Een standaardwachtwoord legde 64 miljoen AI-wervingsrecords bloot

Het probleem

De AI-wervingschatbot van McDonald's, "Olivia", legde de persoonsgegevens van 64 miljoen sollicitanten bloot. Het beheerderswachtwoord dat het systeem moest beschermen was "123456". Dat is geen versimpeling — zowel de gebruikersnaam als het wachtwoord waren letterlijk "123456", en het account stond sinds 2019 onbewaakt actief, zonder multi-factorauthenticatie.

Beveiligingsonderzoekers Ian Carroll en Sam Curry ontdekten het lek in juni 2025. Ze begonnen hun onderzoek nadat ze opvallend veel klachten van gebruikers over foutgevoelige interfaces zagen — een signaal dat vaak wijst op diepere architecturale verwaarlozing. Nadat ze met die standaardreferenties waren ingelogd op het beheerportaal, ontdekten ze een tweede fout. De API van het platform — de softwarelaag die verschillende systemen met elkaar verbindt — controleerde niet of een gebruiker gemachtigd was om specifieke dossiers in te zien. Door simpelweg de sollicitant-ID-nummers in de adresbalk van de browser te veranderen, konden de onderzoekers de volledige sollicitatiedossiers en chatlogboeken ophalen van miljoenen echte kandidaten.

De gelekte gegevens omvatten namen, e-mailadressen, telefoonnummers, IP-adressen, transcripties van virtuele interviews en resultaten van persoonlijkheidstests. Dit was geen geavanceerde aanval door een natiestaat. Het was een ineenstorting van basale beveiligingshygiëne aan de voordeur van uw AI-leverancier. Als uw organisatie afhankelijk is van AI-tools van derden, zou dit lek u ernstig zorgen moeten baren. De beveiliging van een Fortune 100-bedrijf was volledig afhankelijk van de wachtwoordpraktijken van zijn leverancier.

Waarom dit belangrijk is voor uw bedrijf

De financiële en juridische blootstelling door dit soort lekken is duizelingwekkend. De gemiddelde kosten van een datalek bereikten in 2025 $4,44 miljoen. Maar de echte risicovermenigvuldiger hier is regelgeving.

Uw organisatie valt vrijwel zeker onder minstens één van deze kaders:

• De AVG (GDPR) kan boetes opleggen van maximaal €20 miljoen of 4% van de wereldwijde jaaromzet — naar gelang wat het hoogst is.
• De CCPA staat statutaire schadevergoeding toe van $750 per consument per incident. Vermenigvuldig dat met 64 miljoen dossiers en u kijkt naar een potentiële class-action-blootstelling in de tientallen miljarden.
• De EU AI Act classificeert wervings-AI als "hoogrisico" en kan boetes opleggen tot €35 miljoen of 7% van de wereldwijde omzet.

Een standaardwachtwoord als "123456" mag gerust het tegenovergestelde heten van de "redelijke beveiligingsprocedures" die de CCPA vereist. Dat ene feit zou het middelpunt kunnen worden van een class action tegen uw bedrijf — zelfs als het wachtwoord van uw leverancier was, niet van uw team.

Los van de boetes is de menselijke tol reëel. Onderzoek toont aan dat 70% van de slachtoffers van een datalek daarna aangeeft anderen niet meer te kunnen vertrouwen. Twee derde ervaart diepe gevoelens van machteloosheid. Slachtoffers melden slaapstoornissen (85%), toegenomen stress (77%) en chronische hoofdpijn (57%). Wanneer de gelekte gegevens persoonlijkheidstestresultaten bevatten — documenten die beweren iemands innerlijke karakter te kunnen kwantificeren — gaat de psychologische schade veel dieper dan een gestolen creditcardnummer. Creditcards kunt u blokkeren. Een gelekt persoonlijkheidsprofiel volgt iemand onbeperkt.

Uw bestuur moet weten dat risico bij AI-leveranciers niet langer een IT-probleem is. Het is een financieel, juridisch en reputatieprobleem dat op uw balans terechtkomt.

Wat er werkelijk onder de motorkap gebeurt

De kern van het probleem is wat de sector het "AI-wrapper"-model noemt. Denk het zo weg: u huurt een briljante consultant in, maar geeft die een kantoor met een kapot slot, geen toegangsbadge en een archiefkast die opengaat voor iedereen die binnenloopt. De consultant levert uitstekend werk, maar het gebouw eromheen staat wagenwijd open.

Dat is wat er gebeurde met de AI-chatbot van McDonald's. De conversationele AI werkte zoals bedoeld. "Olivia" kon kandidaten screenen, interviews inplannen en persoonlijkheidstests afnemen. Maar de infrastructuur eromheen — de beheerportalen, de API-toegangscontroles, het referentiebeheer — was poreus.

Het misbruikte lek was een IDOR-fout — Insecure Direct Object Reference. In gewone mensentaal: het systeem liet iedereen die was ingelogd elk dossier benaderen door simpelweg een nummer in de URL te veranderen. Er was geen controle of die gebruiker de gegevens van díe specifieke sollicitant wel mocht zien.

Het werd nog erger: onderzoekers ontdekten dat een ontwikkelaar van Paradox.ai in Vietnam was geïnfecteerd met malware genaamd "Nexus Stealer". Dit ene gecompromitteerde apparaat lekte honderden wachtwoorden — veelal hergebruikte en zwakke — voor accounts gekoppeld aan klanten als Pepsi, Lockheed Martin, Lowes en Aramark. De slechte wachtwoordgewoonten van één ontwikkelaar legden meerdere Fortune 500-bedrijven bloot.

Dit is het probleem van de "menselijke knoop". Uw AI-model kan technisch in orde zijn. Maar als de mensen die het beheren wachtwoorden hergebruiken en multi-factorauthenticatie overslaan, zakt de beveiliging van uw hele AI-stack samen tot de sterkte van zijn zwakste menselijke schakel.

Wat werkt (en wat niet)

Beginnen we met wat u niet beschermt:

• Alleen achterop geplakte firewalls. Een standaard web application firewall begrijpt geen AI-specifieke dreigingen als promptinjectie of manipulatie van objectreferenties. Het bewaakt de voordeur terwijl de zijramen open blijven staan.
• Ad-hocbestuur. Als uw AI-leverancier u geen gedocumenteerde referentielevenscyclus kan tonen — inclusief hoe ze oude accounts buiten gebruik stellen — bent u kwetsbaar. Het McHire-beheeraccount stond zes jaar lang actief en onbewaakt aan.
• Vertrouwen op het woord van de leverancier. De beveiliging van uw Fortune 100-merk was volledig afhankelijk van de vraag of een externe ontwikkelaar in een ander land een sterk wachtwoord gebruikte. Dat is geen besturing. Dat is hoop.

Dit werkt wél — een gelaagde verdediging die elk onderdeel van uw AI-systeem als mogelijk gecompromitteerd behandelt:

1. Invoervalidatie (de poortwachter). Elke prompt en elk verzoek dat uw AI-systeem binnenkomt, wordt gereinigd en genormaliseerd. Deze laag stript code-achtige syntaxis en opmaak die verkeerd gelezen kunnen worden als verborgen opdrachten. U onderschept dreigingen nog voordat ze het model bereiken.

2. Verificatie via meerdere modellen (het buddy-systeem). Een kleiner "kanarie"-model analyseert elk verzoek op kwaadaardige intentie voordat uw primaire AI het verwerkt. Vlagt de kanarie iets verdachts, dan laat een tweede adjudicerend model de einduitspraak vellen. Zo ontstaat een systeem van checks and balances — geen enkel model heeft ongecontroleerde autoriteit.

3. Uitvoervalidatie en redactie (het filter). Elk AI-antwoord wordt behandeld als niet-vertrouwde uitvoer. Classificatoren scannen op giftige, bevooroordeelde of gehallucineerde inhoud. PII-redactielagen zorgen ervoor dat uw systeem nooit per ongeluk een burgerservicenummer, een persoonlijkheidsscore of een privé-chatlogboek lekt aan een onbevoegde gebruiker.

De cruciale voorsprong van deze gelaagde aanpak is het audittraject. Wanneer uw complianceteam of een toezichthouder vraagt "hoe is deze beslissing tot stand gekomen?", kunt u elke invoer, elke validatiestap en elke uitvoer traceren. Dat traject is wat een verdedigbaar AI-systeem scheidt van een aansprakelijkheid. Als u uw accountants niet kunt tonen wat de logica-route van vraag naar antwoord is, hebt u geen AI-governance — u hebt een zwarte doos.

Uw beveiligingspostuur moet ook identiteitsbeheer volgens Zero Trust omvatten. Dat betekent dat elke mens en elke AI-agent in uw systeem een unieke cryptografische identiteit nodig heeft, met continue verificatie. Geen standaardwachtwoorden. Geen gedeelde referenties. Geen verouderde accounts die zes jaar blijven rondslingeren.

Door uw AI-stack af te stemmen op kaders als ISO 42001 — de eerste internationale norm voor AI-managementsystemen — en het NIST AI Risk Management Framework, beweegt u van reactief patchen naar proactief bestuur. Deze kaders geven uw team een gestructureerde routekaart van 90 dagen: breng in de eerste 30 dagen uw AI-blootstelling in kaart, implementeer tussen dag 31 en 60 fundamentele beveiligingshygiëne, en zet tussen dag 61 en 90 geavanceerde monitoring en menselijke goedkeuringspoorten in voor operaties met een hoog risico.

Het landschap van AI-beveiliging en -weerbaarheid verandert snel. Tegen 2026 is AI-governance een voorwaarde voor marktdeelname, geen nice-to-have.