Google’s Threat Intelligence Group (GTIG) zegt voor het eerst een volledig door een AI-agent uitgevoerde cyberaanvalsketen te hebben waargenomen. Het systeem, dat ‘exploit_agent’ heet, volgt software-updates, vergelijkt code van vóór en na een patch, ontdekt een kwetsbaarheid, schrijft een exploit en voert die uit — zonder dat een mens de code aanraakt. GTIG ontdekte de server waarop de tool draaide in november 2026 en herleidde de activiteit tot configuratiebestanden in het Russisch. De beheerder lijkt zich te hebben gericht op Franse websites in de media-, entertainment- en onderwijssector. Google beoordeelt de huidige activiteit als niveau 5: AI voert daarbij de meeste stappen van de aanval uit, terwijl een mens de boel mogelijk alleen hoeft op te zetten. Het bedrijf waarschuwt dat er binnen enkele maanden krachtigere en heimelijkere aanvallen kunnen opduiken.
Waarom dit juist nu belangrijk is
De overstap op autonome frameworks met meerdere agenten verandert de snelheid van aanvallen. Waar een mens vroeger elke exploit moest schrijven en testen, kan AI dat proces terugbrengen tot enkele minuten. Zo kunnen kwaadwillenden veel doelen tegelijk aanvallen. Google en Mandiant hebben verschillende opensourcetools gedocumenteerd — ARTEX, CAIRN, CyberStrikeAI, HexStrike AI en PentAGI — waarmee aanvallers automatisch verkenning, het scannen op kwetsbaarheden en het genereren van payloads aan elkaar kunnen koppelen. Deze tools laten sporen achter voor forensisch onderzoek omdat ze snelheid boven heimelijkheid stellen. Dat geeft verdedigers de kans om afwijkend verkeer op te merken. Naarmate de onderliggende taalmodellen beter worden, kan dat compromis tussen snelheid en heimelijkheid echter kleiner worden, waardoor detectie lastiger wordt.
De bredere context
De trend past in een groter patroon dat Google omschrijft als een ‘kantelpunt’ voor vijandig gebruik van AI. In het afgelopen kwartaal zagen GTIG en Mandiant aanvallers overstappen van eenvoudige opdrachten aan grote taalmodellen (LLM’s) naar complete autonome processen die kwetsbaarheden onderzoeken, bewapenen en te gelde maken. Een nieuw verdienmodel, LLMJacking genaamd, maakt gebruik van gestolen cloudgegevens voor AI-diensten om toegang tot krachtige modellen door te verkopen op ondergrondse markten. Ook spionagegroepen met banden met staten gebruiken LLM’s om gegevens over doelwitten te verzamelen en via gecompromitteerde codeerassistenten achterdeurtjes te plaatsen. Hoewel de huidige geautomatiseerde aanvallen weinig heimelijk zijn, benadrukt het rapport dat toekomstige versies hun sporen mogelijk kunnen verbergen. Daarmee nemen de risico’s voor beveiligingsteams wereldwijd toe.
Waarom het ertoe doet
Voor gewone bedrijven betekent dit dat aanvallers nu op machinesnelheid kwetsbaarheden kunnen opsporen en uitbuiten, waardoor het aantal mogelijke incidenten toeneemt. Verdedigers zullen moeten letten op ongebruikelijke patronen in geautomatiseerd verkeer en niet alleen kunnen vertrouwen op waarschuwingen voor aanvallen die door mensen worden uitgevoerd. Het is nog onduidelijk hoe snel aanvallers heimelijker te werk zullen gaan. Organisaties doen er daarom goed aan hun patchbeheer en monitoring nu te versterken.