Hoe kan AI je back-up helpen?

Wat betekent AI in back-up eigenlijk?

Meestal machine learning op signalen die je back-upsysteem al verzamelt: hoeveel data is gewijzigd, hoe goed die te comprimeren is, hoe lang taken duurden en welke bestanden verschijnen. Het is zelden de generatieve AI waar mensen aan denken.

Stel een back-uprapport voor waarin staat dat elke taak vannacht is geslaagd. Technisch klopt dat, maar de back-up van één fileserver was twee keer zo groot als normaal en bijna niets was te comprimeren. Wie een lijst met groene vinkjes doorloopt, mist dat. Een model dat weet wat normaal is voor die server, zou het markeren.

Daar zit de waarde: grote hoeveelheden back-uptelemetrie omzetten in een paar signalen waar je iets mee kunt. Het komt bovenop de basis die we beschrijven op onze pagina over Backup as a Service, niet in plaats ervan.

Kan AI ransomware in je back-ups opsporen?

Het kan sterke aanwijzingen vinden. Versleutelde data ziet er willekeurig uit en is niet te comprimeren, en ransomware wijzigt in korte tijd veel bestanden. Een model kan dus back-ups markeren die het gebruikelijke patroon doorbreken.

Grote platforms scannen al back-ups of cloudbestanden op dreigingen. Microsoft 365 kan je waarschuwen als het een ransomware-aanval op OneDrive detecteert en kiest het moment van detectie vooraf als herstelpunt. AWS beschrijft hoe GuardDuty Malware Protection for AWS Backup herstelpunten scant, volledig of stapsgewijs door een nieuwe snapshot met een eerdere te vergelijken. Dat zijn nuttige functies, maar ze draaien in dezelfde cloud als de data die ze beschermen.

Waarom detectie geen garantie is

Ransomware-ontwikkelaars kennen statistische detectie. Het onderzoek van SentinelOne naar intermitterende versleuteling beschrijft families zoals BlackCat, PLAY en Black Basta die slechts delen van elk bestand versleutelen. Dat levert een "veel grotere gelijkenis tussen niet-versleutelde en versleutelde versies" op en verzwakt het signaal dat een model kan zien. Een schoon rapport van een AI-model is een goed teken, geen bewijs.

MSP's die verder willen gaan, lezen ons artikel over anomaliedetectie in back-ups, dat uitlegt wat je bewaakt en hoe je reageert.

Kan AI mislukte back-ups voorspellen en een schoon herstelpunt vinden?

Ja, beide zijn realistisch. Mislukkende back-ups worden meestal langzaam slechter voordat ze stoppen, en een tijdlijn van anomaliescores laat ongeveer zien wanneer de problemen begonnen.

• Voorspellen van mislukkingen: back-upvensters die steeds langer duren, aantallen nieuwe pogingen die oplopen en opslag die sneller vol raakt dan verwacht zijn trends die een model kan doortrekken. Zo repareer je een taak voordat hij mislukt op de nacht dat je hem nodig hebt.
• Herstelpunt kiezen: na een incident is de moeilijkste vraag welke back-up je kunt vertrouwen. Door elk herstelpunt een score te geven, begin je met het meest waarschijnlijk schone punt in plaats van te gokken.

Beide hebben nog steeds mensen nodig. Een voorspelling heeft alleen waarde als iemand erop handelt, en een herstelpunt is pas schoon als je het hebt teruggezet in een geïsoleerde omgeving en hebt gecontroleerd. In onze gids over hoe je controleert of je back-up werkt lees je hoe.

Bij Mindtime wordt elke back-uptaak automatisch gecontroleerd, worden back-ups gescand op malware en wordt het platform 24/7 bewaakt. Voor herstel start instant VM boot een server op in een geïsoleerde herstelomgeving op een apart, schoon netwerk. Zo controleer je een herstelpunt voordat het productie raakt.

Waar helpt AI je back-up niet?

AI kan geen data back-uppen die je er nooit bij hebt gezet, en het kan een aanvaller niet stoppen die kopieën verwijdert waar hij bij kan. Die problemen los je op met scope, onveranderbaarheid en toegangsbeheer.

De dreiging beweegt ook de andere kant op. De beoordeling van het Britse NCSC over de impact van AI op de cyberdreiging tot 2027 stelt dat AI "vrijwel zeker onderdelen van cyberaanvallen effectiever en efficiënter zal blijven maken" en dat de tijd tussen het bekendmaken van een kwetsbaarheid en het misbruik ervan "is gekrompen tot dagen". Ook de ENISA Threat Landscape 2025 meldt dat aanvallers AI gebruiken om productiever te werken.

Aanvallers richten zich ook direct op back-ups. In het ransomware-onderzoek van Sophos uit 2024 zei 94% van de slachtoffers dat criminelen hun back-ups probeerden aan te tasten. MITRE ATT&CK beschrijft de methoden onder T1490 Inhibit System Recovery, van het verwijderen van shadow copies tot het uitschakelen van versiebeheer. Een detectiemodel kan alarm slaan. Alleen opslag die niet te wijzigen is, behoudt de kopie.

• Hiaten in de dekking: een Teams-workspace, een database of een laptop die niet in de scope valt, blijft onbeschermd.
• Verwijdering: onveranderbare opslag en een air-gapped kopie (een kopie zonder verbinding met je netwerk), zoals in de 3-2-1-1-0-regel, houden een kopie buiten bereik.
• Meldingsmoeheid: een model dat elke nacht loos alarm geeft, wordt genegeerd. Afstellen kost tijd.

Mag AI back-updata analyseren onder de AVG?

Dat kan, maar behandel het als elke andere verwerking van persoonsgegevens. Back-ups bevatten e-mail, personeelsdossiers en klantgegevens. De AVG geldt dus voor alles wat een model daarmee doet.

• Doel: AVG-artikel 5(1)(b) vereist een welbepaald doel. Scannen op malware is een ander doel dan het profileren van inhoud.
• Verwerker: als een leverancier het model draait, vereist AVG-artikel 28 een verwerker die voldoende garanties biedt, op basis van een schriftelijke overeenkomst.
• Effectbeoordeling: AVG-artikel 35 vereist een gegevensbeschermingseffectbeoordeling (DPIA) als nieuwe technologieën waarschijnlijk een hoog risico opleveren, wat analyse van inhoud op grote schaal kan doen.
• Locatie: check waar de analyse draait en welke wetgeving voor de leverancier geldt. In ons artikel over datasoevereiniteit lees je waarom dat telt.

Voor het bredere plaatje, inclusief de AI-verordening, lees je onze gids over AI-governance onder NIS2.

Wat vraag je een leverancier over AI-functies in back-up?

Vraag wat de functie echt doet, hoe je weet dat het werkt en wat er daarna gebeurt. Een helder antwoord op elk van die vragen telt zwaarder dan het woord AI op een datasheet.

1. Welke signalen gebruikt het model, en wordt het per workload of globaal getraind?
2. Hoe vaak geeft het valse meldingen, en hoe lang is de leerperiode?
3. Wat gebeurt er na een melding: wie krijgt bericht, en kan iemand vanuit dezelfde console de bewaartermijn wijzigen of back-ups verwijderen?
4. Zijn de back-ups onveranderbaar, wat het model ook besluit?
5. Waar wordt back-updata voor analyse verwerkt, en onder welke verwerkersovereenkomst?
6. Kun je een schoon herstel bewijzen met een test, en niet alleen met een score?

De principes van het NCSC UK voor ransomwarebestendige cloudback-ups vormen een goede maatstaf: back-ups die bestand zijn tegen verwijdering, herstel vanuit versies van vóór de beschadiging en meldingen bij wijzigingen met hoge rechten.

Wat je nu kunt doen

AI is een nuttige laag voor inzicht in back-up: je merkt problemen eerder op en kiest sneller herstelpunten. Het werkt het best bovenop een complete scope, onveranderbare en air-gapped kopieën, aparte toegang met MFA (meervoudige authenticatie) en regelmatige hersteltests.

Begin met die basis en beoordeel AI-functies dan aan de hand van bovenstaande vragen. Op onze pagina over Backup as a Service zie je hoe we de basis opbouwen in onze eigen Tier III-datacenters in Nederland en Duitsland.

Niet zeker of je huidige back-ups een aanval overleven? Vraag een gratis assessment aan en bespreek het met een mens, in het Nederlands, Duits of Engels.

Dit artikel is algemene informatie, geen juridisch advies.