificeren en bieden rapportages om prioriteiten te stellen.

MFA verbetert de beveiliging aanzienlijk, maar de effectiviteit hangt af van de gebruikte methode en de context van de authenticatiestroom. Eenmalige codes kunnen bijvoorbeeld via phishing worden onderschept en pushmeldingen zijn kwetsbaar voor misbruik door herhaalde prompts. Hierdoor blijft het noodzakelijk om naast traditionele authenticatiemethoden ook te investeren in apparaatvertrouwen, waarbij de context van het gebruikte apparaat wordt meegenomen in de toegangsbeslissing.