Wat gebeurt er als twee AI-agenten vechten om één server?

Zero’s AI-beveiligingsexperiment

In een recente Japanse techvideo voerde maker Zero Noichi een fascinerend experiment uit: hij gebruikte twee ZimaBoard 2-computers om een cybersecurity-gevecht te simuleren tussen een AI-gedreven verdediger en een AI-gedreven aanvaller. Eén machine hostte een kwetsbaar intern klantbeheersysteem, terwijl de andere probeerde binnen te dringen met een autonome AI-agent. De verdediger, ook aangedreven door AI, hield continu toezicht, onderzocht, patchte en blokkeerde verdachte activiteiten in realtime.

Als ZimaSpace willen we Zero’s kanaal bedanken voor het tonen van ZimaBoard 2 in zo’n creatieve en tot nadenken stemmende cybersecurity-demonstratie. Dit artikel zet het videotranscript om in een gestructureerde Engelse blogpost voor lezers die geïnteresseerd zijn in homelab-servers, AI-agenten, cybersecurity, Docker-labs en zelfgehoste infrastructuur.

Belangrijke opmerking: De oorspronkelijke maker stelt duidelijk dat het experiment is gemaakt voor entertainment en educatieve doeleinden. Sommige dashboards, servicestatussen en kwetsbaarheden zijn opzettelijk gedramatiseerd of blootgelaten voor demonstratie. Dit artikel behoudt de technische concepten, gegevenspunten en de experimentele opzet, maar vermijdt het geven van bruikbare offensieve instructies.

Waarom dit experiment nu belangrijk is

De belangrijkste vraag achter de video is eenvoudig: wat gebeurt er als AI-agenten kunnen blijven aanvallen en verdedigen zonder moe te worden?

Zero opent de video met een onderwerp waar veel Japanse kijkers op hadden gewacht: een gesimuleerde veiligheidsteam versus hackteam strijd met twee computers. De machines die in het experiment werden gebruikt, waren ZimaBoard 2-apparaten — compacte x86-computers die geschikt zijn voor het draaien van services, agenten, dashboards en lichte serverbelastingen.

De inspiratie komt uit recente discussies over geavanceerde AI-beveiligingsagenten, inclusief systemen die software kunnen inspecteren, kwetsbaarheden kunnen identificeren, kunnen valideren of die kwetsbaarheden uitbuitbaar zijn, en vervolgens oplossingen kunnen voorstellen of toepassen. Zero beschrijft dit als iets dat het concept van cybersecurity zelf zou kunnen hervormen.

Zijn doel was niet om een echt propriëtair systeem precies na te bootsen. In plaats daarvan bouwde hij een bedacht experiment om het bredere idee te verkennen:

“AI kan nu al zowel als hacker als verdediger optreden tot dit niveau.”

Dat ene idee drijft de hele video.

De hardware: Twee ZimaBoard 2-apparaten als AI-strijdstations

Voor het experiment gebruikte Zero twee ZimaBoard 2-computers. Eén kreeg de rol van verdediger, de ander werd de aanvaller.

ZimaBoard 2 is zeer geschikt voor dit soort hands-on labs omdat het klein, stil, x86-gebaseerd is en ontworpen voor 24/7 diensten.

Vanuit het perspectief van ZimaSpace is dit precies waar ZimaBoard 2 uitblinkt. Het is gebouwd voor gebruikers die echte workloads thuis of in een labomgeving willen draaien, waaronder:

• Plex-mediaservers
• Pi-hole-netwerkfiltering
• Proxmox-virtualisatie
• Debian- of TrueNAS-installaties
• pfSense-routering
• Docker-labs
• AI-containers
• Back-updiensten
• Homelab-clusters
• Lichtgewicht ontwikkelomgevingen

Het hardwareontwerp van het product is ook relevant voor het experiment. ZimaBoard 2 heeft native SATA- en PCIe-ondersteuning, wat betekent dat gebruikers 2,5-inch HDD’s of SSD’s kunnen aansluiten, een 10G NIC kunnen toevoegen, een NVMe-adapter kunnen gebruiken of het apparaat kunnen uitbreiden voor persoonlijke opslag- en netwerkbehoeften. Dual 2,5G Ethernet maakt het ook aantrekkelijk voor snelle lokale NAS, lage-latentie externe toegang en multi-service thuisroutering.

Zoals Zero’s video laat zien, kan dit soort compacte apparaat veel meer worden dan een “mini-computer.” Het kan een praktisch platform worden voor AI, netwerken, self-hosting en cybersecurity-leren.

Chat-AI versus AI-agenten: het concept achter de test

Zero besteedt tijd aan het uitleggen van het verschil tussen gewone chat-AI en AI-agenten.

Een standaard chat-AI—zoals ChatGPT of Gemini—is vooral conversatiegericht. Je stelt een vraag en het antwoordt. Het kan zeer intelligent zijn, maar het werkt meestal niet zelfstandig door aan een doel.

Een AI-agent is anders. Een AI-agent ontvangt een doel, verdeelt dit in taken, doorloopt acties, controleert de voortgang en gaat door totdat de taak is voltooid. In de video beschrijft Zero het als een systeem dat blijft werken totdat het het doel bereikt.

Technische termen die in dit deel worden gebruikt zijn onder andere:

• Chat-AI: een AI-systeem dat reageert in een gespreksvorm.
• AI-agent: een AI-systeem dat taken herhaaldelijk doorloopt om een bepaald doel te bereiken.
• Autonome agent: een agent die met minder directe menselijke input kan blijven handelen.
• Doelloop: de herhaalde cyclus van plannen, handelen, controleren en verbeteren.

Zero merkt op dat veel van zijn eerdere video's zich richtten op AI-agenten. Een voorbeeld dat hij noemt is een AI-systeem dat een NAS onderzoekt en bestanden organiseert. Een ander eerder experiment gebruikte een bordcomputer om een zelflopende AI te creëren zonder een duidelijk gedefinieerd doel.

Dat eerdere autonome AI-concept werd de basis voor dit nieuwe experiment.

AI-beveiliging heruitgevonden: verdediger versus aanvaller

Het experiment verandert cybersecurity in een live wedstrijd tussen twee continu draaiende AI-systemen.

Zero legt de verdedigende AI uit met een huis-analogie. Stel je een dienst voor als een huis met een belangrijke sleutel. Als er een grote open deur is, kan een aanvaller gewoon binnenlopen en de sleutel pakken. In dat geval moet de AI-verdediger het probleem identificeren, testen of de opening gevaarlijk is en het sluiten.

Maar niet elke opening kan volledig worden gesloten. Zero geeft het voorbeeld van een inspectiegat van 10 cm. Het gat kan nodig zijn voor de beheerder om te controleren of de sleutel er nog is. Het sluiten zou een legitieme functie breken. Dus moet de AI zorgvuldiger redeneren:

1. Is het gat daadwerkelijk gevaarlijk?
2. Kan een aanvaller het misbruiken met een tool?
3. Kan het systeem zichtbaarheid behouden terwijl het indringing blokkeert?
4. Welke verdediging werkt het beste?
5. Kan de oplossing getest worden tegen de verbeelde aanval?

In de analogie kan de uiteindelijke oplossing een sterk gaas zijn: niemand kan binnenkomen, maar de beheerder kan er nog steeds doorheen kijken.

Dit is het centrale idee van de verdedigende AI in de video: niet alleen zwaktes vinden, maar ze verifiëren, mogelijke aanvallen testen en tegenmaatregelen toepassen.

Het opbouwen van de testomgeving

Zero creëerde vervolgens een mock-bedrijfsdienst voor het experiment. De dienst fungeerde als een intern klantbeheersysteem, vergelijkbaar met een CRM.

Het systeem bevatte verschillende realistische bedrijfsfuncties:

• Klantgegevens
• Deal- of projectinformatie
• Supporttickets
• Contractlijsten
• Interne notities
• Activiteitenlogboeken
• Zoekfunctionaliteit
• Een openbare blog
• Gebruikersbeheer
• Gevoelige interne informatie, inclusief opzettelijk blootgestelde API-sleutels voor demonstratie

Hij legt uit dat veel bedrijven vergelijkbare interne beheertools hebben. Als zo’n systeem wordt gecompromitteerd, kunnen klantgegevens, interne notities, bloginhoud, gebruikersrechten en operationele gegevens worden beïnvloed.

Dit maakte de testomgeving realistisch genoeg om te laten zien waarom AI-gedreven verdediging belangrijk kan zijn voor alledaagse bedrijfsystemen.

Het dashboard van de verdediger was bewust visueel dramatisch en cyberpunk-achtig gemaakt voor de video. Het toonde de status van diensten, waarschuwingen, herstelacties, manipulatie-meldingen en meerdere agenten die tegelijk werkten. Zero vermeldt dat er aan de verdedigingszijde tot ongeveer vijf AI-agenten samen konden opereren.

Het aanvallende systeem werd ook bestuurd door een agent-achtige workflow, die continu verschillende paden probeerde om een ingang te vinden.

Waarom ZimaBoard 2 past bij dit soort homelab AI-scenario’s

Een project als dit vereist een klein serverplatform dat continu kan draaien, verschillende softwarestacks aankan en netwerkexperimenten ondersteunt. Daarom is ZimaBoard 2 een natuurlijke keuze.

Voor creatieve DIY’ers en techliefhebbers kan ZimaBoard 2 fungeren als een mini-server die er eenvoudig uitziet maar serieuze workloads draait.

De oorspronkelijke productpositionering past bijzonder goed bij de video:

“Klein, hackbaar en een beetje schattig. Velen noemen het een mini-server die eruitziet als een speelgoedje maar werkt als een beest.”

Met ZimaBoard 2 kunnen gebruikers besturingssystemen testen zoals ZimaOS, TrueNAS, Proxmox, Debian en pfSense. Ze kunnen Docker-containers, zelfgehoste diensten, mediaservers, opslagsystemen en AI-experimenten draaien. In deze video wordt het bord een compacte cyberrange—een gecontroleerde omgeving om te observeren hoe AI-agenten zich kunnen gedragen in aanval- en verdedigingssimulaties.

Voor lezers die geïnteresseerd zijn in het bouwen van een homelab biedt ZimaBoard 2 verschillende voordelen:

• Laag energieverbruik voor 24/7 gebruik
• Stille en koele prestaties
• Dubbele 2.5G Ethernet voor netwerkbelasting
• Native SATA voor opslaguitbreiding
• PCIe-ondersteuning voor NIC’s, GPU’s of NVMe-adapters
• Compatibiliteit met meerdere serverbesturingssystemen
• Een compact formaat dat in kleine werkruimtes past

Dit is waarom een ZimaBoard 2 homelab niet alleen opslag en mediastreaming ondersteunt, maar ook praktische experimenten in AI-automatisering en cybersecurity monitoring mogelijk maakt.

De verdediger eerst lanceren

Zero legt uit dat in de echte wereld de verdediging idealiter voorbereid moet zijn voordat aanvalstools wijdverspreid raken. Hij verwijst naar het idee dat overheden en organisaties banken, diensten en infrastructuur willen versterken voordat krachtige AI-systemen algemeen beschikbaar worden.

In de video start hij eerst de verdediger.

De verdediger begint met het inspecteren van de dienst, controleert op problemen en probeert te repareren wat gerepareerd kan worden. In het begin zijn er geen zichtbare aanvallen. De dienst blijft normaal draaien.

Na ongeveer anderhalve minuut besluit Zero dat de aanvaller moet beginnen. Hij merkt op dat als de verdediger te veel voorbereidingstijd krijgt, de video minder evenwichtig kan worden. Hij wil dat de simulatie lijkt op een wereld waarin aanvallers verschijnen voordat verdedigers hun werk volledig hebben afgerond.

Dan begint de aanvaller.

De aanval begint: continue verkenning

Zodra de aanvaller begint, stijgt het aantal pogingen snel. Zero ziet het aantal oplopen van de 30s naar boven terwijl de aanvallende AI verschillende mogelijke toegangspunten test.

De aanvaller probeert veel algemene methoden omdat hij niet alle details over de doelservice heeft gekregen. Zero legt uit dat als de aanvaller meer doelgerichte informatie had, hij waarschijnlijk effectiever zou focussen. Maar in dit experiment onderzoekt de aanvaller breed alles wat plausibel lijkt.

Technische termen die in deze sectie voorkomen zijn:

• API: een interface waarmee software commando’s of verzoeken naar een dienst kan sturen.
• SQL: een database-querytaal die vaak wordt geassocieerd met database-toegang en injectierisico’s.
• JWT: JSON Web Token, een tokenformaat dat vaak wordt gebruikt voor authenticatie.
• GraphQL: een API-querytaal die wordt gebruikt om gestructureerde data op te vragen.
• Admin endpoint: een URL of API-route bedoeld voor beheerdersfuncties.

Zero benadrukt waarom AI de situatie verandert:

“Tot nu toe was dit mechanisch. Nu wordt het AI, en dat is beangstigend.”

AI kan redeneren, zijn pogingen variëren en patronen met willekeur testen. Dat maakt het gedrag minder statisch en meer als een adaptieve operator.

De verdediger detecteert de aanvaller

In het begin blijft het dashboard van de verdediger rustig. Daarna ontdekt de aanvaller blootgestelde gebieden, inclusief opzettelijk kwetsbare paden. Zero ziet bevindingen gerelateerd aan blootstelling van broncontrole, API-voorvertoningen, GraphQL-data lekken en API-sleutels.

Al snel begint de verdediger te reageren.

Een van de belangrijkste momenten in de video is wanneer de verdediger het IP-adres van de aanvaller identificeert en begint met het onderzoeken van de activiteit.

De verdedigingsagent detecteert verdachte toegangs-patronen. Het lijkt pogingen tegen administratieve API’s en mogelijk JWT-gerelateerd gedrag te herkennen. Het systeem begint waarschuwingen, onderzoekslogs en verdedigingsacties te rapporteren.

Zero beschrijft de situatie als het moment waarop de twee partijen eindelijk “vechten.”

De verdediger neemt ook praktische maatregelen. Een voorbeeld is het uitschakelen of vergrendelen van het voorspelbare admin-account. Zero test dit later handmatig door een veelvoorkomend admin-inlogpatroon te proberen en bevestigt dat het account is vergrendeld, met de reden weergegeven.

Dit toont een belangrijk verdedigingsprincipe aan: voorspelbare bevoorrechte accounts zijn gevaarlijk en moeten worden beschermd, hernoemd, uitgeschakeld of versterkt.

Dienstonderbreking en herstel

Een ander dramatisch moment doet zich voor wanneer de dienst uitvalt.

Zero merkt op dat het dashboard een kritisch probleem meldt met algemene gebruikerswachtwoorden die in SQL in platte tekst zijn opgeslagen, wat betekent dat ze zonder encryptie zijn opgeslagen. De dienst lijkt tijdelijk te stoppen.

Hij interpreteert dit als een bewuste verdedigingsactie. Met andere woorden, de verdediger heeft de dienst mogelijk offline gehaald om verdere blootstelling te voorkomen terwijl wijzigingen werden doorgevoerd.

Vervolgens wordt de dienst opnieuw gestart.

Zero bevestigt dat het inlogscherm weer toegankelijk is. Het dashboard geeft aan dat er een verdediging is toegepast. Hij legt niet elk technisch detail uit, maar vat samen dat een kwetsbaarheid is gevonden en opgelost.

Dit moment toont een praktische afweging in cybersecurity: soms is tijdelijke downtime veiliger dan een kwetsbare dienst online laten.

Voor echte bedrijven is dit waarom incidentresponsplanning belangrijk is. Een systeem moet niet alleen problemen detecteren, maar ook weten wanneer het moet isoleren, patchen, herstarten of diensten herstellen.

De cijfers: pogingen, bevindingen en AI-kosten

De video bevat verschillende nuttige gegevenspunten uit het experiment:

• De aanvaller deed ongeveer 1.000 aanvalspogingen.
• Ongeveer 5 gevoelige gebieden die niet blootgesteld hadden mogen worden, werden ontdekt.
• De verdediger rapporteerde op een gegeven moment ongeveer 3 waarschuwingen of rapportitems .
• Het experiment duurde lang genoeg om beide kanten in een heen-en-weer cyclus te brengen.
• Zero had ongeveer 4.000 yen in rekening gebracht voor AI-gebruik, maar het budget was snel op.
• Hij merkt op dat hij een relatief capabel model gebruikte, wat de kosten verhoogde.
• Meerdere AI-processen draaiden snel, met de laatste commentaar die suggereerde dat veel agenten actief waren op hoge snelheid.

De meest memorabele praktische les is misschien wel de kosten. Zelfs bij gebruik van een goedkopere AI-optie kunnen continue agentloops snel credits verbruiken.

Zero stopt het experiment wanneer de AI-verzoeken het budget overschrijden.

“Het geld was op.”

Die zin vat een van de over het hoofd geziene realiteiten van agentische AI-systemen samen: autonomie is krachtig, maar continu redeneren kan duur worden.

Wat het experiment heeft bewezen

De belangrijkste conclusie is dat door AI aangedreven cybersecurity een realtime wedstrijd kan worden van ontdekken, verdedigen, aanpassen en kosten.

Zero concludeert dat het experiment een soort kat-en-muisspel werd. De aanvaller vond problemen, de verdediger reageerde, en beide systemen bleven op hoge snelheid werken.

Hij maakt ook een bredere opmerking: mensen alleen kunnen mogelijk niet het tempo bijhouden. Als aanvallers AI gebruiken om het onderzoeken en uitbuiten te automatiseren, hebben verdedigers mogelijk ook AI-ondersteunde monitoring-, patching- en responsystemen nodig.

Echter wijst hij ook op het feit dat de huidige wereld meer volwassen AI-experimenten aan de kant van de aanvaller heeft dan aan de kant van de verdediger. Aanvallers kunnen in grote aantallen verschijnen, niet slechts één tegelijk. In de video produceerde één enkele aanvaller ongeveer 1.000 pogingen. Als dat 100 of 1.000 aanvallers zouden zijn, zou de schaal dramatisch veranderen.

Die observatie is een van de sterkste onderdelen van de video. Cybersecurity gaat niet alleen over één slimme aanvaller. Het gaat over volume, automatisering, volharding en asymmetrie.

Veilige lessen voor homelabgebruikers en bouwers

Hoewel de video vermakelijk is, biedt hij ook praktische lessen voor iedereen die een homelab, NAS, zelfgehoste dienst of kleine bedrijfsserver runt.

Een ZimaBoard 2 homelab is een geweldige plek om deze lessen veilig te leren in een gecontroleerde omgeving.

Hier zijn de veilige, verdedigende conclusies:

1. Maak geen onnodige diensten openbaar
   Als een toegangspunt niet openbaar hoeft te zijn, houd het dan gesloten.

2. Vermijd voorspelbare admin-accounts
   Standaard- of voor de hand liggende beheerdersgebruikersnamen creëren onnodig risico.

3. Bewaar nooit wachtwoorden in platte tekst
   Wachtwoorden moeten veilig gehasht worden, niet als leesbare tekst opgeslagen.

4. Bescherm API-routes zorgvuldig
   API’s worden vaak waardevolle doelen omdat ze gebruikers, gegevens of instellingen kunnen wijzigen.

5. Controleer logboeken continu
   Activiteitslogboeken kunnen onderzoek, herhaalde fouten, ongebruikelijke toegang en verdachte automatisering onthullen.

6. Gebruik segmentatie
   Houd experimentele diensten gescheiden van belangrijke productiesystemen.

7. Heb een herstelplan
   Het herstarten, isoleren of terugdraaien van een dienst moet worden gepland voordat er een incident plaatsvindt.

8. Budgetteer voor AI-werkbelastingen
   Autonome AI-lussen kunnen tokens en credits sneller verbruiken dan verwacht.

9. Gebruik labs verantwoordelijk
   Beveiligingsexperimenten mogen alleen worden uitgevoerd op systemen die u bezit of waarvoor u toestemming hebt om te testen.

Dit zijn praktische lessen voor iedereen die Docker-labs, Proxmox-nodes, persoonlijke NAS-systemen of AI-containers draait op ZimaBoard 2.

Waarom dit een sterk gebruiksscenario is voor ZimaSpace-gebruikers

ZimaSpace-apparaten zijn ontworpen voor gebruikers die graag bouwen, testen, kapotmaken, repareren en leren. Deze video past perfect bij die cultuur.

ZimaBoard 2 is niet alleen een bord voor opslag of mediastreaming; het is een flexibel x86-platform voor echte technische nieuwsgierigheid.

Gebruikers kunnen bijvoorbeeld creëren:

• Een thuisfirewall met pfSense
• Een persoonlijke NAS met TrueNAS of ZimaOS
• Een op Docker gebaseerde servicelab
• Een lokale testomgeving voor AI-agenten
• Een Plex-server
• Een Pi-hole DNS-filterknooppunt
• Een Proxmox mini virtualisatiehost
• Een privé ontwikkelomgeving
• Een klein cybersecurity-monitoringlab

Omdat ZimaBoard 2 native SATA, PCIe-uitbreiding en dubbele 2,5G Ethernet ondersteunt, kan het meegroeien met de ideeën van de gebruiker. Wil je lokale opslag? Voeg SSD’s toe. Wil je snellere netwerken? Voeg een 10G NIC toe. Wil je experimenteren met AI-versnelling of NVMe-opslag? Gebruik PCIe-uitbreiding.

Dit is de waarde van een compacte x86 home server: het geeft makers en ontwikkelaars een fysieke speelplaats voor moderne computing.

Het grotere plaatje: AI zal beide kanten van beveiliging veranderen

Zero sluit de video af met een reflectie op de toekomst. Als krachtige AI-systemen breed beschikbaar worden, zullen sommige mensen ze misbruiken. Doelen kunnen overal ter wereld zijn. De beste reactie is het risico begrijpen, beschermen wat beschermd kan worden en erkennen dat verdedigingsmiddelen ook blijven verbeteren.

Hij voegt ook een heel menselijk element toe:

“Mensen moeten gezond blijven. Gezondheid is belangrijk.”

Het is een grappige en nuchtere afsluiting na een snelle, intense AI-strijd.

De bredere boodschap is duidelijk: AI-beveiliging ontwikkelt zich snel. Aanvallers kunnen automatisering gebruiken, maar verdedigers ook. De vraag is of individuen, bedrijven en bouwers klaar zijn om hun systemen te testen, te begrijpen en te beveiligen voordat er problemen ontstaan.

De rol van ZimaBoard 2 in AI-ondersteunde beveiliging

Zero’s experiment met twee ZimaBoard 2-apparaten geeft een spannende blik op de toekomst van AI-ondersteunde cybersecurity. Het ene bord fungeerde als verdediger, die continu een mock CRM-service inspecteerde en versterkte. Het andere bord was de aanvaller, die ongeveer 1.000 testpogingen deed en verschillende opzettelijk blootgestelde gevoelige gebieden ontdekte. De verdediger detecteerde activiteit, blokkeerde risicovolle accounts, paste fixes toe en leek de service zelfs tijdelijk offline te halen ter bescherming.

Voor ZimaSpace is dit een perfect voorbeeld van wat compacte x86-apparaten waardevol maakt. Een klein, stil en energiezuinig bord kan een mediaserver, NAS, router, Docker-host, AI-containerplatform of cybersecurity-lab worden.

Als je een doe-het-zelver, homelab-liefhebber, ontwikkelaar of security-leerling bent, biedt ZimaBoard 2 je een praktisch platform om de toekomst van zelfhosting en AI-gedreven automatisering te verkennen—veilig, verantwoord en creatief.

Nogmaals dank aan Zero’s kanaal voor de fantasierijke demonstratie en het laten zien hoeveel er mogelijk is met compacte hardware, AI-agenten en een sterke experimentele mindset.