Onderzoekers hebben details gedeeld over drie cyberaanvallen tegen organisaties in Japan, waarbij kunstmatige intelligentie niet alleen “meehielp”, maar ook delen van het aanvalstraject (van verkenning tot rapportage) automatiseerde. De rode draad: aanvallers gebruiken AI om sneller, op schaal en met minder menselijke inspanning door security-mogelijkheden heen te werken.
Een van de campagnes is gekoppeld aan CyberStrikeAI. Daarbij wordt melding gemaakt van een 44 AI-agents aanval die de workflow van misbruik herhaalbaar maakt en teams ontlast in taken zoals command-and-control, persistentie en datadiefstal.
Drie Japanse incidenten met AI in de hoofdrol
TrendAI onderzocht drie omgevingen die door aanvallers waren blootgesteld en die volgens de onderzoekers draaiden als werkplek of als platform voor het uitvoeren van kwaadaardige activiteiten. De onderzoekers beschrijven dat deze omgevingen onder meer bestonden uit recon- en aanvalstools, scripts, targetlijsten, resultaten, logs en command history.
Opvallend is de variatie in rolverdeling: sommige werkruimtes waren volgens de analyse vooral gericht op handmatige uitvoering door ervaren operators, terwijl andere omgevingen juist workflow-automatisering boden via agentplatformen.
CyberStrikeAI: 44 AI-agents aanval als herhaalbare workflow
In het eerste geval zou de activiteit misbruik maken van CyberStrikeAI, een open-source penetration testing tool. Eerder werd die tool al in verband gebracht met campagnes tegen Fortinet FortiGate-apparaten. In deze Japan-casus concentreerde de activiteit zich volgens de onderzoekers in een korte periode in oktober 2026.
Het doel van de AI-gedreven aanpak is volgens TrendAI het automatiseren van meerdere stappen uit de aanvalsketen. Dat begint bij reconnaissance en het ontdekken en valideren van kwetsbaarheden, en loopt door tot exploitatie, command-and-control (C2), persistentie en data exfiltration, inclusief geautomatiseerde rapportage.
Bij de 44 AI-agents aanval wordt de inzet van agents beschreven als delegatie van verschillende onderdelen van de workflow. Daarnaast noemt de analyse dat de aanpak ook context kan genereren zoals formulieren en nep-inlogpagina’s in het Japans. Dat laatste wijst op een focus op social engineering naast technische compromittatie.
Waarom de output zo “uniform” lijkt
Trend Micro’s enterprise security-afdeling stelt dat binnen korte tijd minimaal negentien organisaties zouden zijn gevalideerd, waarvan er minimaal zestien in Japan lagen. Elk doel zou een rapport in dezelfde opmaak hebben gekregen, met een index van bewijslast.
Volgens dezelfde analyse zijn dit geen losse notities van een operator, maar outputs van een gestructureerd proces dat door het platform is uitgevoerd. Dat maakt de campagne niet alleen sneller, maar ook consistent: dezelfde keten kan herhaald worden op nieuwe doelen.
LLM-ondersteuning: versnellen van planning én toolontwikkeling
Het tweede scenario wordt gekenmerkt als een aanval die primair door mensen werd geleid, maar waarbij een large language model (LLM) helpt om planning en het ontwikkelen van tools te versnellen. De analyse van infrastructuur en artefacten suggereert ook dat de campagne is ontworpen om AI-workflowplatforms en inference services te targeten, met als doel veel reken-/inferencemogelijkheden te verkrijgen tegen lage kosten.
In een van de intrusies zou een geografisch informatiesysteem (GIS)-server zijn geraakt die online stond met standaardcredentials. Daarbij zouden kadaster- en commerciële registraties zijn gestolen, evenals Windows-gegevens en e-maildata. De campagne zou in totaal 24 dagen hebben gelopen, in augustus en september 2026.
AI beperkt tot scripts: focus op edge devices
Het derde geval laat volgens de onderzoekers een andere rolverdeling zien: de AI zou hier vooral helpen bij het ontwikkelen van tools en scripts voor de operator. In deze campagne lijkt de technologie minder “zelfstandig” te opereren, en meer een hulpmiddel te zijn om de opbrengst van de operator te verhogen.
De doelwitten zouden edge devices omvatten van meerdere leveranciers, waaronder Cisco, Citrix, F5 en Yamaha. De aanvallers zouden daarbij werken met gepubliceerde kwetsbaarheden, managementfuncties en/of credentials die aanwezig waren in configuratiebestanden.
De dreigingsactor wordt geschat op minstens zes campagnes in de periode van januari tot oktober 2026. Daarbij zouden opportunistisch blootgestelde VPN-devices en WebLogic-servers zijn benaderd. De onderzoekers beschrijven dat de operator ervaring had met automatisering en met evidence management.
AI maakt tijdwinst meetbaar (en verhoogt schaal)
De aanvallen illustreren een bredere verschuiving: AI wordt niet alleen ingezet als “handige assistent”, maar als krachtvermenigvuldiger voor aanvallers. TrendAI en andere partijen wijzen erop dat de methode nog steeds draait om het zoeken naar zwakke plekken—met “deuren” die open staan door fouten in configuratie of beveiligingshiaten.
Wat verandert, is de snelheid en massaliteit. De tekst beschrijft dat aanvallers duizenden pogingen tegelijk kunnen testen, kunnen doorzetten zonder vermoeidheid en zich beter kunnen aanpassen aan de taal en context van het doelgebied.
Daarnaast wordt genoemd dat de mediane tijd van kwetsbaarheid ontdekken tot weaponization door AI “ver onder 24 uur” zou zijn gezakt, volgens een 2026 Digital Defense Report van Microsoft. Dat is een belangrijke indicatie: AI kan de doorlooptijd verkorten, waardoor de periode waarin organisaties kwetsbaar zijn kleiner wordt.
Meer dan Japan: de campagne-adressen zijn breder
Hoewel de drie casussen zijn beschreven in de context van Japan en buurlanden, betekent dat niet dat het bij één regio blijft. In de analyse wordt genoemd dat de eerste operator ook organisaties in Taiwan en Hong Kong zou hebben benaderd.
Voor het derde geval staan in discovery-lijsten ook doelen in het Verenigd Koninkrijk, Frankrijk, Italië, Qatar en Colombia. Dat ondersteunt het beeld dat de achterliggende technieken (en mogelijk dezelfde tooling) eenvoudig kunnen worden hergebruikt voor nieuwe doelomgevingen.
Nieuwe verdienmodellen voor misbruik van AI
Naast directe aanvalstechnieken wijst de bron ook op een verschijnsel rondom monetisatie. Er wordt melding gemaakt van een markt voor gestolen sessietokens van AI-aanbieders en van offensive AI-tools zoals APEX AI, MessiahGPT en DarkGPT. Het gevolg: de instapdrempel voor geavanceerdere en langdurigere aanvallen zou lager worden.
Ook in andere contexten wordt beschreven dat threat actors agentic AI integreren in bestaande offensieve workflows. Daardoor kunnen ze bijvoorbeeld sneller onderzoek doen, malware sneller ontwikkelen of social engineering verder “industrializen” met meer precisie.
Wat betekent dit voor verdediging?
De kernboodschap is dat organisaties niet alleen moeten kijken naar “nieuwe AI-gevaren”, maar vooral naar de klassieke zwaktes die AI helpt uitnutten. Denk aan externe exposure (VPN, webdiensten, managementinterfaces), zwakke of standaardcredentials, en het ontbreken van detectie op misleidende inlogpogingen.
Concreet helpt het om maatregelen te nemen op drie fronten: patchen en hardening voor bekende kwetsbaarheden, versterken van authenticatie en toegangscontrole (zeker bij externe systemen), en verificatie van web- en loginflows om nepcontent sneller te herkennen.
Als je wilt zien hoe dit soort kwesties in de praktijk uitpakken, is het relevant om ook te lezen over specifieke TLS- en toegangsproblemen die later toch tot risico’s kunnen leiden: Bron: https://thehackernews.com/2026/10/cyberstrikeai-uses-44-ai-agents-to.html
