Onder de radar verschijnen steeds vaker diensten die ‘goedkope’ toegang tot AI-modellen aanbieden. Een recente case die veel vragen oproept is Poison Claude. Onderzoekers beschrijven hoe zo’n service zich voordoet als een route naar grote taalmodellen (LLM’s), terwijl er tegelijkertijd flinke risico’s ontstaan voor privacy, integriteit en misbruik.
Wat dit extra urgent maakt: dit soort constructies draait niet alleen om marketing of korting. Door technische keuzes—zoals API-proxying en het delen van prompts—kan de aanbieder meekijken met wat gebruikers invoeren. Hieronder lees je wat er is gevonden, hoe het werkt in de praktijk en waar je op moet letten.
Wat is Poison Claude?
Poison Claude wordt door onderzoekers beschreven als een dienst die advertenties en toegang verkoopt voor illegale of op zijn minst dubieuze distributie van AI-modelgebruik. In de underground-markt wordt de service gepromoot als een manier om Anthropic-LLM’s te gebruiken, waaronder varianten als Opus 4.8, Opus 4.7, Opus 4.6 en Sonnet 4.6.
De kern van de claim is prijs: klanten zouden tokens goedkoper krijgen dan de officiële tarieven. Volgens de analyse van Okta-onderzoekers (Jeremy Kirk en Mathew Woodyard) onderbouwt Poison Claude dat met constructies rond ‘free bonus credits’, bijvoorbeeld een bonuskrediet van 100 dollar voor AWS Bedrock-accounts. Daarna zou de service accounts toevoegen aan een eigen pool en het verzoek doorsturen naar een specifiek account “onder de motorkap”.
Hoe de proxy-werking in elkaar zit
Na betaling levert Poison Claude een API-key op die compatibel is met Anthropic’s API. Klanten moeten hun omgeving vervolgens zo instellen dat hun ontwikkelsetup—bijvoorbeeld Claude Code—niet naar de officiële provider gaat, maar naar de Poison Claude-API.
Het belangrijkste beveiligingspunt zit in de datastroom: prompts die gebruikers invoeren, worden als input doorgegeven van de Poison Claude-API naar Anthropic. Vervolgens worden de antwoorden op vergelijkbare wijze teruggestuurd naar de klant.
Omdat het systeem dienst als gateway of proxy functioneert, krijgt de aanbieder volgens Okta in principe zicht op de prompts. Dat is niet alleen een privacyzorg; het vergroot ook de kans op fouten, ongewenste logging of datalekken—zeker wanneer de service als externe tussenlaag draait.
Van korting naar risico: botten, omzeiling en datalekken
Goedkope AI-toegang klinkt aantrekkelijk, maar onderzoek wijst op meerdere risicofactoren die vaak samenkomen bij dit soort grijze of illegale aanbiedingen.
- Serviceprovider kan meekijken: omdat prompts via de gateway lopen, is er altijd een extra dataveiligheidslaag buiten je directe controle.
- Onzekerheid over de daadwerkelijke uitvoering: providers kunnen theoretisch andere modellen leveren dan geadverteerd, of minder capabele varianten doorgeven onder eenzelfde naam.
- Kwetsbaarheden in configuratie: bij Poison Claude is een endpoint “per ongeluk” blootgelegd. Het betrof een statuspagina waarop aantallen gebruikers (totaal en actief) zichtbaar waren. Die blootstelling is inmiddels verholpen.
- Onbetrouwbare infrastructuur en omzeiling: de domeinnaam van Poison Claude draait achter Cloudflare’s CDN om de herkomst te verbergen. Voor botbescherming gebruikt de API domeinnaam Cloudflare Turnstile.
Onderzoekers melden ook dat Cloudflare na responsible disclosure een phishing-waarschuwing voor de hoofddomeinpagina plaatste. Tegelijkertijd lijkt Cloudflare “geen actie” te hebben ondernomen op het API-domein, waar de botbescherming wel aanwezig is.
Identiteit en compliance: waarom dit breder speelt
Deze bevindingen passen in een bredere trend: in bepaalde markten groeit de vraag naar AI-modellen die lokaal beperkt zijn, bijvoorbeeld door regelgeving of technische blokkades. In onderzoek wordt gewezen op een Chinese markt waarin toegang tot Amerikaanse LLM’s expliciet verboden kan zijn of lastig bereikbaar door restricties.
In datzelfde ecosysteem bestaan ook proxy- en relayplatforms die lokale ontwikkelaars helpen om toch toegang te krijgen. Daarbovenop komen nog andere misbruikpatronen: onderzoekers koppelen de opkomst van botnetwerken aan een stijging van geautomatiseerde aanvallen en het gebruik van bots die via residential proxies verkeer laten lijken op dat van gewone consumenten.
Met residential proxies is blokkeren moeilijker: IP-adressen hebben vaak weinig of geen historie van kwaadaardige activiteit. Dat verkleint de effectiviteit van eenvoudige detectieregels en vergroot de kans dat schadelijk verkeer door de mazen glipt.
Ecomagent.in als vergelijkbaar voorbeeld
Naast Poison Claude wordt een vergelijkbare dienst genoemd die actief is in de grijze markt: Ecomagent.in. In de analyse wordt geschat dat de dienst bijna 970 gebruikers heeft. Ecomagent.in claimt eveneens korting te bieden op AI-toegang, met onder meer Anthropic-modellen zoals Opus 4.8, Opus 4.6 en Sonnet 4.6, en ook OpenAI’s GPT Codex 5.5 via een eigen API-endpoint.
De onderzoekers benadrukken dat klanten soms meerdere redenen hebben om naar dit soort diensten te kijken—zoals kosten, beperkingen of privacybehoeften. Maar juist diezelfde tussenlaag brengt inherente risico’s met zich mee: je geeft controle over datastromen en uitvoering deels uit handen.
Waarom aanbieders je data kunnen zien
Okta legt het principe eenvoudig uit: wanneer diensten zijn ingericht als gateway proxy, moet de aanbieder de prompts doorsturen naar het model. Daardoor is er in de praktijk zicht op wat er wordt ingevoerd.
Dat betekent niet automatisch dat elke prompt “doorgestuurd en verkocht” wordt. Wel is het risico structureel: de serviceprovider kan data per ongeluk lekken, verkeerd verwerken of in logging en monitoring blootstellen. Bovendien geldt: hoe minder transparantie en hoe dubieuzer de herkomst, hoe kleiner je kans om garanties af te dwingen.
Extra spanningen: industriële extractie en doorontwikkeling
In de context van LLM’s spelen nog andere zorgen. Eerder beschreef Anthropic beschuldigingen richting drie Chinese firms—DeepSeek, Moonshot AI en MiniMax—over grootschalige campagnes om Claude-mogelijkheden illegaal te extraheren om modellen te verbeteren.
Ook is er berichtgeving dat AI-modellen van providers zoals OpenAI en Anthropic in militair onderzoek worden gebruikt om binnenlandse AI-systemen te trainen. Hoewel dat niet direct hetzelfde mechanisme is als Poison Claude, laat het wel zien dat AI-capaciteiten onderwerp zijn van industriële competitie, omzeiling en misbruik—en dat goedkope, niet-officiële toegang risico’s versterkt.
Hoe herken je dit soort diensten (en wat kun je doen)
Niet elke aanbieder van “discounted AI” is per definitie kwaadaardig, maar Poison Claude toont hoe een proxy-model kan werken en waar de zwakke plekken liggen. Wil je de kans op schade verkleinen, focus dan op deze praktische aandachtspunten:
- Controleer waar je verkeer naartoe gaat: kijk naar het domein en de endpoint die je app gebruikt, en vergelijk dat met je beoogde provider.
- Beoordeel de datastroom: als je prompts via een derde partij routeert, verlies je grip op privacy en gegevensbeheer.
- Wees alert op claims rond ‘bonus tokens’: goedkope prijzen gebaseerd op constructies met credits zijn een indicatie dat er wordt gerekend aan schaal en hergebruik van accounts.
- Gebruik monitoring en logging: detecteer onverwachte uitgaande requests, ongebruikelijke API calls en anomalieën in antwoordpatronen.
- Plan een exit: als je afhankelijk bent van een externe proxy, maak dan snel wisselen naar een officiële route mogelijk.
Als je al met een vergelijkbare dienst werkt, is het verstandig om kritisch te kijken naar welke data je verstuurt en of je prompts mogelijk gevoelige informatie bevatten. In veel scenario’s is het veiliger om nooit vertrouwelijke input te gebruiken wanneer je de verwerking niet end-to-end kunt verifiëren.
Conclusie: goedkoop is zelden risicoloos
Het onderzoek rond Poison Claude laat zien hoe een ogenschijnlijk simpele belofte—goedkope AI-token toegang—kan uitmonden in een proxy-constructie met zicht op prompts. Dat vergroot privacyrisico’s en maakt je afhankelijk van een externe partij die niet dezelfde waarborgen biedt als een officiële provider.
Wil je AI veilig inzetten, dan helpt het om bij prijsclaims altijd te vragen: via welke route gaat mijn data, wie ziet de input en welke controle heb ik bij problemen? Goed beleid en technische checks kunnen veel schade voorkomen—zeker nu bots, omzeiling en grijze marktdiensten blijven groeien.
Gerelateerd lezen: SAFE-richtlijnen voor het delen van AI-incidentdata en interactie-bewuste AI-beveiliging: CASB en DLP missen context.
Bron: https://thehackernews.com/2026/08/poison-claude-sells-discounted-claude.html
