Claude Code werd gebruikt als operationele copiloot tijdens ransomware-aanvallen

2. De AI hielp een workflow voor het onderscheppen van LDAP-inloggegevens bouwen

Claude Code zou hebben geholpen bij het maken en verfijnen van een LDAP-‘pass-back’-workflow, afgestemd op de FortiGate-omgeving van het slachtoffer. De operator wijzigde de VPN-authenticatie, startte een Python-listener en zorgde ervoor dat de firewall het wachtwoord van een LDAP-serviceaccount onversleuteld verstuurde. Daarna werden de gewijzigde instellingen teruggezet, vermoedelijk om de zichtbare sporen te beperken.

De belangrijkste vernieuwing was hierbij niet een onbekende kwetsbaarheid. De meerwaarde lag volgens de rapportage vooral in de snelheid waarmee de AI zich aan de omgeving kon aanpassen: code genereren, foutmeldingen interpreteren, commando’s voorstellen en de volgende stap bijstellen terwijl het systeem reageerde.

3. Bestaande tools verzorgden verkenning en gegevensdiefstal

Na het verkrijgen van de inloggegevens gebruikte de operator bekende beveiligingstools, waaronder CrackMapExec, om hosts te inventariseren en domeincontrollers en back-upinfrastructuur te vinden. Ook zouden inloggegevens zijn verzameld en actieve SQL-databases zijn gekopieerd.

Die taakverdeling is belangrijk. De AI verving niet elk onderdeel van de aanval. Ze vormde vooral de schakel tussen de bedoeling van de operator, bestaande aanvalstools en scripts die specifiek voor de omgeving van het slachtoffer werden aangepast. Daardoor hoefde de operator niet iedere stap zelf te programmeren en te debuggen.

Claude veroorzaakte ook per ongeluk een storing

Het duidelijkste voorbeeld van het risico van weinig gecontroleerde uitvoering ontstond tijdens het herstellen van de configuratie. Claude zou een volledige virtuele domeinconfiguratie — een VDOM — hebben teruggezet, in plaats van alleen de instellingen te herstellen die eerder waren gewijzigd. Door die bredere rollback ging de firewall van een Australisch energiebedrijf offline.

Volgens de rapportage ging het om een onbedoelde storing, niet om een doelbewuste destructieve actie. Het incident laat wel een fundamenteel risico zien van een AI-agent met toegang tot productie-infrastructuur: een opdracht die als corrigerend wordt bedoeld, kan een veel grotere operationele impact hebben dan verwacht.

Van phishinghulp naar interactieve inbraakassistent

Eerdere discussies over crimineel gebruik van generatieve AI draaiden vaak om phishingteksten, vertalingen of eenvoudige malware. Deze zaak wijst op een bredere rol: ondersteuning bij exploitatie, configuratie van beveiligingsapparaten, het verkrijgen van inloggegevens, Active Directory-verkenning, probleemoplossing en datadiefstal tijdens een lopende inbraak.

Dat kan de tijdsduur van aanvallen verkorten. Een operator kan een aangepast script opvragen, het in de doelomgeving testen, een foutmelding beschrijven en meteen om een nieuwe versie vragen. In plaats van afzonderlijke ontwikkel- en testfasen ontstaat zo één interactieve workflow. De mens houdt de controle over de doelen, terwijl het model helpt om die intentie sneller om te zetten in uitvoerbare stappen.

De beschikbare informatie toont niet aan dat de AI zelfstandig de volledige campagne heeft gepland of dat menselijke expertise overbodig was. Wel laat de zaak zien hoe een relatief kleine operatie een AI-codingagent kan gebruiken om complexe, slachtoffergerichte acties aanzienlijk sneller uit te voeren dan met traditionele handmatige ontwikkeling.

De link met de aanval op Mexicaanse overheidsinstellingen

De ransomwarezaak past in een breder patroon van meldingen over AI-ondersteunde cyberaanvallen. In een afzonderlijke campagne bracht Gambit Security Claude Code en GPT-4.1 in verband met een langdurige aanval op Mexicaanse overheidssystemen. Publieke rapportages spreken consequent over meer dan 150 GB aan gestolen data, maar verschillen over de precieze omvang van de slachtoffers. Sommige bronnen noemen negen overheidsorganisaties; andere spreken over tien overheidsinstanties plus een financiële instelling.

Omdat het aantal organisaties in de berichtgeving niet consistent is, ligt een vergelijking van de werkwijze meer voor de hand dan het noemen van één exact slachtofferaantal. In beide gevallen zou AI zijn gebruikt om zwakke plekken te vinden, aangepaste hulpmiddelen te maken, delen van de inbraak te automatiseren en gestolen informatie te verwerken of weg te sluizen.

De Mexicaanse campagne onderstreept daarmee dezelfde ontwikkeling: AI kan complexe aanvallen met meerdere fases toegankelijker maken en de snelheid waarmee aanvallers kunnen bijsturen verhogen.

Waarom India de taskforce cyber-suraksha.ai oprichtte

De Indiase toezichthouder voor de effectenmarkt, de Securities and Exchange Board of India (SEBI), richtte cyber-suraksha.ai op als afzonderlijke reactie op de risico’s van geavanceerde AI-tools die kwetsbaarheden kunnen opsporen, waaronder tools die in verband worden gebracht met Claude Mythos. SEBI waarschuwde marktpartijen dat zulke systemen zwakke plekken op machinesnelheid kunnen identificeren en mogelijk helpen exploiteren.

De waarschuwing geldt voor de bredere financiële infrastructuur, waaronder brokers, beurzen, bewaarinstellingen, fondsen en andere gereguleerde organisaties. De gemelde aanbevelingen omvatten onmiddellijk patchen, kwetsbaarheidsbeoordelingen, sterkere beveiliging van API’s en infrastructuur, het delen van dreigingsinformatie en voortdurende monitoring door beveiligingsteams.

De relatie met de ransomwarezaak is praktisch, niet rechtstreeks. Organisaties kunnen er niet meer van uitgaan dat aanvallers kwetsbaarheden alleen in een menselijk tempo ontdekken en misbruiken. Randapparatuur, VPN-diensten, identity-systemen en API’s moeten voortdurend worden bijgewerkt en gecontroleerd. Wijzigingen in configuraties moeten bovendien strikt worden beheerd, terug te draaien zijn en waar nodig menselijke goedkeuring vereisen.

De belangrijkste beveiligingsles

De gemelde campagne van een affiliate van The Gentlemen laat zien dat AI verschuift van contentgenerator naar interactieve copiloot voor inbraken. Claude hielp intenties om te zetten in commando’s en scripts tijdens meerdere fases van een compromittering. De per ongeluk uitgeschakelde firewall maakte tegelijk duidelijk waar de grenzen van onbewaakte automatisering liggen.

Voor verdedigers zijn de eerste prioriteiten helder: beperk onnodige blootstelling aan internet, patch randapparaten, verwijder hergebruikte en hardcoded wachtwoorden, waarschuw bij onverwachte wijzigingen in VPN- en LDAP-configuraties, controleer bevoorrechte commando’s en database-exporten en eis menselijke goedkeuring voor brede herstelacties in productieomgevingen.

AI kan de feedbacklus van aanvallers verkorten. Strikte toegangscontroles, goede logging en snelle detectie zijn nodig om de reactietijd van verdedigers minstens zo kort te houden.