Anthropic deelt ‘Mythos’-cyberbevindingen met financiële waakhond FSB: waarom dit ertoe doet

Een nieuw signaal dat ‘cyber-capabele’ AI geen ver-van-ons-bed-show meer is. Anthropic gaat bevindingen uit tests met zijn restricted model Claude Mythos delen met de Financial Stability Board (FSB) – de internationale waakhond die systeemrisico’s voor het financiële stelsel in kaart brengt. Dat schrijft The Guardian. Waarom is dat relevant? Omdat banken en betaalinfrastructuur precies de plekken zijn waar een door AI versneld ‘vulnerability-to-exploit’ traject het hardst kan aankomen.

Wat is er nu precies gebeurd?

Volgens The Guardian deelt Anthropic inzichten uit Mythos-evaluaties met de FSB, nadat de Britse AI Security Institute (AISI) Mythos opnieuw beoordeelde op cyber-risico’s. Dat past in een bredere trend: niet alleen labs, maar ook toezichthouders en ketenpartijen (banken, cloud, hardware) moeten een beeld krijgen van wat deze modellen wél en niet kunnen.

Mythos in de praktijk: van research naar exploit in dagen

De zorgen zijn niet alleen theoretisch. Tom’s Hardware beschrijft hoe onderzoekers Mythos gebruikten bij het uitwerken van een privilege-escalation exploit op Apple’s M5/macOS, inclusief het omzeilen van Memory Integrity Enforcement. En Scientific American zet de context uiteen: Anthropic kiest bewust voor beperkte toegang (Project Glasswing) omdat onafhankelijke tests laten zien dat het model relatief vaak slaagt op expert-level hacking taken.

Belangrijk detail: in vrijwel alle publicaties blijft de rode draad dat dit geen “druk op de knop en klaar”-hackmachine is. Het versnelt vooral het iteratieve werk (hypotheses, codevarianten, debugging, exploit-paden) voor mensen die al weten waar ze moeten zoeken. Maar juist dat versnellen is strategisch: het verkort de tijd tussen een nieuwe bug en een werkende aanval.

Waarom de FSB hier naar kijkt (en waarom jij dat ook zou moeten)

De FSB zit niet op de stoel van product-security, maar kijkt naar systeemrisico: gebeurtenissen die door verwevenheid ineens groot worden. Als AI-modellen kwetsbaarheden sneller helpen vinden en uitbuiten, dan nemen drie risico’s toe:

• Tempo-risico: patch-cycli en change management bij grote organisaties zijn vaak traag; aanvallers hoeven dat niet meer te zijn.
• Opschalingsrisico: dezelfde exploitketen kan hergebruikt worden over honderden organisaties met vergelijkbare stacks.
• Concentratierisico: een paar platformen (cloud, identity, payment rails) worden ‘single points of failure’.

Wat betekent dit voor bedrijven en IT-teams?

Voor Nederlandse organisaties is dit vooral een praktische checklist-moment. Zet je basis op orde: snellere patching voor internet-exposed systemen, strakkere privileged access, en betere monitoring op “living off the land”-gedrag. En: behandel AI-tools intern als een nieuwe klasse software (met toegangsbeheer, logging, en duidelijke approvals).

Bij AI-Feiten schreven we al eerder over beleid rond cyber-capabele AI-modellen, over supply-chain risico’s en OpenAI’s macOS-update, en over veilig deployen van coding agents. Ook relevant: hoe vendors hun enterprise-aanpak opschalen, zoals OpenAI’s ‘Deployment Company’.

Conclusie – wat betekent dit? Dat Anthropic Mythos-onderzoek deelt met de FSB laat zien dat “AI + cybersecurity” niet meer alleen een lab-discussie is. Het schuift richting financieel toezicht, governance en operationele weerbaarheid. En dat is precies waar dit onderwerp thuishoort: niet bij paniek, maar bij voorbereiding.