Cet article est aussi disponible en français.

Bijna een jaar geleden publiceerden we twee artikels over generatieve AI (GenAI) en codeveiligheid [1], [2] en sloten we af met de bemerking dat de meeste studies die we hadden bekeken inconsistente performantie aantoonden en een algemene tendens tot hoge percentages vals positieven lieten zien bij de opsporing van veiligheidslekken. De tools in dit domein evolueren echter snel. AI-agenten die een taalmodel combineren met tools voor statische analyse, een geheugen en een vorm van gestructureerd “redeneren”, zijn kwetsbaarheden gaan ontdekken in software die decennia van geautomatiseerde tests en menselijke beoordelingen niet hadden opgemerkt.

Een extreem snelle evolutie

Vanaf november 2024 [3], en vervolgens opnieuw in juli 2025 [4] heeft het “Big Sleep”-systeem van Google twee belangrijke kwetsbaarheden ontdekt in de SQLite-software, die nochtans grondig getest en op grote schaal gebruikt wordt. Begin 2026 ging de start-up AISLE nog een stap verder: door gebruik te maken van GenAI-modellen in combinatie met zijn eigen analyse-infrastructuur, ontdekte het 12 “zero-day”-kwetsbaarheden – waaronder een kritieke kwetsbaarheid [5], evenals bugs die teruggaan tot code uit de jaren 1990 – in de OpenSSL-library, die nochtans uitgebreid was gecontroleerd [6]. AISLE heeft ook een groot aantal kwetsbaarheden gemeld in meer dan tien gevestigde projecten, waaronder Apache, Chromium, Firefox, de Linux-kernel, OpenVPN en Samba. In maart 2025 ontdekte de tool “Security Copilot” van Microsoft kwetsbaarheden in GRUB2 en U-Boot (bootloaders die door de meeste Linux-systemen worden gebruikt). , georganiseerd door het Amerikaanse agentschap voor geavanceerde defensieonderzoeksprojecten (DARPA), hebben zeven AI-systemen autonoom 54 miljoen regels code doorgenomen, het merendeel van de ingebouwde synthetische kwetsbaarheden opgespoord en 18 tot dan toe onbekende bugs aan het licht gebracht [7], [8].

Deze demonstraties, hoe indrukwekkend ook, hebben meer te maken met de infrastructuur die rond de GenAI is opgezet (integratie van tools, koppelingen met bestaande software voor statische analyse, iteratieve planningscycli) dan met de ruwe performances van de modellen [2]: wat hier dus doorslaggevend is, is het ontwerp van het systeem, in plaats van de capaciteit van het model op zich.

Op de conferentie “CyberSec Europe 2026”, kwam, naast het woord “soevereiniteit” dat al sinds de vorige conferentie steeds weer werd herhaald, ook het woord “Mythos” voor na de meesterlijke marketingzet van het bedrijf Anthropic [9], [10], dat overigens niet aan zijn proefstuk toe is [11]. Op 7 april 2026 verklaarde het bedrijf Anthropic namelijk in zijn aankondiging van de terbeschikkingstelling van “Claude Mythos Preview” – voorbehouden aan een beperkt aantal bedrijven – dat Mythos zelfstandig duizenden “zero-day”-kwetsbaarheden in kritieke software-infrastructuren had geïdentificeerd, een oude OpenBSD-bug had ontdekt en in staat was geweest vier kwetsbaarheden aan elkaar te koppelen om een werkende browser exploit te creëren. Onafhankelijke onderzoeken zijn op dit moment vrijwel onbestaande en alleen het Britse Instituut voor AI-beveiliging (AISI) – een overheidsinstantie die AI-systemen voor en na de implementatie ervan beoordeelt – heeft Mythos Preview kunnen evalueren en bevestigd dat het in 3 van de 10 gevallen een meerstapsaanvalssimulatie op een bedrijfsnetwerk tot een goed einde kon brengen – een scenario dat voor een gekwalificeerde menselijke professional naar schatting 20 uur werk zou vergen [12], [13].

Maar deze bevindingen zijn niet uniek voor Mythos. De door Mythos ontdekte kwetsbaarheden konden ook worden gevonden door het bedrijf AISLE met behulp van goedkopere en kleinere modellen, waarvan de gewichten openbaar zijn en die op consumentenhardware kunnen worden uitgevoerd [10], [14]. . Los daarvan heeft het AISI vastgesteld dat ook het GPT-5.5-model in staat was om een simulatie van een aanval op een bedrijfsnetwerk uit te voeren [15].  Tijdens haar evaluatie heeft de AISI ook een “universele” techniek geïdentificeerd om de veiligheidsbeperkingen van het model te omzeilen, waarbij zij erop wees dat veiligheidsmaatregelen die het gedrag van het model [16] voorschrijven, waarschijnlijk niet zo effectief zijn als architecturale beperkingen.

Bijbenen

Gezien de steeds snellere ontdekking van nieuwe kwetsbaarheden wordt het absoluut noodzakelijk om de pijplijnen voor software-oplossingen te versnellen, met name bij componenten met kritieke externe afhankelijkheden [17]. Het voorbeeld van OpenSSL in januari 2026 laat zien dat geautomatiseerde audits inmiddels een tweesnijdend zwaard zijn dat zowel voor onderzoekers als voor criminelen en overheidsactoren toegankelijk is [18].

Terwijl het aantal CVE’s explosief toeneemt – met een stijging van 263 % tussen 2020 en 2025 – dreigt dit de traditionele correctiecapaciteiten in de meeste organisaties te overbelasten [19], [20]. In zijn aankondiging gaf Anthropic toe dat minder dan 1 % van de door Mythos gevonden kwetsbaarheden gecorrigeerd werd. Het op grote schaal opsporen van kwetsbaarheden zonder deze op dezelfde schaal te corrigeren, leidt alleen maar tot een langere lijst van blootstellingen, maar geen hogere veiligheid. In deze context zullen alleen organisaties die vooraf een autonome en flexibele infrastructuur voor het corrigeren van kwetsbaarheden hebben opgezet, erin slagen hun blootstellingsperiode te verkorten, daar waar handmatige methoden het tempo dat door AI wordt opgelegd niet meer kunnen bijbenen [20], [21].

Terwijl AI-tools, ondanks hun “hallucinaties” [22], tal van nieuwe mogelijkheden bieden voor aanvallers, is de indruk die naar voren komt uit conferenties als CyberSec Europe 2026 of Black Hat Europe 2025 gelukkig dat de verdediging voorlopig nog de overhand lijkt te hebben [23], [24]. De markt voor veiligheidstools voor bedrijven groeit snel en deze tools proberen het werk van analisten te vergemakkelijken. Zo omvat de tool “Security Copilot” van Microsoft de triage van waarschuwingen, het optimaliseren van toegangspolicy’s en het onderzoeken van gegevensbeveiliging, en zou deze het aantal waarschuwingen per incident aanzienlijk kunnen verminderen en conflicten met betrekking tot veiligheidspolicy’s sneller kunnen oplossen. De geautomatiseerde triage van waarschuwingen afkomstig uit het beheer van gebeurtenissen en veiligheidsinformatie (SIEM) via agentgebaseerde orchestration-tools, automatisering en respons voor beveiliging (SOAR) zou toelaten om de benodigde behandelingstijd per incident significant te verlagen [25]. Meer in het algemeen wijzen onderzoeken op een aanzienlijke vermindering van het aantal valse positieven bij waarschuwingen wanneer GenAI wordt ingezet als contextuele triagelaag bovenop traditionele statische analysetools [26].

Het opsporen en corrigeren van kwetsbaarheden is niet de enige invloed van AI op de veiligheid. Door de automatisering van cyberaanvallen via AI kunnen aanvallers met een ongekende snelheid opereren — tot wel 3.600 keer sneller dan mensen — terwijl ze tegelijkertijd een veel groter aantal activa aanvallen [20]. Gezien een ‘operationeel tempo’ waarbij de mediane tijd tussen publicatie en exploitatie is gedaald tot slechts 5 dagen [27], zijn handmatige of lineaire responsmodellen inmiddels achterhaald en niet meer in staat om deze hoogfrequente aanvallen in te perken [20]. Deze ontwikkeling vereist een herziening van de incidentresponshandleidingen (“playbooks”).

Ten slotte brengt ook het gebruik van AI voor (min of meer) productieve doeleinden een reeks veiligheidsproblemen met zich mee binnen bedrijven. Het is belangrijk om precies vast te stellen waar AI binnen een infrastructuur wordt ingezet om de gegevensbeveiliging te waarborgen. Het fenomeen van “shadow AI” — dat gedefinieerd wordt als het gebruik van AI-tools zonder goedkeuring of toezicht van de IT-afdeling – vormt een aanzienlijk risico. Hieronder vallen modellen die via persoonlijke accounts toegankelijk zijn, AI-functionaliteiten die zonder expliciete aankoop zijn geïntegreerd in Software-as-a-Service (SaaS) van derden, of “open-source”-modellen die door programmeurs worden gebruikt buiten elk governanceproces [28] om. Een organisatie kan geen perimeter verdedigen die zij niet heeft gedefinieerd, en het huidige gebrek aan overzicht leidt tot kritieke kwetsbaarheden: naar schatting 91 % van de AI-tools binnen bedrijven zou buiten de controle van het IT-management om functioneren [29]. Zonder een gecentraliseerde inventarisatie en continu toezichtbeleid lopen bedrijven echter het risico op aanzienlijk hogere kosten als gevolg van datalekken [30].

Conclusion

Beveiligingstools op basis van AI zijn in zeer korte tijd van de onderzoeksfase naar operationele toepasbaarheid geëvolueerd, aan beide kanten van het spectrum: terwijl de offensieve capaciteiten van AI de drempel voor middelgrote criminele actoren hebben verlaagd en schaalbaardere inbraakcampagnes mogelijk hebben gemaakt, bevatten de defensieve toepassingen – filteren van waarschuwingen, opsporen van kwetsbaarheden, filteren van valse positieven, autonome penetratietests – AI-functionaliteiten en bieden ze verbeteringen ten opzichte van eerdere generaties. De implementatie van door AI versterkte defensieve workflows markeert een belangrijke overgang in safety engineering.

De uitdaging is niet langer de opsporing, maar de correctie.

Références

[1]          F. A. P. Petitcolas, “AI om de veiligheid van de code te verbeteren? (Deel 1: veiligheid van de gegenereerde code)”, Smals Research, 30 juli 2025. Beschikbaar op: https://www.smalsresearch.be/ai-om-de-veiligheid-van-de-code-te-verbeteren-deel-1-veiligheid-van-de-gegenereerde-code/

[2]          F. A. P. Petitcolas, “AI om de veiligheid van code te verbeteren? (Deel 2: opsporing van kwetsbaarheden)”, Smals Research, 26 aug. 2025. Beschikbaar op: https://www.smalsresearch.be/ai-om-de-veiligheid-van-code-te-verbeteren-deel-2-opsporing-van-kwetsbaarheden/

[3]          R. Lakshmanan, « Google’s AI Tool Big Sleep Finds Zero-Day Vulnerability in SQLite Database Engine », The Hacker News, 11 nov. 2024. Beschikbaar op: https://thehackernews.com/2024/11/googles-ai-tool-big-sleep-finds-zero.html

[4]          “NVD – CVE-2025-6965”, NIST – National Institute of Standards and Technology, juli 2025. Beschikbaar op: https://nvd.nist.gov/vuln/detail/CVE-2025-6965

[5]          “NVD – CVE-2025-15467”, CVE-2025-15467, jan. 2026. Beschikbaar op: https://nvd.nist.gov/vuln/detail/CVE-2025-15467

[6]          A. Muanza, « Douze failles de sécurité découvertes dans OpenSSL par une analyse basée sur l’IA », 29 jan. 2026. Beschikbaar op: https://www.ictjournal.ch/news/2026-01-29/douze-failles-de-securite-decouvertes-dans-openssl-par-une-analyse-basee-sur-lia

[7]          D. DiMolfetta, “DARPA unveils winners of AI challenge to boost critical infrastructure cybersecurity”, Nextgov.com, 8 aug. 2025. Beschikbaar op: https://www.nextgov.com/cybersecurity/2025/08/darpa-unveils-winners-ai-challenge-boost-critical-infrastructure-cybersecurity/407337/

[8]          J. Greig, “DARPA announces $4 million winner of AI code review competition at DEF CON”, The Record, 9 aug. 2025. Beschikbaar op: https://therecord.media/darpa-ai-code-competition-winner-def-con

[9]          B. Vigliarolo, “Anthropic’s bug-hunting Mythos was greatest marketing stunt ever, says cURL creator”, The Register, 11 mai 2026. Beschikbaar op: https://www.theregister.com/security/2026/05/11/anthropics-bug-hunting-mythos-was-greatest-marketing-stunt-ever-says-curl-creator/5238111

[10]       B. Schneier, “Claude Mythos is mostly “marketing hype””, Schneier on Security, 26 apr. 2026. Beschikbaar op: https://www.schneier.com/news/archives/2026/04/claude-mythos-is-mostly-marketing-hype.html

[11]       F. Tréguer, “Anthropic, Silicon Valley’s conscience?”, Le Monde diplomatique, 1 mei 2026. Beschikbaar op: https://mondediplo.com/2026/05/12anthropic

[12]       “Our evaluation of Claude Mythos Preview’s cyber capabilities | AISI Work”, AI Securty Institute (AISI), apr. 2026. Beschikbaar op: https://www.aisi.gov.uk/blog/our-evaluation-of-claude-mythos-previews-cyber-capabilities

[13]       L. Folkerts et al., “Measuring AI agents’ progress on multi-step cyber-attack scenarios”, 17 mar. 2026, arXiv: arXiv:2603.11214. doi: 10.48550/arXiv.2603.11214.

[14]       “Smaller and cheaper models also managed to discover the same security bugs as Claude Mythos, says AISLE analysis”, OfficeChai, 9 apr. 2026. Beschikbaar op: https://officechai.com/ai/smaller-and-cheaper-models-also-managed-to-discover-the-same-security-bugs-as-claude-mythos-says-aisle-analysis/

[15]       « Our evaluation of OpenAI’s GPT-5.5 cyber capabilities », AI Security Institute, 30 avr 2026. Beschikbaar op: https://www.aisi.gov.uk/blog/our-evaluation-of-openais-gpt-5-5-cyber-capabilities

[16]       B. Vanhalst, “Guardrails: hou je AI binnen de lijntjes”, Smals Research, 27 nov. 2025. Beschikbaar op: https://www.smalsresearch.be/guardrails-hou-je-ai-binnen-de-lijntjes/

[17]       « 4th annual software supply chain security report 2026 – How sophisticated malware, AI, and broken trust are reshaping software security », Reversing Labs, 2026.

[18]       B. Schneier, “AI found twelve new vulnerabilities in OpenSSL”, Schneier on Security, 18 feb. 2026. Beschikbaar op: https://www.schneier.com/blog/archives/2026/02/ai-found-twelve-new-vulnerabilities-in-openssl.html

[19]       “NIST updates NVD operations to address record CVE Growth”, NIST, 15 apr. 2026. Beschikbaar op: https://www.nist.gov/news-events/news/2026/04/nist-updates-nvd-operations-address-record-cve-growth

[20]       “The NVD infrastructure crisis: AI discovery overwhelms tracking”, CSAI Foundation | Cloud Security Alliance, mei 2026. Beschikbaar op: https://labs.cloudsecurityalliance.org/wp-content/uploads/2026/05/CSA_whitepaper_NVD_infrastructure_crisis_AI_vulnerability_discovery_20260504-csa-styled.pdf

[21]       “Reddit taps Fleet’s autonomous patching to slash vulnerability exposure”, MarketChameleon.com. Consulté le: 27 mei 2026. Beschikbaar op: https://marketchameleon.com/articles/b/2026/5/15/reddit-autonomous-patch-fleet-ai-cybersecurity

[22]       « Disrupting the first reported AI-orchestrated cyber espionage campaign », Anthropic, nov. 2025. Beschikbaar op: https://www-cdn.anthropic.com/d7dd50dd1185f59be051b307150d877f2b82bd2c.pdf

[23]       D. O’Brien et P. Miller, « Black Hat Europe 2025: Inside the defender’s AI advantage », Security.com, 15 jan. 2026. Beschikbaar op: https://www.security.com/expert-perspectives/inside-defenders-ai-advantage

[24]       Discussions privées à CyberSec Europe 2026, mei 2026.

[25]       TrendAI, “Experience the AI security revolution”, 22 mei 2026.

[26]       X. Du et al., “Reducing False Positives in Static Bug Detection with LLMs: An Empirical Study in Industry”, 26 jan. 2026, arXiv: arXiv:2601.18844. doi: 10.48550/arXiv.2601.18844.

[27]       Rapid7, “Rapid7 2026 global threat landscape rReport shows exploited high and critical-severity vulnerabilities surged 105% as attack timelines collapsed”, Rapid7, 18 mar. 2026. Beschikbaar op: https://www.rapid7.com/about/press-releases/rapid7-2026-global-threat-landscape-report-shows-exploited-high-and-critical-severity-vulnerabilities-surged-105-as-attack-timelines-collapsed/

[28]       J. Kisielius, « Shadow AI in IBM’s 2025 cost of a data breach report », 8 oct. 2025. Beschikbaar op: https://www.nudgesecurity.com/post/shadow-ai-the-emerging-security-threat-in-ibms-2025-cost-of-a-data-breach-report

[29]       “The invisible enterprise: shadow AI and the ungoverned frontier”, Lab Space, 2 apr. 2026. Beschikbaar op: https://labs.cloudsecurityalliance.org/research/csa-whitepaper-shadow-ai-asset-blindness-systemic-risk-20260/

[30]       L. Kornutick, S. Agarwal, A. Litan, S. Sicular, P. Sundararaman, et S. Palit, « Market guide for AI governance platforms », Gartner, G00837249, nov. 2025. Beschikbaar op: https://www.gartner.com/document-reader/document/7145930