Deze week kondigde Anthropic Project Glasswing en Claude Mythos Preview aan, een nieuw frontier-AI-model dat zelfstandig kwetsbaarheden in software kan ontdekken en misbruiken, op een schaal en snelheid waar geen menselijk securityteam aan kan tippen. Anthropic heeft het niet specifiek getraind voor cybersecurity. Deze vaardigheden ontstonden vanzelf als bijproduct van verbeteringen in redeneren, programmeren en autonoom gebruik van tools.
Bij Maven AGI volgen we deze ontwikkeling op de voet. Als AI-native enterpriseplatform voor klantervaring staan security en vertrouwen centraal in hoe we bouwen. Wanneer iets het dreigingslandschap zo ingrijpend en fundamenteel verandert, vinden we het de moeite waard om uit te leggen wat dat in de praktijk betekent. Niet alleen voor ons, maar voor elk securityteam in grote organisaties.
Voor securityteams in grote organisaties is dit het startpunt:
- Patch sneller dan aanvallers kunnen misbruiken
Mythos Preview heeft al duizenden zero-day-kwetsbaarheden gevonden in alle grote besturingssystemen en browsers, waarvan de meeste nog niet zijn gepatcht. Dat wijst op een aanstormende golf van CVE-meldingen. Securityteams hebben patchmanagementprocessen nodig die dit volume kunnen opvangen en erop kunnen reageren voordat aanvallers nieuw ontdekte lekken tot wapen kunnen maken. Patch je per kwartaal, dan is dat niet langer voldoende.
- Versterk nu, nu het venster nog open is
Toegang tot Mythos Preview is momenteel beperkt tot een kleine groep gescreende partners binnen Project Glasswing. Maar vergelijkbare vaardigheden komen binnen maanden, niet jaren, in handen van minder verantwoordelijke partijen. Dit venster, waarin krachtige AI-securitytools nog in defensieve handen zijn, is het moment om zwakke plekken in je eigen systemen te vinden en te verhelpen. Benut het.
- Moderniseer je stack voor aanvallen op AI-snelheid
Traditionele securitytools zijn ontworpen voor aanvallen op menselijke snelheid. AI-ondersteunde aanvallen zijn sneller, gerichter en geavanceerder. Een WAF-regel die een bekende payload onderschept, is niet meer genoeg: je verdediging moet werken op de snelheid en schaal die AI-aanvallers binnenkort meebrengen. Dat betekent je verdediging op elke laag stresstesten, van je WAF en endpointdetectie tot sanitization op applicatieniveau.
- Begrijp de dual-use-realiteit
Dezelfde vaardigheden die modellen als Mythos van onschatbare waarde maken voor verdediging, maken ze gevaarlijk in de verkeerde handen. Dit is geen hypothese: er is al gedocumenteerd dat door de Chinese staat gesteunde groepen AI-agents inzetten om gecoördineerde cyberaanvalscampagnes op grote schaal uit te voeren. De dreiging is reëel en neemt snel toe. Volgens het 2026 Global Threat Report van CrowdStrike namen aanvallen door AI-ondersteunde tegenstanders met 89% toe ten opzichte van vorig jaar.
- Behandel compliance als een doorlopende discipline, niet als afvinklijst
Nieuwe AI-gedreven aanvalsvectoren leiden snel tot nieuwe verwachtingen van toezichthouders. De eisen van de EU AI Act voor AI-systemen met een hoog risico gaan volledig in op 2 augustus 2026. Organisaties die compliance behandelen als een doorlopende discipline en niet als een jaarlijkse oefening, kunnen zich beter aanpassen naarmate beide landschappen zich blijven ontwikkelen.
- Bouw security in je AI in, niet erbovenop
Bij Maven AGI geloven we in "Built In, Not Bolted On", en dat geldt hier direct. Security kan geen bijzaak zijn in AI-native platforms. Van input-sanitization op applicatieniveau tot zero data retention bij AI-providers en een uitgebreid portfolio aan certificeringen met audits door derden: security zit verweven in hoe we bouwen en werken.
De kern
Project Glasswing is een beginpunt, geen eindstreep. Geen enkele organisatie, zelfs Anthropic niet, kan de uitdaging van AI-cybersecurity alleen oplossen. Maar de organisaties die nu in actie komen, met een helder beeld van wat er op hen afkomt, zullen er sterker uitkomen.
Bij Maven AGI zetten we ons ervoor in om daar één van te zijn.
Zie het op je eigen gesprekken.
Vraag een gratis demo op maat aan.
