Analyse Cybersecurity AI

AI-incidenten inperken en onderzoeken

Waarom inperking en onderzoek moeilijker worden als er een AI-agent of AI-leverancier in de keten zit, welk bewijs u vastlegt en bewaart en hoe Shadow AI zelf een incident wordt of midden in een ander incident opduikt.

10 november 2026
Bijgewerkt 18 november 2026
5 minuten lezen

Deze pagina behandelt inperking en onderzoek. Hoe AI incidenten, detectie en identiteit verandert, plus een gereedheidschecklist, leest u in onze gids AI-incidentrespons. Een uitgewerkt incident en tabletopscenario's staan in AI-incidenten oefenen.

Inperking en onderzoek worden moeilijker

Inperkingsbeslissingen veronderstellen dat u weet wat u moet uitschakelen en wie de bevoegdheid heeft om dat te doen. Bij een gecompromitteerde laptop of een gephishte e-mailaccount is aan die aanname meestal makkelijker te voldoen, al kunnen afhankelijkheden de beslissing ook daar lastiger maken. Ze klopt minder goed voor een gecompromitteerde AI-agent die tegelijkertijd is gekoppeld aan uw CRM, uw financiële systeem en een klantgerichte chatinterface. De credentials intrekken kan de juiste keuze zijn. Het kan ook drie productieworkflows tegelijk breken. Bovendien stopt het intrekken van credentials alleen misbruik via die credentials: kwaadaardige geplande taken, gewijzigde machtigingen, vervuild geheugen of blijvende toolintegraties worden er niet mee verwijderd, dus het herstellen van de agent naar een betrouwbare toestand is een aparte stap. Dat midden in een incident beslissen, zonder vooraf in kaart te hebben gebracht wat de agent kan bereiken, kost tijd die u niet heeft.

Belangrijk

Zorg ervoor dat u, voordat zich een incident voordoet, weet welke AI-agenten en integraties er bestaan, tot welke systemen en gegevens elk daarvan toegang heeft, en wie bevoegd is om die toegang in te trekken. Het opstellen van die inventarisatie tijdens een lopend incident is de reden waarom een besluit over het indammen van het incident, dat slechts enkele minuten zou moeten duren, uiteindelijk uren in beslag neemt.

Het onderzoek stuit op een daarmee samenhangend probleem: de kwaliteit van het bewijsmateriaal. Traditionele systemen genereren logbestanden die uw incidentbeheerders kunnen interpreteren: authenticatiegebeurtenissen, bestandstoegang, netwerkverkeer. Veel AI-tools en agentframeworks registreren prompts, uitvoer en de acties die een agent heeft ondernomen niet met dezelfde nauwkeurigheid, of bewaren deze niet zo lang, als uw bestaande SIEM-systeem dat doet voor conventionele systemen. Het reconstrueren van wat een AI-agent daadwerkelijk heeft gedaan, kan betekenen dat u gedeeltelijke logbestanden van verschillende leveranciers aan elkaar moet puzzelen in plaats van één volledig, consistent auditspoor te verkrijgen. Wanneer u de implementatie beheert, stel dan logboekvereisten vast voordat de tool in gebruik wordt genomen: wat er wordt vastgelegd, waarbij prompts en uitvoer worden geminimaliseerd wanneer deze persoonsgegevens bevatten; bescherming van de logbestanden tegen manipulatie; een vastgestelde bewaartermijn, met een mogelijkheid om records tijdens een incident langer te bewaren; en traceer- of correlatie-ID's die het verzoek van een gebruiker koppelen aan de acties van de agent in andere systemen. Documenteer eventuele hiaten die de tool niet kan opvangen en voer hierop een risicobeoordeling uit. Wanneer u hierover geen controle heeft, zoals bij een AI-functie van een derde partij die in een SaaS-product is geïntegreerd, zorg er dan voor dat u deze beperking vóór het incident kent, en niet pas tijdens het incident.

Er is ook een toeleveringsketenversie van dit probleem. Als een externe AI-aanbieder die is ingebed in een van uw kritieke workflows zelf een datalek of storing lijdt, zijn uw inperkingsopties beperkt tot wat uw contract en hun statuspagina toestaan. Weet vooraf welke workflows afhankelijk zijn van een externe AI-leverancier en wat de handmatige terugvaloptie is als die leverancier uitvalt of zelf gecompromitteerd raakt, want dat is geen beslissing die u voor het eerst midden in een incident wilt nemen.

De vraag was vroeger wat er is gebeurd en wie het heeft gedaan. Met een AI-agent in de keten moet u mogelijk eerst reconstrueren welke instructies en context de agent kreeg, welke tools hij aanriep, welke rechten hij gebruikte en welke acties hij uitvoerde, voordat u kunt vaststellen wat er is gebeurd.

Wat u vastlegt en bewaart bij een incident met een AI-agent

Zorg ervoor dat u het bewijsmateriaal bewaart voordat u iets wijzigt of opnieuw opbouwt, en noteer wie elk item heeft verzameld en wanneer. Bij een incident waarbij een van uw eigen AI-agenten betrokken is, houdt dit het volgende in:

  • de versie van de agent en het model die momenteel in gebruik is, inclusief de bijbehorende systeeminstructies en configuratie
  • definities van tools, integraties en de rechten die elk daarvan had
  • prompts, opgehaalde inhoud en uitvoer, voor zover u deze rechtmatig bewaart
  • API-verzoek-ID's en traces
  • aanmeldings- en tokengebeurtenissen van de identiteitsprovider met betrekking tot de inloggegevens van de agent
  • database- en bestandslogboeken voor de systemen die de agent kon bereiken
  • uitvoer, berichten en configuratiewijzigingen die de agent heeft gegenereerd
  • een chronologisch overzicht van het incident en een vastlegging van de chain of custody van het bewijsmateriaal

Dit is dezelfde praktijk voor bewijsmateriaal als beschreven in NIST SP 800-61 Rev. 3, waarin de incidentrespons wordt gekoppeld aan CSF 2.0, met inbegrip van het verzamelen van incidentgegevens en het waarborgen van de integriteit en herkomst daarvan. De bovenstaande lijst past dit toe op de gegevens die een AI-agent produceert.

Wanneer Shadow AI een incident wordt

Shadow AI, medewerkers die AI-tools gebruiken die uw IT-team niet heeft beoordeeld of goedgekeurd, wordt meestal besproken als een datagovernanceprobleem. Het is ook een incidentresponsprobleem, en het duikt op twee verschillende manieren op. De eerste is een op zichzelf staande blootstellingsgebeurtenis: een medewerker plakt klantgegevens, broncode of financiële informatie in een persoonlijk AI-account, en uw organisatie heeft nu te maken met een gegevensbeschermingsincident zonder duidelijke omvang, omdat u niet weet wat er nog meer via dat kanaal is gegaan of waar het is beland. Onze Shadow AI-gids behandelt de governance- en compliancekant hiervan volledig.

De tweede is subtieler en hier relevanter: Shadow AI duikt op midden in een niet-gerelateerd incident. Een gestreste engineer, die probeert een actieve storing of inbreuk sneller op te lossen, plakt logdata, foutmeldingen of een beschrijving van de compromittering in een AI-tool die nooit voor dat doel is goedgekeurd, in sommige gevallen dezelfde tool die de aanvaller elders in het landschap misbruikt. Uw incidentcommunicatie- en bewijsbehandelingsprocedures moeten dit expliciet dekken: medewerkers onder druk grijpen naar de tool die het snelst is, en "plak geen incidentdata in niet-goedgekeurde AI-tools" moet een uitdrukkelijke instructie zijn tijdens activering, geen aanname.

Veelgestelde vragen

Hebben we een apart incidentresponsplan nodig voor AI-gerelateerde incidenten?

Geen apart plan. Eén enkel incidentresponskader dat is uitgebreid om AI-agenten en integraties als activaklasse te dekken, met een inventaris van wat elk kan bereiken, een snel credentialintrekkingsproces, en minstens één AI-specifiek tabletopscenario, dekt dit zonder uw bestaande structuur te dupliceren. AI-incidenten opsplitsen in een parallel proces creëert meestal verwarring over welk plan van toepassing is tijdens een lopend incident.

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.