AI-hacktools laten één aanvaller Koreaanse banken kraken
Een reeks inbraken bij Zuid-Koreaanse financiële instellingen lijkt het werk te zijn geweest van een heel kleine operatie, mogelijk zelfs van één persoon. Volgens een nieuw rapport van beveiligingsbedrijf Crowdstrike gebruikte de aanvaller AI-gestuurde hacktools voor werk waar normaal een groter team voor nodig is. De zaak levert concreet bewijs voor een discussie die tot nu toe vooral werd gevoed door labtests en waarschuwingen.
Wat er gebeurde
Tussen eind september en begin oktober 2026 sloeg een aanvaller toe bij meerdere financiële instellingen in Zuid-Korea en maakte daarbij grote hoeveelheden data buit. Crowdstrike denkt dat de dader waarschijnlijk Chineestalig is en waarschijnlijk alleen werkte. Geen van beide is bevestigd.
De best gedocumenteerde schade tot nu toe is die bij Shinhan Bank. De Koreaanse krant Khan meldt dat alleen daar al meer dan 25.000 records zijn gestolen. Die bevatten namen, contactgegevens, inkomens en kredietlimieten van klanten. Genoeg informatie voor gerichte fraude, phishing of identiteitsdiefstal.
De politiek reageerde snel. De Zuid-Koreaanse financiële toezichthouder belegde een spoedvergadering en president Lee Jae Myung gaf opdracht tot een grondig onderzoek. Voor een land dat van AI een nationale prioriteit heeft gemaakt, inclusief een door de staat gesteund plan voor een eigen model, laat het incident zien hoe snel dezelfde technologie tegen de eigen banken kan worden ingezet.
De gereedschapskist: open source en kant-en-klare modellen
De kern van de aanval was ARTEX, een Chinese opensourcetool die in juli voor het eerst op GitHub verscheen. ARTEX automatiseert penetratietests. Bij een penetratietest worden systemen afgetast op zwakke plekken, normaal gesproken door beveiligingsteams die daar toestemming voor hebben. In plaats van dat een mens elke stap doorloopt, gebruikt de tool AI-taalmodellen om zelfstandig beveiligingslekken te vinden.
In dit geval werd ARTEX aangestuurd door drie modellen:
- DeepSeek v4.1-flash
- GLM-5.3
- Grok 4.6
De onderzoekers van Crowdstrike vonden ook sessielogs van Claude Code in mappen die de aanvaller open had laten staan. Claude Code is de codeeragent van Anthropic. Uit de logs blijkt dat er werd gezocht naar Telegram-groepen waar gestolen data verkocht kon worden. Dat detail is belangrijk. Het wijst erop dat de hulp van AI niet ophield bij het inbreken. Ook het omzetten van gestolen data in geld hoorde erbij.
Voor dit alles was geen op maat gemaakte malware of budget op staatsniveau nodig. De tool was openbaar en de modellen zijn commercieel beschikbaar of vrij verspreid. Dat is het ongemakkelijke deel van het verhaal.
Waarom Crowdstrike zich zorgen maakt
Het belangrijkste punt van Crowdstrike gaat over schaal. Met AI-tools kan één persoon in korte tijd grootschalige inbraken plegen. Beveiligingsexperts waarschuwen daar al maanden voor. De zorg was nooit dat AI van de ene op de andere dag gloednieuwe aanvalstechnieken zou bedenken. De zorg was dat AI de tijd, kennis en arbeid zou terugbrengen die nodig zijn om bekende technieken op grote schaal uit te voeren.
De timing maakt het rapport lastiger om weg te wuiven. Slechts enkele dagen eerder had Anthropic onderzoek gepubliceerd waaruit blijkt dat GLM-5.3 bijna net zo goed exploits kan schrijven als Mythos Preview. Mythos Preview is Anthropics eigen frontiermodel, dat eind maart 2026 de bredere discussie over AI-gestuurd hacken op gang bracht. GLM-5.3 is een van de drie modellen die bij de Zuid-Koreaanse aanvallen zijn gebruikt.
Leg je de twee bevindingen naast elkaar, dan tekent zich een patroon af. Het vermogen om exploits te schrijven, dat kort geleden nog een zorg van frontierlabs leek, zit nu in modellen die aanvallers al in de praktijk gebruiken.
Waarom het ertoe doet
Deze zaak wijst erop dat de kloof tussen "AI zou aanvallen mogelijk kunnen maken" en "AI heeft aanvallen mogelijk gemaakt" grotendeels is gedicht. De grootste verschuiving is economisch. Als één operator met een opensourcetool binnen zo'n twee weken meerdere banken kan treffen, kunnen verdedigers er niet langer van uitgaan dat grote inbraken grote, goed uitgeruste groepen vereisen.
Het maakt het veiligheidsplaatje ook ingewikkelder. Beperkingen op het model van één leverancier bieden weinig bescherming als aanvallers binnen hetzelfde framework kunnen wisselen tussen DeepSeek, GLM en Grok. Daardoor komt er meer gewicht te liggen bij de verdediging, waar leveranciers al in beweging zijn. Voorbeelden zijn het eigen werk van Crowdstrike om AI te trainen in aanvallen en verdedigen en de inspanning van Anthropic om gescreende verdedigers bredere toegang te geven tot zijn modellen.
Waar je nu op moet letten: of het Zuid-Koreaanse onderzoek de theorie van één aanvaller bevestigt, of meer instellingen verliezen melden en hoe GitHub en modelaanbieders reageren op tools voor tweeërlei gebruik zoals ARTEX. Het is ook de moeite waard om te volgen of toezichthouders elders dit als blauwdruk zien en banken gaan vragen om zich specifiek te testen tegen AI-gestuurde aanvallen.