NieuwsCryptoTRM Labs: AI-gebruik in cryptomisdaad steeg het afgelopen jaar met 40%

TRM Labs: AI-gebruik in cryptomisdaad steeg het afgelopen jaar met 40%

Auteur: AI Crypto Core·

Belangrijkste punten

  • TRM Labs rapporteerde een stijging van 40% op jaarbasis in het aandeel van cryptomisdaad waarbij AI-tools worden gebruikt.
  • De firma meldde dat aanvallers AI inzetten voor phishing-lokazen, valse identiteiten, geautomatiseerde social engineering en andere misleidende werkstromen.
  • Met AI ondersteunde misdaad kan de kosten per aanval verlagen en dreigingsdetectie voor exchanges en complianceteams bemoeilijken.
  • Synthetische identiteiten en vervalste documenten kunnen extra druk zetten op KYC- en transactiemonitoringsystemen onder de regels van de FATF en de EU (MiCA).
  • Volgens het artikel moeten verdedigers in de gaten houden of AI-gerelateerde illegale activiteit blijft stijgen in toekomstige TRM-rapporten en hoe de transparantieregels van de EU-AI-wet worden gehandhaafd.
TRM Labs: AI-gebruik in cryptomisdaad steeg het afgelopen jaar met 40%

Blockchain-inlichtingenfirma TRM Labs meldt dat het gebruik van kunstmatige intelligentie in cryptomisdaad het afgelopen jaar met 40% is gestegen — een gegeven dat de convergentie van AI en blockchain uit het narratief rond de markt voor rekenkracht verplaatst naar het terrein van dreigingsmodellering voor exchanges en complianceteams.

Wat TRM Labs meldde

TRM Labs is een van de gevestigde namen in blockchain-analyse — naast firma's als Chainalysis en Elliptic — en levert walletscreening, transactiemonitoring en forensische opsporing aan exchanges, financiële instellingen en opsporingsdiensten. Volgens het crypto-misdaadonderzoek van TRM Labs voor 2026 nam het aandeel van aan crypto gerelateerde criminele activiteiten waarbij AI-tools worden gebruikt met 40% toe op jaarbasis. De firma duidt de toename expliciet aan als het faciliteren van misdaad en niet als algemene AI-adoptie binnen de sector. Over de trend werd ook bericht in de verslaggeving over de bevindingen van TRM.

In praktische termen verwijst "AI-gebruik in cryptomisdaad" naar dreigingsactoren die machine-learning-tools opnemen in bestaande aanvalswerkstromen: generatieve modellen voor phishing-lokazen en valse identiteiten, geautomatiseerde social engineering en gescripte misleiding, gericht op zowel particuliere gebruikers als protocolbeheerders.

Waarom de toename belangrijk is voor cryptobeveiliging

De gerapporteerde stijging is nieuws omdat zij een verschuiving kwantificeert die veel beveiligingsteams tot nu toe slechts anekdotisch beschreven: tegenstanders automatiseren inmiddels stappen die voorheen handmatig werk vergden, waardoor de kosten per aanval dalen. Die operationele verandering bemoeilijkt rechtstreeks de dreigingsdetectie voor exchanges en complianceteams die zijn aangewezen op patroonherkenning.

Voor complianceteams betekenen met AI ondersteunde aanvallen dat synthetische identiteiten en vervalste documentatie tegen lagere kosten op grote schaal geproduceerd kunnen worden, wat de lat voor KYC- en transactiemonitoringsystemen verhoogt. Die lasten vallen binnen een al aangescherpte regeling — de Travel Rule van de FATF en het MiCA-regime van de EU breiden bankstijl-KYC- en monitoringverplichtingen uit naar aanbieders van crypto-activadiensten — waardoor met AI vervalste identiteiten een regelgevingsrisico vormen en niet slechts een fraudeverlies. De druk komt in een periode waarin de verliezen door cryptobeveiligingsincidenten in de eerste helft van 2026 boven de 1 miljard dollar uitkwamen, volgens afzonderlijke gegevens van Blockaid.

Op gebruikersniveau is het duidelijkste risico op korte termijn geloofwaardigdere oplichting: met AI gegenereerde berichten, stemmen en persona's die moeilijker te onderscheiden zijn van legitieme benaderingen. Oplichting met deepfakes is ruim buiten crypto gedocumenteerd: in een veelbesproken zaak uit 2024 in Hongkong maakte een medewerker van ingenieursbureau Arup ongeveer 25 miljoen Amerikaanse dollar over na een videogesprek waarin elke andere deelnemer achteraf een deepfake bleek te zijn. Dezelfde dynamiek is al zichtbaar geworden in de gedocumenteerde verschuiving naar fysieke dwang, zoals waargenomen bij zogenoemde crypto-wrench-aanvallen en de stijgende uitgaven aan beveiliging.

De convergentie werkt in twee richtingen. Dezelfde generatieve en inferentiemogelijkheden die AI-infrastructuurcryptoprojecten aandrijven, zijn de tools die TRM Labs aan de aanvallende kant signaleert, terwijl machine learning ook aan de verdedigende kant inmiddels standaard is — TRM Labs past het zelf toe bij de risicoscore van wallets — waardoor detectiemodellen op een botsingskoers liggen met geautomatiseerd misbruik dat op vergelijkbare stacks is gebouwd.

Het cijfer van TRM Labs is een trendsignaal en geen volledige dreigingskaart; het onderliggende rapport vormt de onderbouwing voor elke conclusie die daaruit wordt getrokken. De concrete conclusie is beperkt: verdedigers moeten er nu van uitgaan dat de tools van aanvallers meeschalen met dezelfde AI-stack waarop de sector bouwt. De signalen om in de gaten te houden zijn even concreet: of AI-gerelateerde activiteit als aandeel van het totale illegale volume blijft stijgen in de volgende rapporten van TRM, en hoe de transparantieregels van de EU-AI-wet — openbaarmakingsverplichtingen voor deepfakes die vanaf augustus 2026 gelden — worden gehandhaafd tegen met AI gegenereerde imitatie.

Disclaimer: Dit artikel dient uitsluitend ter informatie en vormt geen financieel of beleggingsadvies. De markten voor cryptocurrency en digitale activa brengen aanzienlijke risico's met zich mee. Doe altijd eigen onderzoek voordat u beslissingen neemt.