Kunstmatige intelligentie wordt steeds beter in het voorbereiden van cyberaanvallen op industriële installaties en kritieke infrastructuur. De krachtigste AI-modellen slagen er inmiddels in om in ongeveer 90 procent van de onderzochte gevallen een bruikbaar aanvalsplan op te stellen. Toch betekent dit niet dat AI zelfstandig fabrieken, elektriciteitscentrales of waterzuiveringsinstallaties kan aanvallen. Daarvoor maken de modellen nog te veel fouten. Volgens cybersecuritybedrijf Frenos hebben organisaties mogelijk nog ongeveer twee jaar om zich voor te bereiden op een nieuwe generatie AI-ondersteunde cyberaanvallen.

Dat blijkt uit het op 21 oktober gepubliceerde onderzoeksrapport “The State of AI in OT Security” van het Amerikaanse cybersecuritybedrijf Frenos. Het bedrijf onderzocht hoe goed verschillende AI-modellen in staat zijn om cyberaanvallen op operationele technologie (OT) voor te bereiden. Daarbij gaat het onder meer om industriële besturingssystemen, productie-installaties en systemen die worden gebruikt voor de levering van elektriciteit en drinkwater.

De onderzoekers voerden tussen oktober 2025 en september 2026 in totaal 16.980 tests uit. Daaronder waren 13.884 afzonderlijke beslissingen, 2.520 pogingen om complete aanvalspaden samen te stellen en 576 gesimuleerde aanvallen. In totaal werden tien AI-modellen onderzocht: zes geavanceerde commerciële modellen, twee Amerikaanse open-weightmodellen en twee open-weightmodellen van buiten de Verenigde Staten. De namen van de onderzochte modellen zijn niet bekendgemaakt.

Geavanceerde AI-modellen presteren opvallend goed

Voor de tests kregen de AI-modellen informatie over een fictieve industriële omgeving. Denk aan aanwezige apparatuur, netwerkverbindingen, bekende kwetsbaarheden en de toegangsrechten die nodig zijn om bepaalde handelingen uit te voeren. Vervolgens moesten de modellen bepalen welke stappen een aanvaller zou moeten zetten om een bepaald doel te bereiken.

De resultaten laten grote verschillen zien tussen de onderzochte modellen. De drie best presterende commerciële AI-modellen wisten in ongeveer 90 procent van de pogingen een bruikbaar aanvalsplan op te stellen. Het beste onderzochte niet-Amerikaanse open-weightmodel behaalde een score van 36,2 procent. Het beste Amerikaanse open-weightmodel bleef steken op 5,2 procent.

Die verschillen zijn relevant omdat ze laten zien dat niet ieder AI-model dezelfde mogelijkheden biedt aan cybercriminelen. Bovendien is het niet vanzelfsprekend dat een model met vrij beschikbare gewichten even goed presteert als de krachtigste commerciële systemen. Tegelijkertijd benadrukken de onderzoekers dat het opstellen van een succesvol aanvalsplan iets anders is dan het daadwerkelijk uitvoeren van een cyberaanval.

Een goed aanvalsplan is nog geen succesvolle aanval

Een belangrijk probleem is de betrouwbaarheid van de modellen. Hoewel de beste modellen vaak een bruikbaar plan produceerden, bleek bij herhaalde tests dat ze niet altijd dezelfde kwaliteit leverden. Sommige modellen sloegen essentiële stappen over of gingen ervan uit dat een aanvaller al over toegangsrechten beschikte die in werkelijkheid nog verkregen moesten worden.

Harry Thomas, CTO en medeoprichter van Frenos, wijst erop dat een AI-model bij de ene poging een uitstekend resultaat kan leveren, maar bij een volgende poging met dezelfde opdracht kan falen. Volgens Thomas hebben de modellen nog altijd voldoende informatie over hun doelwit en begeleiding door een ervaren aanvaller nodig. Van AI-systemen die volledig zelfstandig industriële installaties kunnen binnendringen, is volgens hem dan ook nog geen sprake.

Dat is een belangrijke nuance. In de tests kregen de modellen vooraf informatie en mogelijke acties aangereikt. Ze hoefden niet zelfstandig een doelwit te ontdekken, toegang tot een werkelijk industrieel netwerk te verkrijgen of onbekende beveiligingsmaatregelen te omzeilen. De resultaten zeggen dus vooral iets over hun vermogen om beschikbare informatie te combineren tot een aanvalsstrategie.

Technische kennis wordt toegankelijker

Toch zien beveiligingsexperts een belangrijke ontwikkeling. AI maakt specialistische kennis over industriële systemen steeds gemakkelijker toegankelijk. Daardoor kunnen ook aanvallers met minder ervaring mogelijk ingewikkeldere aanvallen voorbereiden.

Tijdens een bijeenkomst rond de publicatie van het onderzoek wees Steve Swick, voormalig CISO van het Amerikaanse energiebedrijf American Electric Power, erop dat industriële organisaties lange tijd gedeeltelijk vertrouwden op de beperkte beschikbaarheid van technische kennis over hun systemen. Die situatie verandert. Met AI kunnen aanvallers veel sneller documentatie analyseren en achterhalen hoe specifieke installaties of industriële controllers functioneren.

Nog twee jaar om maatregelen te nemen?

Frenos verwacht dat de ontwikkelingen snel zullen gaan. Thomas schat dat AI binnen ongeveer twee jaar voldoende betrouwbaar kan worden om aanvallers structureel te ondersteunen bij het plannen van complexe OT-aanvallen. Die termijn is nadrukkelijk een inschatting van de onderzoekers en geen harde voorspelling. De huidige tests tonen immers niet aan hoe snel de technologie zich daadwerkelijk zal ontwikkelen.

Toch is de boodschap voor beheerders van industriële installaties duidelijk. Organisaties moeten er rekening mee houden dat de kennis en ervaring die vandaag nog nodig zijn om ingewikkelde OT-aanvallen uit te voeren, in de toekomst gedeeltelijk door AI kunnen worden geleverd.

Dat kan gevolgen hebben voor het zogeheten dreigingslandschap. Niet alleen gespecialiseerde cybercriminele organisaties of statelijke actoren zouden dan complexe aanvallen kunnen voorbereiden. Ook kleinere groepen kunnen mogelijk toegang krijgen tot kennis en hulpmiddelen die voorheen buiten hun bereik lagen.

Traditionele beveiligingsmaatregelen blijven belangrijk

Opvallend is dat Frenos niet pleit voor een volledig nieuwe aanpak van OT-security. Het bedrijf adviseert organisaties juist om bestaande beveiligingsprincipes consequenter toe te passen. Netwerksegmentatie, het beperken van externe toegang en het zorgvuldig beheren van gebruikersrechten blijven belangrijke maatregelen. Ook moeten organisaties regelmatig controleren of herstelprocedures daadwerkelijk werken.

Daarnaast adviseert Frenos om meer aandacht te besteden aan detectie en incidentrespons. AI-ondersteunde aanvallen zullen volgens de onderzoekers voorlopig nog regelmatig fouten bevatten. Denk aan mislukte inlogpogingen, afwijkende externe verbindingen of ongeautoriseerde wijzigingen in systemen. Zulke signalen kunnen beveiligingsteams helpen om aanvallen vroegtijdig te herkennen. Dat betekent dat cybersecurity niet uitsluitend een verantwoordelijkheid van de IT-afdeling kan zijn. Ook OT-specialisten, engineers en operationeel verantwoordelijken moeten betrokken zijn bij het beoordelen van risico’s en het voorbereiden van passende maatregelen.

Daarbij is het belangrijk om niet alleen naar afzonderlijke kwetsbaarheden te kijken, maar ook naar de samenhang tussen systemen. Een kwetsbaarheid in een industriële controller hoeft bijvoorbeeld niet direct een groot risico te vormen wanneer een aanvaller het betreffende systeem niet kan bereiken. Omgekeerd kan een relatief eenvoudige zwakke plek ernstige gevolgen hebben wanneer deze toegang biedt tot een belangrijk deel van een productieomgeving.

AI kan ook verdedigers helpen

De onderzoekers wijzen er bovendien op dat AI niet uitsluitend nieuwe mogelijkheden voor aanvallers creëert. Ook beveiligingsteams kunnen de technologie gebruiken om hun werk te verbeteren. AI kan bijvoorbeeld helpen bij het combineren van informatie over industriële apparatuur, netwerkverbindingen, kwetsbaarheden en beveiligingsincidenten. Daarmee kunnen organisaties beter beoordelen welke aanvalspaden daadwerkelijk mogelijk zijn en waar beveiligingsmaatregelen de meeste waarde hebben.

Thomas benadrukt daarbij dat verdedigers een belangrijk voordeel hebben: zij beschikken in principe over veel meer informatie over hun eigen infrastructuur dan een aanvaller. Waar cybercriminelen die informatie eerst moeten verzamelen, kunnen organisaties hun bestaande kennis gebruiken om risico’s gerichter te onderzoeken.

Wel blijft menselijke controle noodzakelijk. Dezelfde beperkingen die AI bij het plannen van aanvallen parten spelen, kunnen immers ook optreden wanneer de technologie wordt gebruikt om beveiligingsrisico’s te analyseren.

Het onderzoek laat daarmee vooral zien dat AI de verhoudingen binnen OT-security geleidelijk kan veranderen. De technologie is nog niet betrouwbaar genoeg om zelfstandig complexe industriële cyberaanvallen uit te voeren, maar kan het voorbereidende werk van aanvallers nu al aanzienlijk vereenvoudigen.

Voor industriële bedrijven en beheerders van kritieke infrastructuur is dat een reden om hun beveiliging niet alleen te beoordelen op de dreigingen van vandaag, maar ook op de mogelijkheden die aanvallers de komende jaren tot hun beschikking kunnen krijgen.