AI-hulpmiddelen versnellen aanvallen op Zuid-Koreaanse banken

Meerdere Zuid-Koreaanse financiële instellingen werden tussen eind september en begin oktober 2026 het doelwit van een cyberaanval, waarbij kunstmatige intelligentie de zoektocht naar kwetsbare systemen versnelde. Het beveiligingsbedrijf CrowdStrike reconstrueerde het verloop aan de hand van bestanden en sessielogs op een server die de aanvaller controleerde. The Decoder en het Taiwanese vakmedium iThome berichtten onafhankelijk over de analyse. Beide bronnen benadrukken dat de toewijzing voorzichtig gelezen moet worden: CrowdStrike acht een Chineestalige dader waarschijnlijk, geeft daarvoor echter slechts een middelmatige zekerheid en koppelt de activiteit aan geen bekende staats- of criminele groep.

ARTEX automatiseert de zoektocht naar kwetsbaarheden

In het centrum van het incident staat ARTEX, een open‑source hulpmiddel voor penetratietesten. Het werd in juli 2026 op GitHub gepubliceerd en in China ontwikkeld. Het programma combineert klassieke testmethoden met grote taalmodellen. In plaats van elke doel‑adres en mogelijke kwetsbaarheid handmatig te onderzoeken, kan een operator hiermee processen automatiseren, technische aanwijzingen beoordelen en aanvalsstappen voorbereiden. Volgens CrowdStrike was ARTEX zo geconfigureerd dat DeepSeek v4.1‑flash het belangrijkste taalmodel was. In andere sessielogs verschenen GLM‑5.3 en Grok 4.6 als hulpmiddelen.

De gevonden gegevens omvatten volgens de beveiligingsonderzoekers configuratiebestanden van ARTEX, logs uit Claude Code en opgeslagen werknotities. Ze tonen niet alleen technische werkstappen, maar ook dat de dader in Telegram‑groepen naar marktplaatsen voor gestolen data zocht. Deze sporen wijzen erop dat de verkregen informatie economisch benut zou moeten worden. Ze bewijzen echter niet dat er daadwerkelijk een verkoop heeft plaatsgevonden. De bronnen melden tot nu toe geen bevestigde kopers noch een volledig gedocumenteerde overdracht van de datasets.

Minstens 25.000 records bij één bank

De informatie over Shinhan Bank is bijzonder concreet. De Koreaanse krant Khan meldde dat daar meer dan 25.000 records waren weggelopen. Deze bevatten namen, contactgegevens, inkomen en kredietlimieten. Andere banken zouden eveneens getroffen zijn, maar hun namen en het exacte aantal gestolen records werden in de beschikbare rapporten niet volledig gepubliceerd. Daarom kan noch het totale aantal getroffen klanten noch de mogelijke financiële schade betrouwbaar worden gekwantificeerd. Ook gevolgen zoals identiteitsdiefstal, fraude of misbruik van kredietaanvragen zijn tot nu toe niet gekwantificeerd.

De Zuid-Koreaanse financiële toezichthouder riep na bekendmaking van de incidenten een spoedvergadering bijeen. President Lee Jae‑myung eiste een grondig onderzoek. Deze reacties tonen de politieke impact, maar vervangen geen afgeronde forensische analyse. Tot nu toe is publiek niet aangetoond of alle aangevallen instellingen dezelfde kwetsbaarheid hadden of dat ARTEX telkens verschillende ingangen vond. Eveneens ontbreken gegevens over hoe lang de aanvallers onopgemerkt in de netwerken bleven en welke beveiligingsmaatregelen faalden.

AI verandert het tempo, niet de bewijsregels

De zaak is geen bewijs dat een taalmodel op zichzelf een bank kan compromitteren. Het laat eerder zien hoe een enkele operator bestaande tools, open modellen en traditionele aanvalstechnieken kan combineren. Geautomatiseerde zoekopdrachten en door machines gegenereerde suggesties verkorten de weg van een bekende kwetsbaarheid naar een werkende aanval. De cruciale stappen blijven echter technische handelingen van de aanvaller. Ook de toewijzing moet gebaseerd zijn op infrastructuur, taal, tijdspatronen en andere aanwijzingen. Een gebruikt model of een in China ontwikkeld hulpmiddel bewijst op zichzelf noch de herkomst noch de opdrachtgever.

• CrowdStrike kent de dader slechts met middelmatige zekerheid toe aan een Chineestalige omgeving
• ARTEX combineerde geautomatiseerde beveiligingstests met meerdere taalmodellen
• bij Shinhan Bank zouden meer dan 25.000 records zijn weggelopen
• voor andere instellingen ontbreken tot nu toe volledige slachtoffers‑ en schadecijfers
• een verkoop van de gestolen data is niet publiek bevestigd

Voor banken betekent dit een dubbele taak. Ze moeten bekende kwetsbaarheden sneller dichten, omdat aanvallers hun zoektocht steeds meer automatiseren. Tegelijkertijd moeten ze ongebruikelijke queries, nieuwe tools en dataverplaatsingen zo registreren dat een incident later betrouwbaar kan worden gereconstrueerd. Klassieke maatregelen zoals segmentatie, multi‑factor authenticatie, minimale toegangsrechten en het monitoren van grote dataverliezen verliezen door AI niet aan belang. Integendeel: hoe sneller een aanval wordt voorbereid, hoe belangrijker korte reactietijden en duidelijk gedefinieerde uitschakelroutes worden.

Onbekend blijft hoe breed de campagne daadwerkelijk was. CrowdStrike’s analyse is gebaseerd op materiaal uit de infrastructuur van de aanvaller; een onafhankelijke bevestiging van alle details door Zuid‑Koreaanse autoriteiten of een tweede beveiligingsbedrijf ontbreekt in de geciteerde rapporten. Ook een verbinding met een staat of een georganiseerde groep is niet aangetoond. De meest betrouwbare conclusie is daarom beperkt: Open AI‑ondersteunde aanvalstools werden in een echte inbraak tegen financiële instellingen ingezet, en minstens één bank meldde een aanzienlijke uitstroom van gevoelige klantgegevens. Alles daarbuiten moet de lopende onderzoek verduidelijken.