Mozilla heeft de afgelopen maanden 271 beveiligingslekken in Firefox opgespoord en gerepareerd, met hulp van het AI-model Claude Mythos Preview. Dit model, ontwikkeld door Anthropic, wordt door sommigen als risicovol beschouwd, maar Mozilla laat zien dat je het juist veilig kunt inzetten om software te verbeteren. Voor ondernemers betekent dit dat AI niet alleen een bedreiging is, maar ook een praktisch hulpmiddel om je eigen systemen te beveiligen.

Wat er aan de hand is

Mozilla maakte in een blogpost bekend dat het AI-model Claude Mythos Preview heeft ingezet om kwetsbaarheden in de Firefox-browser op te sporen. Het model analyseerde code en identificeerde 271 lekken die anders mogelijk onopgemerkt waren gebleven. Dit is opvallend, omdat Claude Mythos Preview bekendstaat als een krachtig maar ook omstreden model. Anthropic, de maker, waarschuwde eerder dat het model mogelijk risico’s met zich meebrengt. Mozilla toont nu aan dat je met de juiste aanpak AI veilig kunt gebruiken voor beveiligingstaken, zonder dat het uit de hand loopt.

Wat dit betekent

Voor MKB-ondernemers is dit nieuws relevant omdat het laat zien dat AI niet alleen een hype is voor grote techbedrijven. Het bewijst dat je met AI daadwerkelijk fouten in software kunt vinden die mensen over het hoofd zien. Veel kleine bedrijven werken met maatwerksoftware, webshops of interne tools die kwetsbaarheden kunnen bevatten. Waar je eerder afhankelijk was van dure security-audits of handmatige controles, biedt AI nu een toegankelijk alternatief. Het betekent ook dat de angst voor ’enge’ AI-modellen ongegrond kan zijn, mits je ze gericht en met de juiste beveiliging inzet.

Hoe je dit kunt toepassen

Als je een webshop runt op maatwerkplatforms zoals Magento of WooCommerce, dan weet je dat elke plugin of update een potentieel beveiligingslek kan introduceren. Je zou kunnen overwegen om een AI-tool zoals Claude of een vergelijkbaar model in te zetten om je code te laten scannen op fouten. Dit werkt het beste als je de tool alleen toegang geeft tot de code die je wilt controleren, niet tot klantgegevens of andere gevoelige data. Een mogelijkheid is om een aparte omgeving in te richten waar de AI alleen de broncode kan lezen, zonder dat het systeem verder wordt blootgesteld.

Als je een team aanstuurt dat zelf software ontwikkelt, bijvoorbeeld voor interne processen of klantportalen, dan kun je AI inzetten als extra controlelaag. Overweeg om na elke code-review een AI-model dezelfde code te laten analyseren. Mozilla’s aanpak laat zien dat AI vaak fouten vindt die menselijke ontwikkelaars missen, vooral in complexe of verouderde code. Je zou kunnen starten met een klein project, zoals een interne tool, om te ervaren hoe het werkt voordat je het uitrolt naar klantgerichte systemen.

Als je in de zorg of financiële sector werkt, waar beveiliging en privacy cruciaal zijn, dan kun je AI gebruiken om kwetsbaarheden in je software te vinden zonder dat je data hoeft te delen met externe partijen. Een optie is om een lokaal draaiend AI-model te gebruiken, zoals open-source varianten van Claude of Llama, die je op je eigen server installeert. Zo blijft alle data binnen je eigen omgeving, terwijl je toch profiteert van de kracht van AI om lekken op te sporen. Dit vergt wel enige technische kennis, maar veel hostingpartijen bieden inmiddels ondersteuning voor lokale AI-modellen.

Als je geen eigen software ontwikkelt maar wel afhankelijk bent van externe leveranciers, dan kun je deze aanpak gebruiken om je leveranciers te bevragen. Vraag bijvoorbeeld of zij AI inzetten voor beveiligingstests en of ze bereid zijn de resultaten te delen. Mozilla’s voorbeeld laat zien dat AI geen bedreiging hoeft te zijn, maar een kans om software veiliger te maken. Je zou kunnen overwegen om in contracten op te nemen dat leveranciers periodiek AI-ondersteunde security-scans uitvoeren.

Bron: Bright