Onderzoekers van Zscaler ThreatLabz hebben gereconstrueerd hoe één aanvaller meerdere AI-modellen inzette bij een internationale hackcampagne. Elk model kreeg een eigen taak, van het verkennen van doelwitten tot het voorbereiden van gestolen gegevens voor verkoop. De analyse verschijnt kort nadat de Europese Commissie werd getroffen door een cyberaanval waarbij AI-tooling een rol speelde.
Volgens berichtgeving van Tweakers zetten de aanvallers bij de aanval op de Europese Commissie de AI-tool ARTEX in om kwetsbaarheden op te sporen. Verschillende systemen, waaronder HR-applicaties, werden tijdelijk uitgeschakeld. Een datalek met persoonsgegevens is niet uitgesloten.
De campagne die ThreatLabz analyseerde, ontdekten de onderzoekers zelf. Het ging om een aangepaste implementatie van ARTEX die de aanvaller combineerde met Claude Code, Codex en Grok. Omdat de onderzoekers toegang kregen tot opgeslagen instructies en werkbestanden van de aanvaller, konden ze de opzet van de aanval stap voor stap reconstrueren. Volgens ThreatLabz zette de aanvaller AI in tijdens vrijwel elke fase. De volledige reconstructie staat in de technische analyse van ThreatLabz.
Taakverdeling tussen AI-modellen
In de verkenningsfase wees de aanvaller verschillende AI-systemen specifieke taken toe. DeepSeek onderzocht websites en applicaties op mogelijke toegangspunten. Daarna controleerde GLM die resultaten en zocht het naar kwetsbaarheden die DeepSeek mogelijk had gemist. Grok voerde tegelijkertijd vanaf een aparte server zelfstandig onderzoek uit.
In de tweede fase kregen gespecialiseerde AI-agents de opdracht om persoonsgegevens, klantgegevens en financiële informatie te verzamelen en te verwerken. Ze moesten onder meer versleutelde gegevens ontsleutelen, transactiegegevens analyseren en databestanden ordenen.
In de laatste fase gebruikte de aanvaller AI om de buitgemaakte gegevens klaar te maken voor verkoop. Gegevensvelden werden naar het Chinees vertaald en overbodige informatie werd verwijderd. Ook vroeg de aanvaller AI waar gestolen gegevens doorgaans worden verkocht.
Doelwitten in meerdere sectoren
Uit de instructies blijkt volgens de onderzoekers dat de aanvaller organisaties in uiteenlopende sectoren op het oog had, waaronder financiële dienstverlening, webwinkels, onderwijs, logistiek en datingplatforms. De doelwitten bevonden zich onder meer in de Verenigde Staten, het Verenigd Koninkrijk, India, Japan, Zuid-Korea en verschillende Afrikaanse landen. De interesse ging vooral uit naar medewerker- en klantgegevens en financiële informatie.
ARTEX bevat een standaard blokkeerlijst die aanvallen op overheidsinstanties en universiteiten moet beperken. ThreatLabz stelt dat die beperking relatief eenvoudig te omzeilen is.
Kleinere spelers, grotere operaties
Het belangrijkste verschil met handmatige aanvallen zit volgens de onderzoekers in de organisatie. AI-systemen als DeepSeek, GLM en Grok verdelen taken, wisselen resultaten uit en zetten onderzoek zelfstandig voort. Daardoor kan één aanvaller een operatie opzetten die voorheen meer mensen vereiste. ThreatLabz verwacht dat ook kleinere hackerscollectieven en individuele cybercriminelen zo een grote impact kunnen hebben.
Albert Kramer, Manager Solutions Consulting Benelux bij Zscaler, stelt dat de brede beschikbaarheid van AI-tools zoals Mythos en ARTEX het cyberrisico versnelt en vergroot. Kramer wijst op het belang van het tijdig installeren van beveiligingsupdates en het beperken van toegang tot applicaties, workloads en onderlinge verbindingen via een Zero Trust-aanpak.
Het Nationaal Cyber Security Centrum (NCSC) waarschuwde eerder al dat AI het misbruik van kwetsbaarheden kan versnellen. Zscaler verwijst daarnaast naar recente kwetsbaarheden in PHP als voorbeeld van de noodzaak om beveiligingsprocessen op orde te hebben.
Het volledige rapport is te lezen via technische analyse van ThreatLabz.