AI-drevne angreb.

Angriberne bruger nu AI til at gøre det samme som før, bare hurtigere og mere overbevisende. Det britiske datatilsyn peger på syv typer: AI-skrevet phishing der rammer den enkelte medarbejder personligt, deepfakes af kolleger eller IT-supporten over telefon og video, automatiseret scanning efter sårbarheder, malware der ændrer adfærd undervejs for at undgå at blive opdaget, angreb på svage kodeord i stor skala, forgiftning af data i de AI-modeller I selv bruger, og indirekte prompt-injektion, hvor instruktioner gemmes i indhold, som jeres AI-værktøj læser og adlyder.

Ingen af dem er nye angrebsformer. Det nye er farten, og at den gamle test, ser mailen mærkelig ud, ikke længere virker. En AI-skrevet phishingmail har ingen stavefejl, kender jeres organisation og skriver i kollegaens tone.

Første skridt er derfor ikke et produkt, men en vurdering: hvilke af de syv rammer faktisk jer, og hvad ville de koste. Den vurdering skal alligevel ligge på skrift, både efter GDPR og NIS2.

Den største årlige undersøgelse af datatrusler udkom i 2026-udgaven med svar fra over 3.100 virksomheder i 20 lande. Den bekræfter de fem trin, men gør dem konkrete:

• 59 pct.har oplevet deepfake-angreb. 48 pct. har haft skade på omdømmet efter AI-genereret misinformation.
• 57 pct.oplever at deres AI-værktøjer selv bliver angrebet, og følsomme data er det angriberne er ude efter.
• 67 pct.ser tyveri af adgangskoder og hemmeligheder stige. Det er den mest brugte metode mod cloud-systemer.
• 34 pct.ved præcis hvor deres data ligger. Kun 39 pct. kan klassificere alle deres data.
• 28 pct.peger på menneskelige fejl som den hyppigste årsag til brud. Det er stadig den største enkeltårsag.
• 7 værktøjerer gennemsnittet til databeskyttelse alene. 77 pct. har fem eller flere, og kun 39 pct. er trygge ved at forstå dem.

Bemærk hvad tallene ikke siger: at virksomhederne mangler værktøjer. De har syv i gennemsnit. Det de mangler, er overblik. To tredjedele ved ikke præcis hvor deres data ligger, og under halvdelen forstår de værktøjer, de allerede har købt.

3.100 svar fra 20 lande, indsamlet af S&P Global 451 Research.

Undersøgelsen spurgte også til revision. Blandt de virksomheder, der var dumpet en compliance-revision, var der kun 6 pct., som ikke havde haft et sikkerhedsbrud. Blandt dem der bestod, var tallet 30 pct.

Fem gange så mange slap fri. Det beviser ikke, at revisionen i sig selv forhindrer angreb, og sammenhæng er ikke årsag. Men det siger noget om, hvad en revision måler: om der er styr på adgange, opdateringer, backup og leverandører, og det er præcis de ting, angriberne udnytter.

Sagt lige ud: dokumentationen er ikke papirarbejde ved siden af sikkerheden. Det er den samme ting, set fra en anden vinkel.

Bill Jewell, teknisk direktør i det amerikanske handelskammer, siger det uden omsvøb: det er ikke længere i orden at teste sikkerheden én gang om året eller én gang i kvartalet. Det skal være noget der kører hele tiden.

Grunden er den samme som i trin 2: når angriberne bruger AI til at finde og udnytte huller på timer, er et kvartal en evighed. Og tempoet stiger: 34 pct. af virksomhederne har allerede AI-agenter indlejret i deres systemer, og 73 pct. forventer at have dem inden for et år. Hver agent er en ny bruger med adgang til data.

Det er også derfor, vi har bygget FAKTIVE som vi har. En compliance-rapport, der laves én gang om året, beskriver en virksomhed, der ikke findes længere.

Langt de fleste angreb, der lykkes, udnytter grundlæggende svigt: en manglende opdatering, et program uden beskyttelse, en server ingen holder øje med. Tilsynet er direkte: hvis I behandler persondata, forventes det, at de basale tekniske kontroller er på plads.

Men mod AI-drevne angreb er fundamentet ikke nok i sig selv. Der skal lag på: flere uafhængige kontroller, så et brud ét sted ikke bliver til et brud alle steder. Og fordi AI finder og udnytter kendte sårbarheder hurtigt, afgør hastigheden på jeres opdateringer, om I når det først.

Det er her forskellen på at skrive og at måle bliver konkret. En politik, der siger at maskinerne holdes opdaterede, er et udsagn. En liste over hvilke maskiner der faktisk er opdaterede, og hvornår, er dokumentation.

Svage adgangspunkter er det primære mål, og det gælder også jeres leverandører. Tilsynet peger på tre ting: multifaktor-godkendelse på al fjernadgang, alle administratorkonti og mail; mindste privilegium, så brugere, systemer og programmer kun har adgang til det, de reelt skal bruge; og regelmæssig kontrol af de privilegerede konti, hvor adgang fjernes i det øjeblik den ikke længere er nødvendig.

Bruger I AI i selve adgangskontrollen, adfærdsanalyse eller biometri, skal I forstå hvad det betyder for privatlivet, ikke kun for sikkerheden.

Og så leverandørkæden: kortlæg hvad tredjeparter har adgang til, stil krav i kontrakterne, og gør jeres due diligence i et omfang der passer til risikoen. Det er samme krav, som NIS2 sender ned gennem kæden, og samme krav, som databehandleraftalen skal dække.

Overvågning skal fange det usædvanlige: login-mønstre der falder uden for normalen, dataoverførsler ingen har bedt om, API-kald der opfører sig forkert. Dertil regelmæssig sårbarhedsscanning og test.

AI kan bruges i forsvaret og er god til at fange og stoppe ting hurtigt. Men den skal køre med klart menneskeligt tilsyn og ansvar, ellers flytter I bare problemet.

Beredskabsplanen skal vedligeholdes og afprøves. Medarbejderne skal kende deres rolle, kontaktoplysningerne skal være rigtige, og de kritiske dokumenter skal findes offline. En beredskabsplan, der kun ligger på det system, angrebet har lukket, er ingen plan.

72 timer begynder når I opdager det, ikke når det sker.

AI-drevne angreb går efter persondata, og dataene bruges så til at gøre det næste angreb bedre. Tilsynets liste er kort og konkret: indsaml og gem kun det I reelt bruger, for jo mindre I har, jo mindre er der at stjæle. Revidér jævnligt hvilke persondata I har, hvor de ligger, og hvem der har adgang, med særlig opmærksomhed på AI-værktøjer der behandler eller er trænet på dem.

Træn medarbejderne i at genkende AI-skrevet phishing, stemmekloning og deepfakes, og opdatér træningen, for truslen flytter sig. Bruger I AI-værktøjer til data med høj risiko, skal der ligge en konsekvensanalyse (DPIA) og passende sikkerhedsforanstaltninger, også mod angreb rettet mod selve AI-værktøjet.

Endelig: kryptering og pseudonymisering begrænser skaden, når det alligevel går galt. Et krypteret lager er forskellen på et databrud og en ærgerlig hændelse.

Ingen af de fem trin er et nyt krav. De er det samme, GDPR og NIS2 allerede beder om, sagt i en AI-sammenhæng. Derfor kan de lægges direkte oven på de kontroller, I skal kunne dokumentere i forvejen:

• 1 · Kend truslenRisikovurdering · trusselsbillede
• 2 · Det basale, i lagAnti-malware · opdateringer og patching · firewall og segmentering · backup
• 3 · Begræns adgangeneMFA · adgangsstyring og mindste privilegium · leverandørstyring · databehandleraftaler
• 4 · Opdagelse og beredskabCentraliseret logning · sikkerhedsovervågning · beredskabsplan · hændelsesrapportering
• 5 · Beskyt persondataeneDataminimering · sletning · kryptering · awareness · konsekvensanalyse

Ni af de kontroller måles automatisk, når FAKTIVE Engine er sat op: om beskyttelsen kører på alle enheder, om maskinerne faktisk er opdaterede, om backup er gennemført og verificeret, om mailfiltreringen er aktiv. Ikke et flueben nogen satte sidste år, men status fra jeres egen drift, i dag.

Se alle 28 kontroller →

Det er tilsynets egen konklusion, og den er værd at tage alvorligt netop fordi den er udramatisk: AI giver ikke angriberne nye veje ind, den gør de gamle veje hurtigere. Virksomheder, der har fundamentet på plads, lagene bygget, og mennesker med i beslutningerne, er forberedte på det, der kommer.

Forskellen mellem at være forberedt og at tro man er, er om I kan vise det. Ikke som en hensigt i en politik, men som en dato, en status og et navn.