138% meer gemelde CVE's per dag in 2026 dan vorig jaar.Nieuw: altijd actieve Fixboxes. Kwetsbare afhankelijkheden, gefixt en geverifieerd.

Beveiligingstests

AI-penetratietesten

Bij AI-penetratietesten doen AI-agents wat een menselijke pentester doet: een doelwit in kaart brengen, bepalen wat te proberen, exploits uitproberen en controleren of ze werkten. Daardoor wordt testen snel en goedkoop genoeg om het na elke release te doen, niet één keer per jaar. Het heeft duidelijke grenzen, en zoals elke pentest valt het alleen het systeem aan dat draait.

Bijgewerkt op

Hoe een AI-pentest werkt

  1. Verkenning. De agent crawlt de applicatie, leest de API-beschrijvingen en brengt endpoints, parameters en rollen in kaart.
  2. Hypotheses. Een taalmodel redeneert op basis van wat de applicatie prijsgeeft over waar zwakke plekken waarschijnlijk zitten.
  3. Pogingen. De agent stuurt requests, past zich aan de responses aan en koppelt stappen aan elkaar, zoals een mens zou doen.
  4. Validatie. Goede tools melden alleen wat ze hebben aangetoond, met het request en de response als bewijs, wat fout-positieven beperkt.
  5. Rapport en hertest. Bevindingen komen binnen minuten of uren, en een oplossing kan meteen opnieuw worden getest.

Geautomatiseerd, AI- en menselijk pentesten vergeleken

Geautomatiseerde scanner AI-pentest Menselijke pentest
Methode Vaste controles en signatures Een agent die plant, aanvalt en zich aanpast Een expert die plant, aanvalt en zich aanpast
Misbruikt bevindingen Nee Ja, binnen de vangrails Ja
Bedrijfslogica Nee Deels Ja
Snelheid Minuten Minuten tot uren Dagen tot weken
Hoe vaak Bij elke build Bij elke release Een- of tweemaal per jaar
Kosten per run Laagst Laag Hoog. Zie kosten van een penetratietest

Waar AI-pentests goed in zijn

  • Gangbare zwakke plekken in web en API's: injectie, cross-site scripting, gebrekkige toegangscontrole tussen objecten en rollen, blootgestelde data.
  • Dekking: elk endpoint, elke release, zonder moe te worden of de saaie delen over te slaan.
  • Snelle hertests: een oplossing kan dezelfde dag worden gecontroleerd, niet pas bij de volgende opdracht.

Waar AI-pentests tekortschieten

  • Bedrijfslogica. Weten dat een terugbetaling nooit hoger mag zijn dan de oorspronkelijke betaling vraagt om begrip van het bedrijf dat agents vaak missen.
  • Impact. Een agent kan een zwakke plek aantonen, maar inschatten wat die voor uw bedrijf betekent, vraagt nog steeds om een mens.
  • Veiligheid en scope. Een autonome agent die echte aanvallen uitvoert, heeft strikte vangrails nodig, testaccounts en een scope die hij niet kan verlaten. Vraag hoe een tool destructieve acties voorkomt.
  • Uw data. Responses van uw applicatie kunnen bij een modelaanbieder terechtkomen. Controleer waar de tool draait en wat hij bewaart.
  • Compliance. Auditors en klanten verwachten vaak nog een test onder leiding van mensen. Zie eisen voor penetratietesten.

Aanvallers gebruiken ook AI

Dezelfde mogelijkheden werken voor aanvallers: AI-agents kunnen applicaties aftasten en een vers advisory sneller dan voorheen omzetten in een werkende exploit. Dat verkort de tijd tussen de publicatie van een kwetsbaarheid en het misbruik ervan, en dat is het sterkste argument om vaker te testen, en om binnen enkele uren te weten welke van uw releases een pakket bevatten dat net kwetsbaar is gebleken.

AI schrijft ook de code

AI-codeeragents openen nu veel van de pull requests die productie bereiken, en ze voegen onderweg afhankelijkheden toe en upgraden ze, soms met suggesties voor pakketten die niet bestaan en die aanvallers vervolgens registreren. Zie slopsquatting en ketencontroles voor AI-pull-requests. Een AI-pentest van de draaiende app ziet hier niets van. Hij ziet de app, niet wat er in de build is gegaan.

Waar een AI-pentest nooit naar kijkt

CRACI voert geen penetratietesten uit, met of zonder AI. Het dekt de laag af die zij overslaan. CRACI draait uw GitHub Actions-jobs op eigen runners en legt elk pakket vast dat een build binnenhaalt, inclusief de verborgen afhankelijkheden die in geen enkele lockfile staan, zoals code die installatiescripts ophalen. Elke release krijgt een SBOM die opnieuw wordt gecontroleerd zodra er nieuwe kwetsbaarheden worden gepubliceerd, en een egressbeleid voorkomt dat een build verbinding maakt met hosts die hij niet nodig heeft, zodat een gecompromitteerde afhankelijkheid uw secrets niet naar buiten kan sturen. Combineer het met AI-pentests van de draaiende app, en u test zowel wat u draait als wat u hebt gebouwd.

AI-penetratietesten: veelgestelde vragen

Wat is AI-penetratietesten?

Penetratietesten uitgevoerd door AI-agents die een applicatie in kaart brengen, bepalen wat te proberen, exploits uitproberen en de resultaten valideren, met weinig menselijke inbreng.

Is AI-pentesten hetzelfde als geautomatiseerd penetratietesten?

Niet helemaal. Klassiek geautomatiseerd testen voert vaste controles uit. AI-pentesten plant en past zich aan zoals een mens, koppelt stappen aan elkaar en valideert bevindingen door ze te misbruiken.

Kan AI menselijke pentesters vervangen?

Nog niet. AI dekt gangbare zwakke plekken snel en vaak af, terwijl mensen nog beter zijn in bedrijfslogica, impact en complexe aanvalsketens. De meeste teams gebruiken beide.

Is AI-penetratietesten veilig tegen productie?

Alleen met strikte vangrails: een vastgelegde scope, testaccounts en bescherming tegen destructieve acties. Veel teams draaien het eerst tegen staging.

Vindt een AI-pentest aanvallen op de softwareketen?

Zelden. Hij valt de draaiende applicatie aan, terwijl aanvallen op de softwareketen vaak tijdens de build plaatsvinden. Vastleggen wat elke build binnenhaalt, dekt die laag af.

Test wat u draait, leg vast wat u bouwt

Leg elk pakket vast dat uw GitHub Actions-builds binnenhalen en zie welke releases elke nieuwe kwetsbaarheid raakt.

Demo boeken