Analyse Cybersecurity AI

AI-incidenten oefenen: een scenario per minuut en tabletopoefeningen

Een fictief incident met een gecompromitteerde AI-agent, minuut voor minuut, en vier tabletopscenario's die toetsen of uw team de juiste beslissing neemt als AI het toegangspunt is.

10 november 2026
Bijgewerkt 18 november 2026
7 minuten lezen

Deze pagina behandelt het oefenen. Hoe AI incidenten, detectie en identiteit verandert, plus een gereedheidschecklist, leest u in onze gids AI-incidentrespons. Inperking, bewijs en Shadow AI-incidenten staan in AI-incidenten inperken en onderzoeken.

Een minuut-voor-minuut AI-gedreven incident

Een stapsgewijze uitleg maakt het probleem van de inperking concreet. Het onderstaande scenario is fictief en de vermelde tijden dienen ter illustratie; het zijn geen benchmarkwaarden. Het betreft een AI-agent met uitgebreide bevoegdheden, een lek van inloggegevens en een reactie die te traag op gang komt omdat niemand in kaart had gebracht waar de agent toegang toe had.

  1. 00:00, 's nachts: Een API-sleutel die toebehoort aan een interne AI-agent, gebouwd om klantgegevenslookups voor het supportteam te automatiseren, wordt geoogst van een verkeerd geconfigureerd logging-eindpunt door een geautomatiseerde credential-scanbot. Geen mens merkt het, omdat niets aan de diefstal zelf een melding genereert.
  2. 00:15: De gestolen sleutel wordt gebruikt om de API van de agent rechtstreeks te bevragen, waarbij de chatinterface volledig wordt omzeild. Omdat de rechten van de agent waren afgestemd op "wat het supportteam mogelijk nodig heeft" in plaats van de smallere set die ze daadwerkelijk gebruiken, halen de query's veel meer klantgegevens op dan een supportlookup ooit zou doen. Het scenario gaat ervan uit dat de API van de agent in de backend geen eigen autorisatiecontrole uitvoerde naast de sleutel: wie de sleutel had, kreeg alles waar de agent bij kon.
  3. 00:45: Geautomatiseerde monitoring signaleert een volumepiek op de API. De dienstdoende engineer controleert het, ziet verkeer dat structureel lijkt op de normale geautomatiseerde aanroepen van de agent, en ziet het aanvankelijk aan voor een batchjob die te laat draait.
  4. 02:30: Een tweede, grotere piek activeert escalatie. Het beveiligingsteam moet nu vaststellen of dit de agent is die zich ongebruikelijk gedraagt, of een gecompromitteerde credential die wordt gebruikt tegen de API van de agent, een onderscheid dat de bestaande melding niet maakte en dat het team nog niet eerder heeft moeten maken.
  5. 03:10: Zodra de compromittering is bevestigd, moet het team de API-sleutel van de agent intrekken. Niemand heeft gedocumenteerd wat er breekt als ze dat doen. Het kost nog eens 20 minuten om vast te stellen dat intrekking drie klantgerichte workflows zal pauzeren, en om de bevoegdheid te krijgen die afweging te accepteren.
  6. 03:45: De juridische en privacyafdelingen worden ingeschakeld om vast te stellen in hoeverre klantgegevens daadwerkelijk zijn blootgesteld, waarbij zij zich baseren op gedeeltelijke API-logbestanden, aangezien het agentframework de volledige payloads van verzoeken niet langer dan 24 uur bewaart. Bij een beter voorbereide reactie zouden de juridische en privacyafdelingen al om 02:30 zijn ingeschakeld, gelijktijdig met de inperkingsmaatregelen in plaats van er pas achteraf bij te worden betrokken.
  7. 04:05: De API-sleutel van de agent wordt ingetrokken en het account uitgeschakeld. De drie klantgerichte workflows die ervan afhankelijk waren, vallen terug op een handmatig proces dat het supportteam voor het laatst heeft geoefend tijdens een eerdere tabletopoefening, zodat het bedrijf blijft functioneren terwijl de agent offline is.
  8. 05:00: Voordat de agent weer online gaat, controleert het team waarvoor de gestolen sleutel nog meer is gebruikt, afgezien van het opvragen van gegevens: of er nieuwe inloggegevens zijn uitgegeven, of machtigingen of automatiseringsstromen zijn gewijzigd, of dat er ongeoorloofde handelingen zijn verricht in gekoppelde systemen. Zij verifiëren dat de gecompromitteerde sleutel nergens meer functioneert, herstellen de configuratie van de agent vanuit een betrouwbare bron in plaats van de actieve kopie, en zetten de vervangende inloggegevens onder bewaking.
  9. 06:30: Er wordt een vervangende credential uitgegeven met rechten afgestemd op wat het supportteam daadwerkelijk gebruikt, niet de brede toekenning die de oorspronkelijke blootstelling mogelijk maakte, en de agent wordt weer online gebracht, beperkt tot die smallere toegang.
  10. 09:00: De supportoperatie keert terug naar de geautomatiseerde workflow onder de nieuwe rechten. De handmatige terugvaloptie wordt afgebouwd, en het incident beweegt van inperking naar het onderzoeks- en meldingswerk dat de eerdere stappen in gang hebben gezet.

Elke vertraging hierboven is terug te voeren op een gat dat al bestond voordat het incident begon: geen inventaris van wat de agent kon bereiken, geen vooraf overeengekomen bevoegdheid om de credentials in te trekken, geen alerting die het normale geautomatiseerde gedrag van de agent onderscheidde van misbruik ervan, en logging die niet genoeg detail bewaarde voor een schoon onderzoek. Niets daarvan is een nieuwe discipline. Het is hetzelfde incidentgereedheidswerk dat uw organisatie al zou moeten doen, uitgebreid om een activatype te dekken dat de meeste plannen momenteel negeren.

Dezelfde termijn geldt voor de wetgeving inzake gegevensbescherming. Een AI-gerelateerd incident is niet automatisch een meldingsplichtig datalek. Indien er echter toegang is verkregen tot persoonsgegevens van klanten, bent u op grond van de AVG verplicht om de Autoriteit Persoonsgegevens binnen 72 uur na het constateren van het datalek hiervan op de hoogte te stellen, tenzij het onwaarschijnlijk is dat dit een risico voor de rechten en vrijheden van personen met zich meebrengt. Contracten en sectorregels kunnen aanvullende meldingsverplichtingen opleggen. In onze gids over meldingstermijnen voor inbreuken vindt u hierover meer informatie.

Tabletopscenario's die het waard zijn om te oefenen

De meeste tabletopoefeningen draaien nog steeds ransomware-, phishing- en datalekscenario's die zijn geschreven voordat AI-specifieke incidenten gebruikelijk waren. Die blijven het waard om te oefenen, maar ze zullen niet testen of uw team de onderstaande scenario's aankan.

  1. Prompt-injectie via een klantgerichte AI-assistent: een geprepareerd document of bericht manipuleert uw chatbot of AI-assistent om interne gegevens vrij te geven of een niet-geautoriseerde actie uit te voeren. Wie wordt op de hoogte gebracht, en wie heeft de bevoegdheid om de assistent offline te halen? Beslisser: de eigenaar van de dienst, samen met de incidentleider. Beschikbare informatie: de gespreks- en toolaanroeplogs van de assistent. Verwachte reactie: de assistent offline halen of de tools uitschakelen, de logs bewaren en beoordelen wat er is vrijgegeven. Bewijs van succes: een benoemde persoon beslist binnen de afgesproken tijd en de vrijgegeven gegevens zijn uit de logs te herleiden.
  2. Een deepfake-stem- of videogoedkeuringsverzoek: een overtuigende gekloonde stem of nagemaakt videogesprek vraagt om een dringende bankoverschrijving of toegangsverlening. Welke verificatiestap bestaat er die niet afhankelijk is van het herkennen van de stem of het gezicht, en weet iedereen die erbij betrokken is dat daadwerkelijk? Beslisser: degene die het betalings- of toegangsverzoek ontvangt. Beschikbare informatie: alleen het gesprek en de details van het verzoek. Verwachte reactie: niets doen totdat het verzoek via een onafhankelijk, vooraf afgesproken kanaal is bevestigd. Bewijs van succes: de deelnemer gebruikt de verificatiestap zonder daaraan herinnerd te worden.
  3. Een gecompromitteerde AI-agent met te ruime toegangsrechten: er wordt gebruikgemaakt van uitgelekte inloggegevens voor de API van een interne AI-agent, zoals in het bovenstaande scenario. Wie kan de toegang intrekken, en welke diensten of integraties werken dan niet meer? Beslisser: de business-eigenaar van de agent, samen met de incidentleider. Beschikbare informatie: API-logs, het agentregister en de afhankelijkhedenkaart, als die bestaat. Verwachte reactie: de inloggegevens intrekken, afhankelijke workflows naar de handmatige noodprocedure verplaatsen en nagaan waarvoor de sleutel nog meer is gebruikt. Bewijs van succes: het team kan binnen enkele minuten zeggen wat er stopt en wie de intrekking goedkeurt.
  4. Shadow AI-gebruik tijdens een actief incident: een medewerker, die probeert het incident sneller op te lossen, plakt gevoelige incidentdata in een niet-goedgekeurde AI-tool. Zegt uw plan hier iets over, en weet het communicatieteam dat het dit hardop moet zeggen tijdens activering? Beslisser: de incidentleider. Beschikbare informatie: een melding of log met de gebruikte tool en de geplakte gegevens. Verwachte reactie: het gebruik stoppen, vastleggen wat er met welke dienst is gedeeld en het behandelen als een mogelijk gegevensincident. Bewijs van succes: de activeringsbriefing noemt de goedgekeurde tools en de blootstelling wordt geregistreerd en beoordeeld.

Voer bij de volgende oefening ten minste één van deze scenario's uit naast uw bestaande scenario's. Het doel is niet om een perfect antwoord te vinden. Het gaat erom te achterhalen waar de tekortkoming zit, voordat deze operationele gevolgen heeft.

Veelgestelde vragen

Hoe verifiëren we een deepfake-stem- of videoverzoek tijdens een actief incident?

Vertrouw niet op het herkennen van de stem of het gezicht, aangezien dat precies is wat een overtuigende deepfake omzeilt. Controleer via een vooraf overeengekomen onafhankelijk kanaal: beëindig het gesprek en bel terug naar een bedrijfsnummer dat u al in uw bezit heeft, niet naar een nummer dat tijdens het gesprek is opgegeven, en pas uw gebruikelijke regels voor dubbele goedkeuring toe bij betalingen of wijzigingen in de toegangsrechten. Een vooraf afgesproken codewoord kan een extra signaal vormen, maar is geen vervanging voor onafhankelijke verificatie. De procedure moet vóór een incident worden gedocumenteerd en geoefend, omdat mensen onder druk terugvallen op wat het snelst lijkt, en dat is meestal hetzelfde kanaal dat de aanvaller al gebruikt.

Ryland Deakin
Over de auteur
Lead Consultant, Cyvra · CISM · CompTIA Security+ · MCP

Ryland levert al meer dan twintig jaar programma's op het gebied van cyberbeveiliging, compliance en IT-beheer voor gereguleerde organisaties in het Verenigd Koninkrijk en Nederland. Bekijk volledig profiel

Praat met Cyvra

Bouw een plan dat rekening houdt met AI

Wij helpen u uw AI-agenten en machine-credentials te inventariseren, inperkingsdraaiboeken te bouwen die deze dekken, en dit te oefenen met een tabletopscenario gebouwd rond hoe deze incidenten daadwerkelijk verlopen.

Vrijwaring: Dit artikel is uitsluitend bedoeld voor algemene informatiedoeleinden en vormt geen juridisch, regelgevend of professioneel advies. Cyvra geeft geen garantie met betrekking tot de juistheid of volledigheid van deze inhoud. Lezers moeten onafhankelijk advies inwinnen dat geschikt is voor hun specifieke omstandigheden. Cyvra aanvaardt geen aansprakelijkheid voor enig verlies dat voortvloeit uit het vertrouwen op deze inhoud.