Anthropic Mythos: zorgelijk, of geweldig?

Introductie

Mocht je het nieuws over Claude Mythos nog niet meegekregen hebben; Anthropic kondigde dit model aan, begin april 2026. Daarbij publiceerde Anthropic ook direct de ‘System Card‘, een gedetailleerde beschrijving van bijna 200 pagina’s over dit nieuwe model, waarin vooral te lezen is welke risico’s Anthropic ziet in het model en waarom het heeft besloten om Mythos nog niet algemeen beschikbaar te maken. In plaats daarvan lanceerde Anthropic project ‘Glasswing‘, waarin een selectie van grote bedrijven het model eerder kan gebruiken om op deze manier een voorsprong te hebben op de rest van de wereld, zodat eventuele problemen opgelost kunnen worden voordat de massa met het model aan de slag kan gaan.

99.9% organisaties op de wereld zijn geen onderdeel van project Glasswing en wachten dus in spanning af. Hoe zenuwachtig moeten we worden van deze aankondiging?

 

Onderzoek op schaal

De komst van een model wat enorm goed is in het opzoeken van security gerelateerde bugs of problemen zou op zichzelf geen verassing mogen zijn. Er is al jarenlang een markt voor zogeheten bug bounty programma’s, waarbij onderzoekers op zoek gaan naar problemen in bestaande software. De afgelopen tijd is een aantal van die programma’s juist opgeheven, omdat de komst van AI ervoor zorgt dat er steeds meer rapporten werden opgestuurd. Die rapporten blijken in veel gevallen grotendeels gegenereerd en ook lang niet altijd correct. Het moeten nalopen van al die rapporten (en oplossen van de problemen) kost vervolgens onevenredig veel tijd, waardoor besloten wordt sommige programma’s op te schorten (Nextcloud stopt met bugbountyprogramma door AI-slop). Tegelijkertijd deelde Google in 2025 ruim 17 miljoen dollar aan bugbounty’s uit (Beveiligingsonderzoekers verdienden vorig jaar 17 miljoen dollar aan Google-bugs).

Dit alles betekent natuurlijk niet dat er vervolgens geen bugs meer te vinden zijn in software. Bugs en security problemen vinden is vaak zoeken naar een speld in een hooiberg (knipoog naar onze collega’s van haystaq) en kost daardoor erg veel tijd. Geautomatiseerde manieren om potentiële problemen te identificeren kunnen hierbij helpen. Ze zoeken naar bekende patronen en lokaliseren op die manier mogelijk issues in willekeurige codebases.

Modellen zoals Claude Mythos kunnen gezien worden als een doorontwikkeling hiervan, met een significante sprong in vaardigheden. Mythos automatiseert het werk wat security onderzoekers waarschijnlijk jaren zou kosten en weet ook in zeer grote codebases problemen te herkennen die voorheen onopgemerkt bleven. Zo haalde het model fouten uit OpenBSD die al 27 jaar onopgemerkt bleven (bron). Het is dus niet verwonderlijk dat er enige paniek ontstond toen dit nieuws naar buiten kwam.

De andere kant

Maar zoals met ieder nieuws is het goed om ook naar de andere kant te kijken. De feiten zijn en blijven indrukwekkend, maar moeten wel in het juiste daglicht geplaatst worden:

• In veel gevallen had Mythos toegang tot de volledige sourcecode van het product. Dat is een uitgangspunt waar menig hacker ook van droomt, maar niet altijd even realistisch is. Het is alsof je weet in te breken in een woning, gebruik makend van een gedetailleerd plan van het alarmsysteem. Nog steeds indrukwekkend, maar minder dan wanneer dit ‘black box’ had plaatsgevonden.
• De resultaten uit Mythos zijn (uiteraard) direct gebruikt om de tekortkomingen op te lossen. Kortom: wat lang een lek was, is dat nu niet meer. Dit maakt de software dus robuuster dan deze ooit was. Bedrijven die deel uitmaken van project Glasswing kunnen dit nu ook doen. Hiermee worden kwaadwillende actoren juist buiten spel gezet, ook wanneer zij later wel over dezelfde mogelijkheden zouden beschikken.
• Mythos moest nu de gehele codebase doornemen om tot deze constateringen te komen. Hoewel de kosten daarvan relatief laag lijken te zijn geweest (minder dan $20.000 voor de gehele analyse) is dit voor veel organisaties nog steeds significant te noemen. Echter, eenmaal (zo goed als?) vrij van problemen is een incrementele scan van voorgestelde wijzigingen natuurlijk veel kleiner. Hiermee wordt het goed haalbaar om deze controles standaard op te nemen in CI/CD pipelines.
• Voor open source projecten zijn de afwegingen anders. Vaak hebben deze beperkte financiële middelen waardoor een (herhalende) scan niet altijd een optie zal zijn. De druk zal wel aanzienlijk toenemen op het moment dat modellen zoals Mythos breed toepasbaar worden, dan wil je als eigenaar / onderhouder van een open source project wel graag de eerste zijn die het model gebruikt; zodat jij ook de voorsprong hebt om problemen op te lossen. De kans is groot dat dit in veel gevallen niet zal lukken.
• Hoewel project Glasswing in eerste instantie nobel doet overkomen, beperkt het ook enorm wie er toegang krijgen tot dit krachtige model: alleen de grote (veelal Amerikaanse) tech reuzen. Typisch gezien bedrijven die al enorm veel geld konden besteden aan security krijgen van Anthropic ook nog eens ‘subsidie’ in het gebruik. Hier zouden we vanuit Europees perspectief, bouwend aan onze eigen soevereiniteit, een mening over kunnen hebben. (lees ook: Money Buys Distance – Shawn Cady’s Substack)

Naar verwachting zullen kwetsbaarheden in 2026 binnen een uur uitgebuit kunnen worden, ook hier speelt AI natuurlijk een rol. (bron: zerodayclock.com)

De juiste voorbereiding

Wat kun je als organisatie nu al, nog voordat Mythos überhaupt bruikbaar is, doen? Een paar praktische tips:

• Het is te verwachten dat de grote organisaties welke onderdeel uitmaken van project Glasswing de komende tijd hun packages en systemen zullen patchen. Op die manier worden de kwetsbaarheden die Mythos vindt opgelost voordat ze uitgebuit kunnen worden. Uiteraard hebben die patches alleen zin wanneer ze daadwerkelijk gebruikt / geïnstalleerd worden. Een goed beleid om systemen software up-to-date te houden is dus belangrijker dan ooit. 
• Voor software is er al veel langer de mogelijkheid om deze geautomatiseerd up-to-date te houden en als onderdeel van het ontwikkelproces te laten scannen op kwetsbaarheden. Deze scans zullen op dit moment mogelijk niet alle problemen kunnen vinden, het in-place hebben van dit proces maakt het wel veel makkelijker om een LLM-gedreven scan toe te voegen zodra deze beschikbaar komt. Een volwassen CI/CD pipeline helpt hierbij. 
• Anthropic Concurrent OpenAI heeft inmiddels GPT-5.4-Cyber aangekondigd. Hiermee lijkt de race om deze modellen te lanceren, begonnen. Organisaties doen er goed aan om in de gaten te houden wanneer deze mogelijkheden algemeen beschikbaar worden en wellicht vooraf al na te denken over of en hoe ze deze dan in willen zetten.
• Zoals gesteld werden de meest opzienbarende resultaten gehaald gebruik makend van de source code. Je kunt je dus afvragen in hoeverre het op het moment verstandig is om source code open source te hebben staan. Ook doen organisaties er goed aan om nog eens te kijken wie er allemaal bij de source code van hun software kan; wij weten uit ervaring dat rollen en rechten lang niet overal even strak zijn ingeregeld.

Overzicht van het aantal exploits (Common Vulnerability and Exposures) dat wordt uitgebuit op de eerste dag na publicatie (bron: zerodayclock.com)

Bovenstaande grafiek afkomstig van Zero Day Clock laat zien dat een kwetsbaarheid steeds sneller uitgebuit zal worden. Het is dus wel degelijk zaak om hier direct op te acteren en het risico serieus te nemen

Samengevat

Niet alleen de aanwezigheid van bestaande problemen, maar ook de volwassenheid van de organisatie vormt een risico factor. Worden software en systemen up-to-date gehouden en nu al regelmatig gescand? Dan hoeft de beschikbaarheid van een model als Claude Mythos niet direct een probleem te vormen. Is dit alles minder goed op orde, dan is er nu nog tijd om hier mee aan de slag te gaan…