Volgens CrowdStrike worden kwetsbaarheden steeds sneller misbruikt en verschuiven aanvallen naar AI-infrastructuur, softwareleveringsketens en cloudomgevingen.
Cybercriminelen zetten AI niet alleen steeds vaker in tijdens aanvallen, maar richten zich ook actief op AI-platformen en grote taalmodellen (LLM’s). Dat blijkt uit het 2026 Threat Hunting Report van CrowdStrike. Daarin analyseert de beveiligingsspecialist de evolutie van het dreigingslandschap over de afgelopen twaalf maanden.
AI-infrastructuur wordt aangevallen
Aanvallers richten zich naast tradionele systemen ook steeds vaker op AI-platformen zelf. Volgens CrowdStrike had 16 procent van alle waargenomen MITRE ATLAS-technieken betrekking op aanvallen tegen AI-modellen of AI-infrastructuur. Een voorbeeld daarvan was een kwaadaardige Model Context Protocol (MCP)-server die gegevens uit AI-processen probeerde te stelen en doorstuurde naar een externe server.
CrowdStrike zag ook een nieuwe aanvalstechniek genaamd LLMjacking. Aanvallers nemen controle over bedrijfsaccounts die toegang hebben tot grote taalmodellen. In één geval wisten aanvallers beheerdersrechten te verkrijgen binnen een cloudplatform. In amper twee minuten stuurden bijna 200.000 API-aanvragen naar AI-modellen.
Softwareleveringsketen blijft populair doelwit
Aanvallen via softwarepakketten blijven een belangrijke toegangspoort. Kwaadaardige npm-pakketten waren goed voor 87 procent van alle aanvallen via software-registers in de eerste helft van 2026. Ook identiteitsaanvallen blijven toenemen. Het aantal vishing-aanvallen, waarbij slachtoffers telefonisch worden overtuigd om gegevens prijs te geven, verdubbelde in de eerste helft van 2026 tegenover de tweede helft van 2025.
Daarnaast steeg cloudgerelateerde cybercriminaliteit met 171 procent. In één voorbeeld stalen aanvallers cloudresources van een Amerikaans technologiebedrijf om cryptomunten te minen. Daarbij werd voor ongeveer 41.000 dollar aan Monero gegenereerd, en dat terwijl de configuratie van de cloudomgeving werd aangepast om herstel moeilijker te maken.