Europese en Nederlandse banken scherpen hun beveiliging aan tegen nieuwe AI-gestuurde aanvallen. Criminelen gebruiken nu taal- en videomodellen om geloofwaardige phishing, deepfakes en fraude te maken. De sector bereidt zich tegelijk voor op strengere regels zoals de Europese AI-verordening en de DORA-cyberwet. De inzet: klanten en betalingen beter beschermen, voordat misbruik kan toeslaan.
Aanvallen worden menselijker
Generatieve AI maakt teksten, beelden en geluid op basis van voorbeelddata. Dat geeft oplichters vloeiend Nederlands, foutloze e-mails en overtuigende chatberichten. Ook regionale toon en bedrijfsjargon worden makkelijker nagebootst. Daardoor lijken nepberichten meer op echte interne of bankcommunicatie.
Multimodale modellen, die met tekst, beeld en audio werken, verlagen de drempel verder. Voorbeelden zijn GPT-4o van OpenAI, Gemini 1.5 van Google en Llama 3 van Meta. In combinatie met stemklonen en videobewerking ontstaan levensechte deepfakes. Daarmee kunnen criminelen zich voordoen als een leidinggevende of bankmedewerker.
Ook eenvoudige codehulp via AI versnelt het maken van phishingpagina’s en malafide bots. De technologie op zich is niet illegaal, maar wordt misbruikt. Banken zien daarom meer varianten van dezelfde aanval, die telkens iets anders zijn. Standaardfilters herkennen die variatie minder snel.
DORA dwingt strengere weerbaarheid
De Digital Operational Resilience Act (DORA) verplicht financiële instellingen tot stevig ICT-risicobeheer. Dat betekent vaste procedures, snelle incidentmelding en testen van noodscenario’s. AI-gedreven dreigingen, zoals deepfakes en geautomatiseerde phishing, tellen daarbij vol mee. Besturen blijven eindverantwoordelijk voor keuzes en controles.
Threat-led tests, zoals het TIBER-EU raamwerk dat DNB in Nederland toepast, worden uitgebreid met AI-scenario’s. Denk aan spearfishing met deepfakes of misbruik van chatbots. Ook toeleveranciers, zoals cloud- en modelaanbieders, vallen onder het derde-partijrisico. Contracten moeten helder zijn over logging, uitwijk en beveiliging van datamodellen.
Banken bouwen dreigingsmodellen specifiek voor generatieve AI. Ze leggen vast hoe ze prompt-injecties, synthetische stemmen en nepvideo’s herkennen. Ook bepalen ze wie knopen doorhakt bij twijfel over een betaling of klantactie. Zo verkleinen ze de kans op doorbraak via mens of systeem.
Per 17 januari 2025 geldt DORA voor alle financiële instellingen in de EU.
Deepfakes testen klantcontrole
Steeds meer onboarding en helpdesk verloopt via beeld en spraak. Daarom scherpen banken liveness-detectie aan, die controleert of er echt een mens achter de camera zit. Liveness-detectie is software die nepbeelden en gemanipuleerde audio probeert te ontmaskeren. Het is een wapenwedloop, want deepfakes worden beter.
Bij betalingen zetten banken extra stappen in wanneer iets afwijkt. Onder PSD2 is sterke klantverificatie verplicht, bijvoorbeeld met twee stappen zoals app en biometrie. Bij hoog risico kan een extra controle volgen, zoals een wachttijd of terugbelactie. In Nederland helpt ook de IBAN-naamcheck om vergissingen en omleiding te voorkomen.
Technische detectie van synthetische media is nuttig, maar niet zaligmakend. Watermerken of AI-filters zijn makkelijk te omzeilen door criminelen. Daarom combineren banken meerdere signalen: apparaat, locatie, gedrag en inhoud. De Europese AI-verordening verplicht labeling van deepfakes, maar aanvallers houden zich daar niet aan.
AVG en AI-wet sturen AI
De AVG eist dataminimalisatie, versleuteling en een helder doel. Dat geldt ook als banken AI gebruiken voor monitoring of klantenservice. Trainen van modellen op klantdata vraagt strikte toegang en anonimisering. Anders dreigen datalekken of te ruime dataverwerking.
De Europese AI-verordening plaatst kredietbeoordeling en soortgelijke systemen in de hoge-risicoklasse. Dat vraagt risicobeheer, menselijk toezicht, uitlegbaarheid en documentatie. Chatbots vallen meestal in een lagere risicoklasse, maar moeten wel transparant zijn. Verplichtingen gaan gefaseerd in vanaf 2025 en 2026, op het moment van schrijven.
Voor veilig gebruik kiezen banken vaker afgeschermde AI-diensten. Denk aan Microsoft Azure OpenAI of Google Vertex AI met Europese datalokaties. Soms draaien organisaties een open model, zoals Llama 3, in hun eigen omgeving. Contracten regelen logging, bewaartermijnen en auditrechten voor toezichthouders.
Mens en proces blijven nodig
Techniek alleen is niet genoeg. Medewerkers leren deepfake-signalen herkennen en altijd te verifiëren via een tweede kanaal. Klanten krijgen heldere waarschuwingen in app en e-mail, in eenvoudige taal. Interne draaiboeken beschrijven wie wat doet bij vermoedelijke spoofing of fraude.
Sector en overheid trekken samen op tegen AI-gedreven criminaliteit. Informatie-uitwisseling met NCSC-NL en ENISA helpt bij snelle detectie. Toezichthouders als DNB en AFM verhogen verwachtingen rond operationele weerbaarheid. Politie en banken stemmen oplichtingstrends af en werken aan snellere blokkades.
Banken meten hun voortgang met heldere cijfers. Hoe snel wordt een aanval gezien, gestopt en gemeld? Hoe vaak falen deepfakes bij de eerste controle? Met die feedback verbeteren ze modellen, processen en training stap voor stap.
