AI verandert zowel cyberverdediging als cyberaanvalcapaciteit
Kunstmatige intelligentie verandert cybersecurity tegelijkertijd in twee richtingen. Banken kunnen AI gebruiken om grote hoeveelheden netwerkactiviteit te analyseren, waarschuwingen te prioriteren en verdachte patronen sneller te detecteren. Aanvallers kunnen dezelfde mogelijkheden gebruiken om verkenning te automatiseren, social engineering te verbeteren en de expertise die nodig is om bepaalde vormen van kwaadaardige activiteiten te ontwikkelen te verlagen. Het resultaat is geen volledig nieuw cyberrisicolandschap, maar een versnelling van een bestaande strijd tussen aanvallers en verdedigers.
Voor banken is dit van belang omdat ze aantrekkelijke doelen zijn en werken met sterk onderling verbonden technologische omgevingen. Financiële instellingen beheren waardevolle gegevens, verwerken grote hoeveelheden betalingen en vertrouwen op complexe combinaties van legacy-systemen, cloudplatforms en externe leveranciers. AI kan aanvallers helpen om efficiënter door die omgeving te navigeren, terwijl verdedigers de snelheid en kwaliteit van detectie en respons moeten verbeteren.
Social engineering wordt overtuigender
Phishing is een van de duidelijkste voorbeelden. Generatieve AI kan grammaticaal correcte, gepersonaliseerde berichten in meerdere talen produceren en de toon van een collega of leverancier nabootsen. Traditionele waarschuwingssignalen zoals slechte spelling worden daarom minder bruikbaar. Medewerkers moeten sterkere verificatiegewoonten ontwikkelen, vooral wanneer een verzoek betrekking heeft op inloggegevens, betaalinstrumenten of gevoelige informatie.
Synthetisch audio- en videomateriaal creëert een gerelateerd risico. Een aanvaller kan een bestuurder, klant of leverancier overtuigend genoeg nabootsen om een medewerker onder tijdsdruk te beïnvloeden. Instructies met een hoge waarde moeten daarom steunen op controles die onafhankelijk zijn van het communicatiekanaal, zoals terugbelprocedures, dubbele goedkeuring of andere geauthenticeerde verificatie.
Technische aanvalscycli kunnen versnellen
AI kan ook helpen bij codegeneratie, kwetsbaarheidsonderzoek en de analyse van openbare informatie. Dit betekent niet dat elke crimineel plotseling de capaciteiten van een geavanceerde dreigingsactor krijgt, maar het kan de kosten en tijd verminderen die nodig zijn om taken uit te voeren die voorheen meer gespecialiseerde kennis vereisten. Banken kunnen daarom te maken krijgen met grotere hoeveelheden technisch competente aanvallen.
Verdedigingsteams kunnen AI op vergelijkbare wijze gebruiken. Beveiligingsplatforms kunnen waarschuwingen prioriteren, afwijkingen identificeren en informatie over incidenten samenvatten. Dit kan de werkdruk van analisten verminderen, maar geautomatiseerde beveiligingsbeslissingen vereisen nog steeds governance. False negatives kunnen echte aanvallen missen, terwijl overmatige false positives teams kunnen overbelasten en de aandacht kunnen verminderen.
AI-systemen zelf creëren nieuwe aanvalsoppervlakken
Generatieve en agentische systemen introduceren risico's die traditionele applicaties niet in dezelfde vorm met zich meebrachten. Prompt injection kan bijvoorbeeld proberen een AI-systeem te manipuleren via kwaadaardige instructies die in extern materiaal zijn ingebed. Het risico wordt groter wanneer een AI-tool toestemming heeft om toegang te krijgen tot databases, e-mail of operationele systemen.
Toestemmingen moeten daarom het principe van minimale privileges volgen. Een assistent die alleen tekst produceert, heeft een ander risicoprofiel dan een agent die berichten kan verzenden of transacties kan uitvoeren. Gevoelige acties moeten expliciete goedkeuring behouden totdat de organisatie heeft aangetoond dat het proces en de controles betrouwbaar zijn.
Externe AI-leveranciers creëren ook leveranciersrisico. Banken moeten begrijpen waar gegevens worden verwerkt, hoe beveiligingsincidenten worden gecommuniceerd en wat er gebeurt als de leverancier onbeschikbaar wordt of de dienst wezenlijk wijzigt. DORA biedt een relevant kader voor operationele veerkracht voor deze afhankelijkheden.
Training en governance moeten evolueren
Cybersecuritybewustmakingsprogramma's moeten nu AI-enabled phishing, synthetische media en de risico's die door openbare AI-tools worden gecreëerd omvatten. Medewerkers moeten weten hoe ze ongebruikelijke verzoeken kunnen verifiëren en waar ze verdachte activiteiten kunnen melden. Teams van financiën, treasury en klantenservice hebben mogelijk andere voorbeelden nodig omdat de aanvalsmethoden die relevant zijn voor hun rollen verschillen.
Ontwikkelaars hebben ook begeleiding nodig. AI-codeassistenten kunnen de productiviteit verbeteren, maar gegenereerde code vereist nog steeds testen, beoordeling en kwetsbaarheidsscanning. Snellere ontwikkeling mag niet leiden tot snellere creatie van onveilige software.
Besturen en senior managers moeten vragen of cyberrisicoscenario's deze veranderingen weerspiegelen. De belangrijkste vraag is niet of de bank AI-beveiligingsproducten heeft gekocht, maar of dreigingsmodellen, leveranciersbeoordelingen, medewerkertraining en incidentoefeningen zijn bijgewerkt voor een omgeving waarin zowel verdedigers als aanvallers steeds capacitaire systemen gebruiken.
Conclusie
AI vervangt niet de basisprincipes van cybersecurity. Multifactorauthenticatie, patching, toegangscontrole, veilige softwareontwikkeling, monitoring, back-ups en incidentrespons blijven essentieel. Wat verandert is de snelheid en verfijning waarmee beide partijen kunnen opereren. Banken moeten daarom de integratie tussen AI-governance, cyberrisico en operationele veerkracht versterken.
De eBSI Banking Academy benadert cybersecurity als onderdeel van professionele bankcompetentie omdat cyberincidenten klanten, operaties, reputatie en regelgevende verplichtingen beïnvloeden. De instellingen die het best in staat zijn om AI-enabled dreigingen te beheersen, zijn die welke sterke technologie combineren met gedisciplineerde processen en goed geïnformeerde mensen.
Authenticatie en softwareontwikkeling verdienen hernieuwde aandacht
De groei van synthetische media verzwakt beveiligingsprocedures die afhankelijk zijn van het herkennen van een bekende stem, een bekend gezicht of een bekende schrijfstijl. Banken moeten beoordelen of hoogrisicogoedkeuringen te zwaar leunen op deze informele signalen. Betaalinstrumenten, wijzigingen in privileges en het openbaar maken van gevoelige informatie moeten worden geverifieerd via geauthenticeerde kanalen die betrouwbaar blijven, zelfs wanneer audio of video overtuigend kan worden nagebootst.
Veilige softwareontwikkeling moet ook worden aangepast. AI-codeassistenten kunnen de productiviteit aanzienlijk verbeteren, maar gegenereerde code moet nog steeds worden beoordeeld, getest en gescand op kwetsbaarheden. Het feit dat code sneller wordt geproduceerd, vermindert niet de verantwoordelijkheid van de bank voor de veiligheid ervan. Ontwikkelingsteams moeten daarom het gebruik van AI integreren in bestaande standaarden voor veilige ontwikkeling, in plaats van gegenereerde code als een aparte categorie te behandelen.
Deze voorbeelden versterken een breder punt: cyberrisico's door AI zijn niet beperkt tot de beveiligingsafdeling. Ze hebben invloed op betalingscontroles, medewerkertraining, software engineering, leveranciersbeheer en toezicht door het bestuur. De instelling heeft een gecoördineerde respons nodig omdat aanvallers steeds beter in staat zijn om ook deze grenzen te overschrijden.
Veerkracht blijft het ultieme doel
Cybersecurityprogramma's moeten ervan uitgaan dat sommige aanvallen preventieve controles zullen omzeilen. Banken hebben daarom geteste herstelprocessen, veilige back-ups, alternatieve communicatieoplossingen en het vermogen om kritische diensten te herstellen zonder afhankelijk te zijn van systemen die mogelijk zijn gecompromitteerd. AI verandert dit principe niet; het verhoogt de snelheid waarmee een incident zich kan ontwikkelen.
Het management moet er ook voor zorgen dat lessen uit AI-gerelateerde incidenten worden teruggekoppeld naar modelgovernance en medewerkertraining. Een prompt-injection-gebeurtenis, een poging tot identiteitsfraude met synthetische identiteit of misbruik van een codeassistent kan zwakheden in controles onthullen die verder gaan dan cybersecurity. Een multidisciplinaire beoordeling helpt te voorkomen dat dezelfde onderliggende zwakte elders opnieuw naar voren komt.