Het Cybersecurity Awareness-Resilience Gat in 2026: Hoe 84% van de Zware Aanvallen Securityteams Nog Steeds Onverwachts Treft
Security-organisaties hebben cyberrisico’s nog nooit zo goed begrepen als nu. Ze hebben geïnvesteerd in raamwerken, tooling en bewustwordingscampagnes. Ze hebben CISO-functies opgezet die rapporteren aan de raad van bestuur. Ze spreken vloeiend over zero trust, verkleining van het aanvalsoppervlak en AI governance. Toch slagen aanvallers op grote schaal—niet omdat verdedigers onwetend zijn, maar omdat risico’s begrijpen en een respons operationeel maken twee totaal verschillende zaken zijn.
Bitdefender’s 2026 Cybersecurity Assessment, een onafhankelijk onderzoek onder 1.200 IT- en cybersecurityprofessionals in zes landen, gepubliceerd op 1 juli 2026, benoemt dit probleem als de awareness-resilience gap. Dit komt in de data naar voren als een reeks opvallende tegenstrijdigheden die laten zien waar de beveiliging van ondernemingen daadwerkelijk faalt.
De scherpste tegenstrijdigheid betreft Living off the Land-aanvallen. Bitdefender Labs ontdekte dat 84% van de ernstige aanvallen in 2026 LOTL-technieken gebruikte—het misbruiken van legitieme systeemtools die al aanwezig zijn in bedrijfsomgevingen. Slechts één op de vijf respondenten plaatste LOTL-aanvallen in hun top drie zorgen. Die 84%-tegen-20%-verhouding is geen rapportagefout. Het is een meting van hoe ver de aandacht van organisaties is afgedwaald van de dreigingscategorie die de meeste schade aanricht.
Belangrijkste Bevindingen
1. 84% van de ernstige aanvallen in 2026 gebruikte Living off the Land-technieken.
Bitdefender Labs ontdekte dat aanvallers legitieme systeemtools uit bedrijfsomgevingen misbruiken—maar slechts één op de vijf respondenten plaatste LOTL-aanvallen in hun top drie beveiligingszorgen, waardoor dit het meest impactvolle blinde vlek is in dreigingsdetectie bij ondernemingen.
2. Organisaties erkennen risico, maar kunnen geen respons operationeel maken.
Uit de 2026 Bitdefender Cybersecurity Assessment blijkt dat organisaties breed het belang van verkleining van het aanvalsoppervlak erkennen, maar 38% noemt het beheer van hardeningbeleid als grootste belemmering, 35,4% vreest verstoring van processen en 34,6% wijst op beperkte middelen—een drietal uitvoeringsproblemen.
3. Focus op AI-dreigingen verdringt aandacht voor succesvolle aanvallen.
Securityprofessionals rangschikken AI-gerelateerde dreigingen—zelf-mutaterende malware (55,9%), LLM-dataverlies (53,5%), AI-gedreven ontwijking (52,5%)—als hun grootste zorgen, terwijl LOTL, diefstal van inloggegevens en phishing nog steeds het merendeel van de ernstige incidenten veroorzaken.
4. De zichtbaarheidsgap rond shadow AI versterkt problemen met aanvalsoppervlakbeheer.
Hoewel 51,8% van de organisaties beweert volledig zicht te hebben op AI-toolgebruik, geeft 47,4% toe slechts gedeeltelijk of geen zicht te hebben op shadow AI—en 58% van de managers denkt volledige zichtbaarheid te hebben, terwijl slechts 45,9% van de uitvoerders dat beaamt. Dit creëert een kloof tussen management en praktijk die het echte aanvalsoppervlak onbestuurd laat.
5. 68,6% van de Amerikaanse securityprofessionals kreeg het verzoek meldingsplichtige datalekken te verzwijgen.
Uit de 2026 Bitdefender Assessment blijkt dat meer dan de helft (55,2%) van de respondenten die een datalek meemaakten, werd opgedragen deze vertrouwelijk te houden, ondanks dat zij vonden dat autoriteiten geïnformeerd moesten worden. In de Verenigde Staten stijgt dit cijfer tot 68,6%, wat wijst op een structureel governanceprobleem rondom meldingsplicht bij datalekken.
Je vertrouwt erop dat je organisatie veilig is. Maar kun je het bewijzen?
Lees nu
Wat 84% Echt Betekent
Living off the Land als aanvalsmethode is in theorie goed begrepen. Aanvallers gebruiken ingebouwde hulpprogramma’s—PowerShell, Windows Management Instrumentation, Taakplanner, remote beheerhulpmiddelen—om lateraal te bewegen, persistentie te creëren en data te exfiltreren zonder nieuwe malware te introduceren die endpoint-detectietools zouden signaleren. De tools zijn legitiem. De toegang is kwaadaardig. De signalen zijn vrijwel onzichtbaar.
Het cijfer van 84% laat zien hoe succesvol deze techniek enterprise-detectie op grote schaal blijft ontwijken. Organisaties hebben geïnvesteerd in endpoint detection and response, next-gen antivirus en gedragsanalyse. Toch zijn het juist de aanvallen met tools die de organisatie al heeft goedgekeurd die in 84% van de ernstige incidenten slagen.
De detectiegap is structureel. Audit logs leggen commando-uitvoering vast, maar het onderscheid maken tussen een legitieme beheerder die PowerShell draait en een aanvaller die hetzelfde doet, vereist gedragsbaselines die de meeste organisaties nog aan het opbouwen zijn. SIEM-platforms kunnen de telemetrie verwerken, maar de signaal-ruisverhouding voor native toolgebruik is hoog: dezelfde commando’s die beheerders dagelijks uitvoeren, worden door aanvallers gebruikt zodra ze binnen zijn.
Het resultaat is dat aanvallers zich door een organisatie kunnen bewegen met tools die het securityteam vertrouwt, activiteiten genereren die eruitzien als normale processen, en in de meeste door Bitdefender onderzochte incidenten ernstige gevolgen bereiken. Wanneer 84% van de ernstige aanvallen een techniek gebruikt die slechts 20% van de securityprofessionals prioriteert, is de detectiestatus structureel niet afgestemd op de dreiging. Een formele risicobeoordeling die LOTL-aanvalsscenario’s expliciet meeneemt—gekoppeld aan de legitieme tools die operationeel vereist zijn per omgeving—is het startpunt om detectie-investeringen af te stemmen op de werkelijke dreiging.
Zero trust architecture pakt dit niet aan door legitieme tools te elimineren, maar door het impliciete vertrouwen te elimineren dat deze tools toegang geeft tot meer dan nodig. De verschuiving van “deze tool is vertrouwd” naar “deze tool is geautoriseerd voor deze specifieke scope” is het architecturale antwoord op LOTL. Wanneer toegangscontroles worden afgestemd op rol en context, kan een gecompromitteerd toolaccount zich niet lateraal verplaatsen, ongeacht welke legitieme utility wordt gebruikt.
Waarom de AI-dreigingsnarratief LOTL Verergert
De 2026 Bitdefender Assessment laat iets tegenintuïtiefs zien: de toenemende focus van de sector op AI-gedreven dreigingen kan het LOTL-detectieprobleem verergeren door beperkte aandacht en middelen te herverdelen.
Respondenten rangschikken AI-gerelateerde dreigingen als hun top drie zorgen: zelf-mutaterende malware (55,9%), openbaar LLM-dataverlies (53,5%) en AI-gedreven ontwijkingstechnieken (52,5%). Die zorg is niet ongegrond. AI maakt phishing overtuigender, verkenning meer geautomatiseerd en aanvalsexecutie sneller. Maar onderzoekers van Bitdefender merken op dat tegenstanders AI vooral gebruiken om bestaande technieken te versterken, niet om ze te vervangen. Het dreigingslandschap wordt uitgebreid, niet getransformeerd—althans tot nu toe.
Het probleem is dat beperkte securitymiddelen worden verschoven naar een dreiging die incrementeel erger is in plaats van categorisch anders, terwijl de aanvalsmethode die in 84% van de ernstige incidenten slaagt onderbelicht blijft. LOTL-aanvallen zijn niet nieuw. Diefstal van inloggegevens is niet nieuw. Phishing is niet nieuw. De data van Bitdefender suggereren dat deze bekende technieken nog steeds succesvol zijn juist omdat ze minder strategische aandacht krijgen dan het AI-dreigingsnarratief.
Deze dynamiek is ook relevant voor investeringen in AI data governance. De bevinding van Bitdefender dat 47,4% van de organisaties geen volledig zicht heeft op shadow AI-gebruik is echt significant—AI-tools die via het Model Context Protocol zijn verbonden, brengen AI-risico’s met zich mee die verschillen van traditionele aanvalsvectoren. Maar investeren in AI governance terwijl het LOTL-detectiegat niet wordt aangepakt, is een asymmetrische allocatie: morgen’s dreiging aanpakken terwijl de respons op die van vandaag onderbemand blijft.
Het Kiteworks 2026 Data Security and Compliance Risk: Annual Forecast Report identificeert AI data governance als de hoogste prioriteit voor security- en compliance-investeringen in 2026. Die prioritering is logisch. Wat de Bitdefender-data toevoegt, is context: AI governance-investeringen moeten LOTL-detectie-investeringen aanvullen, niet vervangen.
Het Uitvoeringsprobleem bij Aanvalsoppervlakreductie
Een van de belangrijkste bevindingen uit de 2026 Assessment is hoe duidelijk het de kloof tussen intentie en uitvoering bij aanvalsoppervlakreductie documenteert—de strategische prioriteit die organisaties consequent als kritiek benoemen, maar waar ze niet naar handelen.
De barrières die respondenten noemen zijn praktisch, niet strategisch. Achtendertig procent worstelt met het onderhouden van hardeningbeleid en uitzonderingsbeheer. Vijfendertig komma vier procent vreest verstoring van bedrijfsprocessen. Vierendertig komma zes procent noemt beperkte middelen. Nog eens 33,8% meldt onzekerheid over welke legitieme tools hun gebruikers daadwerkelijk nodig hebben—een cijfer dat stijgt tot 48,8% bij Amerikaanse organisaties.
Bijna de helft van de Amerikaanse organisaties geeft toe niet te weten welke tools hun gebruikers echt nodig hebben. Zonder die basisinventarisatie is hardening giswerk: verwijder een tool en ofwel gebeurt er niets (dan was hij overbodig) ofwel gaat er iets stuk (dan veroorzaakt de verwijdering operationele impact). De rationele reactie op die onzekerheid is niets doen—wat de data suggereert dat de meeste organisaties ook doen.
Die onzekerheid maakt LOTL ook zo effectief. Aanvallers misbruiken tools die de organisatie niet kan verwijderen omdat ze operationeel noodzakelijk zijn. PowerShell kan niet organisatiebreed worden uitgeschakeld zonder beheerprocessen te verstoren. WMI is diep verweven in monitoring en automatisering. De toolinventaris die aanvallers nodig hebben voor een LOTL-campagne, is dezelfde configuratie die operationele teams nodig hebben om te functioneren.
Zero trust security pakt dit aan vanuit de autorisatielaag in plaats van de verwijderingslaag. Het antwoord op “we kunnen PowerShell niet verwijderen” is “dan autoriseren we PowerShell alleen voor de gebruikers en contexten die het nodig hebben, en loggen we elke uitvoering.” Gegevensbeheer-raamwerken die least-privilege toepassen op tooltoegang zijn een vereiste voor aanvalsoppervlakreductie zonder dat organisaties hun processen hoeven te verstoren. Op attributen gebaseerde toegangscontrole (ABAC: Attribute Based Access Control) is de technische implementatie van dit principe: toegangsbeslissingen die gebruikersrol, apparaatstatus en de specifieke bron tegelijk meewegen, bij elk verzoek opnieuw geëvalueerd in plaats van alleen bij provisioning.
Verkeerde configuratie beveiliging is de hoofdoorzaak bij veel LOTL-aanvallen—niet verkeerd ingestelde opties, maar te ruime configuraties die na de initiële inzet nooit meer zijn herzien. Standaardtoegang die eigenlijk beperkt had moeten worden. Serviceaccounts met bredere rechten dan nodig. Legacy-beheerhulpmiddelen die nog steeds toegankelijk zijn vanuit productieomgevingen. Beheer van beveiligingsrisico’s-programma’s die hardening als een eenmalige activiteit beschouwen in plaats van een continu proces, creëren precies de permissieve basis die LOTL-aanvallen nodig hebben.
Het Shadow AI-inventarisatieprobleem
De AI-bevindingen uit de 2026 Bitdefender Assessment beschrijven een tweede aanvalsoppervlakprobleem met andere kenmerken—de moeite waard om los van de LOTL-data te bekijken.
De zichtbaarheidstegenstelling is opvallend: 51,8% claimt volledige AI-zichtbaarheid, 47,4% geeft gedeeltelijk of geen zicht toe. Dit draait niet primair om malware of exploitatie. Het gaat om het fundamentele onvermogen om toegang te beheren die je niet kunt inventariseren. AI-coding assistants met Secure MCP Server-verbindingen beschikken over hardnekkige bearer-credentials die toegang geven tot alles wat de ontwikkelaar heeft ingesteld: broncode-repositories, databases, interne API’s. Als die tools niet geïnventariseerd zijn, kan hun toegang niet worden beheerd. Als hun toegang niet wordt beheerd, vormen ze een onbestuurd aanvalsoppervlak. Het toepassen van dataminimalisatie op de credentialscope van AI-agenten—elke agent alleen toegang geven tot de specifieke databronnen die zijn taak vereist—is de operationele controle die de impact beperkt, zelfs als de volledige toolinventaris onzeker is.
De kloof tussen management en praktijk maakt dit erger. Achtenvijftig procent van de managers denkt volledige AI-zichtbaarheid te hebben; 45,9% van de uitvoerders is het daarmee eens. In veel organisaties denken de mensen die strategische AI-governancebeslissingen nemen dat ze het probleem beter begrijpen dan in werkelijkheid het geval is. De strategische respons wordt afgestemd op het geloof van de manager, niet op de realiteit van de uitvoerder.
AI data protection die werkt op het contentniveau—bepalen wat AI-agenten kunnen ophalen uit bedrijfscontent, los van de credentialstatus van de AI-tool—is de architectuur die deze kloof dicht. Data-classificatie toegepast op de content die AI-tools kunnen bereiken, is een vereiste voor elk AI-governanceraamwerk dat de moeite waard is om te bouwen.
Datalekmelding: Het 68,6%-Probleem
De meest opvallende bevinding uit de 2026 Bitdefender Assessment heeft niets met LOTL of AI te maken. Het gaat om wat er gebeurt na een datalek.
Meer dan de helft (55,2%) van de respondenten die in de afgelopen twaalf maanden een datalek meemaakten, kreeg het verzoek het incident vertrouwelijk te houden, ondanks dat zij persoonlijk vonden dat toezichthouders geïnformeerd moesten worden. In de Verenigde Staten is dat cijfer 68,6%.
Dit is een structureel governanceprobleem. Het reactieplan voor incidenten dat de meeste organisaties hebben vastgelegd, gaat ervan uit dat bij een meldingsplichtig incident aan de relevante autoriteiten wordt gerapporteerd. Het cijfer van 68,6% suggereert dat deze aanname in de meerderheid van de Amerikaanse incidenten onjuist is. In plaats daarvan berekenen organisaties dat de reputatie- en commerciële schade van melding groter is dan de kans op een boete van de toezichthouder.
Die rekensom klopt steeds minder. Handhaving van meldplicht bij datalekken is in elk belangrijk raamwerk aangescherpt. HIPAA vereist dat betrokkenen en HHS binnen 60 dagen na ontdekking worden geïnformeerd. GDPR compliance vereist melding aan toezichthouders binnen 72 uur. DORA verplicht ICT-incidentrapportage voor financiële entiteiten. SEC Reg S-P heeft de meldingsvereisten voor financiële instellingen aangescherpt. De boetes voor niet-melden zijn bij al deze kaders verhoogd. Risicobeheer toeleveringsketen brengt extra complexiteit: als een datalek bij een derde partij ontstaat, kan de meldtermijn lopen vanaf het moment dat de gedekte entiteit het ontdekt—waardoor vroege interne escalatie een wettelijke vereiste wordt, niet alleen een beste practice.
Governance-infrastructuur die correcte meldbeslissingen ondersteunt, vereist audit logs die forensisch betrouwbare gegevens opleveren, reactie op incidenten met duidelijke escalatiepaden naar juridische en compliancefuncties, en een organisatiecultuur die melding als wettelijke verplichting ziet in plaats van als PR-beslissing. De 68,6%-bevinding suggereert dat die cultuur bij Amerikaanse organisaties faalt, precies op het moment dat de handhaving toeneemt.
Wat Nodig Is om de Awareness-Resilience Gap te Dichten
De 2026 Bitdefender Assessment positioneert enterprise cybersecurity uiteindelijk als een uitvoeringsprobleem, niet als een kennisprobleem. Organisaties begrijpen de risico’s. Wat ontbreekt is de operationele infrastructuur om daar consequent naar te handelen.
Uit de data komen vier prioriteiten naar voren.
LOTL-detectie vereist gedragsanalyse die misbruik van native tools identificeert. Signature-based endpointtools kunnen 84% van de ernstige aanvallen niet detecteren—per definitie, omdat die aanvallen legitieme tools gebruiken. Investeren in gedragsbaselines die kwaadaardige PowerShell onderscheiden van administratieve PowerShell is onmisbaar als organisaties detectiedekking willen die past bij het actuele dreigingslandschap.
AI governance vereist handhaving op contentniveau, niet alleen beleid en credentialbeheer. Kiteworks Compliant AI-governanceraamwerken die bepalen wat AI-agenten kunnen ophalen uit beheerde content—onafhankelijk van de credentialstatus van de AI-tool—bieden dekking, zelfs als tools niet zijn geïnventariseerd of credentials zijn gecompromitteerd.
Aanvalsoppervlakreductie vereist continue autorisatiereview, geen eenmalige hardening. Zero trust data protection toegepast op tooltoegang—least privilege als standaard, geautoriseerd op basis van rol en context, continu herzien—pakt het toolinventarisprobleem aan zonder dat organisaties tools hoeven te elimineren die operationeel nodig zijn. Het routeren van gevoelige content via een Private Data Network dat ABAC-beleid afdwingt en onveranderlijke audit logs op contentniveau genereert, voegt een begrenzing toe die blijft bestaan, zelfs als een legitiem toolaccount wordt gecompromitteerd.
Datalekmelding vereist governance-infrastructuur die wettelijke verplichtingen scheidt van communicatiestrategie. Gegevensbeheer-processen die meldbeslissingen via juridische en compliancefuncties laten lopen vóór communicatie, zijn de structurele oplossing voor de 68,6%-bevinding.
Lees de Bitdefender 2026 Assessment niet als een rapport over wat aanvallers doen, maar als een diagnose van waar de operationele infrastructuur van verdedigers het zwakst is. De bewustwording is er. De veerkracht vereist het bouwen van de infrastructuur om ernaar te handelen.
Wil je meer weten over hoe Kiteworks AI data governance, LOTL-bewuste toegangscontrole en governance van datalekmelding aanpakt? Plan vandaag nog een demo op maat.
Veelgestelde Vragen
Een Living off the Land-aanval gebruikt legitieme tools die al aanwezig en vertrouwd zijn in de doelomgeving—hulpprogramma’s zoals PowerShell, Windows Management Instrumentation, Taakplanner en remote beheerhulpmiddelen—in plaats van nieuwe malware te introduceren. Omdat deze tools onderdeel zijn van het besturingssysteem en vertrouwd worden door beveiligingsmaatregelen, genereren LOTL-aanvallen minimale forensische sporen en zijn ze grotendeels onzichtbaar voor signature-based detectie. Uit de 2026-beoordeling van Bitdefender Labs bleek dat 84% van de ernstige aanvallen LOTL-technieken gebruikte, terwijl slechts 20% van de securityprofessionals het als topprioriteit zag. Effectieve LOTL-detectie vereist gedragsanalyse die baselines voor legitiem toolgebruik vaststelt en afwijkingen signaleert. Zero trust architecture pakt LOTL aan door toolautorisatie te koppelen aan rol en context, waardoor zelfs legitieme tools beperkt worden in wat ze kunnen als ze buiten het verwachte patroon worden gebruikt. SIEM-alerts voor afwijkend toolgebruik direct koppelen aan een DLP-geïntegreerde handhavingslaag op contentniveau betekent dat zelfs een geslaagde LOTL-laterale beweging geen toegang krijgt tot beheerde gevoelige data zonder een beleidsinbreuk te veroorzaken.
Uit de 2026 Bitdefender Cybersecurity Assessment blijkt dat 55,2% van de securityprofessionals die het afgelopen jaar een datalek meemaakten, werd opgedragen het incident vertrouwelijk te houden, ondanks dat zij persoonlijk vonden dat toezichthouders geïnformeerd moesten worden. In de Verenigde Staten stijgt dit cijfer tot 68,6%. Dit wijst op een structureel governanceprobleem waarbij de druk om reputatie te beschermen zwaarder weegt dan wettelijke meldingsverplichtingen. Gereguleerde sectoren hebben verplichte meldingsvereisten onder HIPAA, GDPR compliance, DORA en andere kaders, ongeacht de voorkeur van de organisatie. Audit logs die forensisch betrouwbare incidentgegevens opleveren en reactie op incidenten waarbij meldbeslissingen via juridische en compliancefuncties lopen vóór communicatie, zijn de structurele oplossingen voor deze bevinding. Organisaties moeten ook zorgen dat hun risicobeheer door derden-contracten expliciet bepalen wie verantwoordelijk is voor melding en binnen welke termijn als een datalek bij een leverancier ontstaat.
Uit de 2026 Bitdefender Cybersecurity Assessment blijkt dat 47,4% van de organisaties slechts gedeeltelijk of geen zicht heeft op welke shadow AI-tools en persoonlijke AI-accounts medewerkers voor werk gebruiken—wat een onbeheerd aanvalsoppervlak creëert. AI-coding assistants met Secure MCP Server-verbindingen beschikken over bearer-credentials die toegang geven tot broncode-repositories, databases en interne API’s. Organisaties die niet kunnen inventariseren welke AI-tools actief zijn, kunnen niet beheren wat deze tools benaderen. AI data governance-raamwerken die werken op contentniveau—bepalen wat AI-agenten kunnen ophalen, los van de credentialinventaris van AI-tools—bieden dekking, zelfs als shadow AI-toolinventarisatie onvolledig is. Data-classificatie toegepast op door AI toegankelijke content is een vereiste voor elk AI-governanceprogramma. Organisaties die nog geen multi-factor authentication hebben afgedwongen op AI-platformaccounts—ook persoonlijke accounts die medewerkers voor werk gebruiken—moeten dit als dringende herstelmaatregel zien: onbeveiligde AI-platformcredentials zijn een direct toegangspunt voor Poisoned Tenant en vergelijkbare social engineering-campagnes.
Uit de 2026 Bitdefender Assessment blijkt dat 58% van de managers denkt dat hun organisatie volledige AI-zichtbaarheid heeft, terwijl slechts 45,9% van de uitvoerders dat beaamt—een kloof van 12 punten met belangrijke gevolgen. Strategische beslissingen over AI-governance-investeringen worden op managementniveau genomen; uitvoeringsproblemen ontstaan op praktijkniveau. Als management denkt dat een probleem beter begrepen wordt dan het is, zijn governanceprogramma’s te klein voor de werkelijke blootstelling. AI data protection-programma’s die zijn afgestemd op de zichtbaarheid van de praktijk—en niet op het geloof van het management—zijn nauwkeuriger geschaald. De CISO Dashboard-zichtbaarheidslaag is hierbij bijzonder relevant: realtime inzicht in AI-tool data access events biedt het bewijs voor accurate managementrapportages en passend geschaalde governance-investeringen. Organisaties moeten ook hun beleid voor intellectueel eigendom herzien om te bevestigen dat deze expliciet AI-toegankelijke contentrepositories dekken—broncode en strategische documenten zijn de meest waardevolle doelwitten bij shadow AI-exfiltratiescenario’s.
De 2026 Bitdefender Cybersecurity Assessment wijst op vier topprioriteiten. Ten eerste: investeer in gedragsanalyse voor LOTL-detectie—organisaties die alleen vertrouwen op signature-based endpointtools kunnen 84% van de ernstige aanvallen niet detecteren. Ten tweede: bouw een AI-toolinventaris die MCP-configuraties omvat en behandel AI-toolcredentials als bevoorrechte credentials die onder beheer van beveiligingsrisico’s vallen. Ten derde: implementeer zero trust security-autorisatieraamwerken die tooltoegang koppelen aan rol en context. Ten vierde: bouw governance-infrastructuur voor datalekmelding die beslissingen via juridische en compliancefuncties laat lopen vóór communicatie, met audit logs als forensisch bewijs. Naleving van regelgeving onder HIPAA, GDPR compliance en DORA hangt van alle vier af. Organisaties moeten ook een risicobeoordeling uitvoeren die specifiek is afgestemd op LOTL-blootstelling—koppelen welke legitieme tools toegang hebben tot productieomgevingen, welke accounts ze kunnen uitvoeren en welke gedragsbaselines momenteel worden gemonitord—om het geprioriteerde herstelstappenplan te produceren dat volgens de Bitdefender-data bij de meeste organisaties ontbreekt.
Aanvullende bronnen
- Blog Post Zero Trust Architecture: Never Trust, Always Verify
- Video Microsoft GCC High: Nadelen die defensie-aannemers richting slimmere voordelen drijven
- Blog Post Hoe je geclassificeerde data beveiligt nadat DSPM deze markeert
- Blog Post Vertrouwen opbouwen in Generatieve AI met een Zero Trust-aanpak
- Video De definitieve gids voor het veilig opslaan van gevoelige data voor IT-leiders