Wat gebeurt er als twee AI-agenten strijden 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 cyberbeveiligingsstrijd na te bootsen tussen een AI-aangedreven verdediger en een AI-aangedreven aanvaller. Op de ene computer draaide een kwetsbaar intern klantbeheersysteem, terwijl de andere computer probeerde daarin binnen te dringen met behulp van een autonome AI-agent. De verdediger, eveneens aangestuurd door AI, hield verdachte activiteiten voortdurend in realtime in de gaten, onderzocht ze, bracht patches aan en blokkeerde ze.

Als ZimaSpace willen we het kanaal van Zero bedanken voor de creatieve en prikkelende demonstratie van cyberbeveiliging waarin ZimaBoard 2 centraal staat. Dit artikel zet het videotranscript om in een gestructureerde Engelstalige blogpost voor lezers met interesse in homelabservers, AI-agenten, cyberbeveiliging, Docker-labs en zelfgehoste infrastructuur.

Belangrijke opmerking: de oorspronkelijke maker zegt duidelijk dat het experiment is gemaakt voor amusements- en educatieve doeleinden. Sommige dashboards, servicestatussen en kwetsbaarheden waren bewust gedramatiseerd of opengelaten ter demonstratie. Dit artikel behandelt de technische concepten, gegevens en het verloop van het experiment, maar geeft geen direct toepasbare offensieve instructies.

Waarom dit experiment nu relevant is

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

Zero begint de video met een onderwerp waar veel Japanse kijkers op zaten te wachten: een nagebootste strijd tussen een beveiligingsteam en een hackerteam met twee computers. In het experiment gebruikte hij ZimaBoard 2-apparaten: compacte x86-computers die geschikt zijn voor het draaien van diensten, agenten, dashboards en lichte serverworkloads.

De inspiratie komt voort uit recente gesprekken over geavanceerde AI-beveiligingsagenten, waaronder systemen die software kunnen inspecteren, kwetsbaarheden kunnen opsporen, kunnen controleren of die kwetsbaarheden misbruikt kunnen worden en vervolgens oplossingen kunnen voorstellen of toepassen. Volgens Zero zou dit het begrip cyberbeveiliging zelf kunnen veranderen.

Zijn doel was niet om een echt, propriëtair systeem exact na te bouwen. In plaats daarvan ontwierp hij een denkbeeldig experiment om een voorproefje te geven van het bredere idee:

“AI kan nu al in deze mate zowel als hacker als verdediger optreden.”

Dat ene idee vormt de rode draad van de hele video.

De hardware: twee ZimaBoard 2-apparaten als AI-gevechtsstations

Voor het experiment gebruikte Zero twee ZimaBoard 2-computers. De ene kreeg de rol van verdediger, de andere werd de aanvaller.

De ZimaBoard 2 is zeer geschikt voor dit soort praktijkgerichte labs omdat hij klein, stil en op x86 gebaseerd is en ontworpen is voor diensten die 24/7 draaien.

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

• Plex-mediaservers
• Netwerkfiltering met Pi-hole
• Proxmox-virtualisatie
• Debian- of TrueNAS-configuraties
• pfSense-routering
• Docker-labs
• AI-containers
• Back-updiensten
• Homelabclusters
• Lichtgewicht ontwikkelomgevingen

Ook het hardwareontwerp van het product is relevant voor het experiment. De ZimaBoard 2 heeft native SATA- en PCIe-ondersteuning. Gebruikers kunnen dus 2,5-inch HDD's of SSD's aansluiten, een 10G-NIC toevoegen, een NVMe-adapter gebruiken of het apparaat uitbreiden voor persoonlijke opslag- en netwerkbehoeften. De twee 2,5G-Ethernetpoorten maken het ook aantrekkelijk voor een snelle lokale NAS, externe toegang met lage latentie en routering van meerdere diensten thuis.

Zoals Zero's video laat zien, kan zo'n compact apparaat veel meer zijn dan een 'minicomputer'. Het kan een praktisch platform worden voor AI, netwerken, zelfhosting en kennis over cyberbeveiliging.

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

Zero legt uit wat het verschil is tussen gewone chat-AI en AI-agenten.

Een standaard chat-AI, zoals ChatGPT of Gemini, is vooral gericht op gesprekken. Je stelt een vraag en krijgt antwoord. De AI kan zeer intelligent zijn, maar werkt doorgaans niet zelfstandig verder aan een doel.

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

Technische termen die in dit deel worden gebruikt:

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

Zero merkt op dat veel van zijn eerdere video's over AI-agenten gingen. Een voorbeeld dat hij noemt, is een AI-systeem dat een NAS onderzoekt en bestanden organiseert. Bij een ander eerder experiment gebruikte hij een singleboardcomputer om een zelfsturende AI te maken zonder duidelijk omschreven doel.

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

AI-beveiliging opnieuw vormgeven: verdediger versus aanvaller

Het experiment maakt van cyberbeveiliging een livewedstrijd tussen twee AI-systemen die voortdurend actief zijn.

Zero legt de verdedigende AI uit aan de hand van een vergelijking met een huis. Stel je een service voor als een huis met een belangrijke sleutel erin. Als er een grote deur openstaat, kan een aanvaller gewoon naar binnen lopen en de sleutel meenemen. In dat geval moet de AI-verdediger het probleem herkennen, testen of de opening gevaarlijk is en die afsluiten.

Maar niet elke opening kan volledig worden afgesloten. Zero geeft het voorbeeld van een inspectiegat van 10 cm. De beheerder heeft het gat misschien nodig om te controleren of de sleutel er nog ligt. Het afsluiten ervan zou een legitieme functie verstoren. De AI moet dus zorgvuldiger redeneren:

1. Is het gat echt gevaarlijk?
2. Zou een aanvaller het met een tool kunnen misbruiken?
3. Kan het systeem zichtbaarheid behouden en tegelijk inbraak voorkomen?
4. Welke verdediging werkt het best?
5. Kan de oplossing worden getest tegen de bedachte aanval?

In de vergelijking is de uiteindelijke oplossing misschien een sterk gaas: niemand kan naar binnen, maar de beheerder kan er nog steeds doorheen kijken.

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

De testomgeving bouwen

Zero maakte vervolgens een nagebootste bedrijfsservice voor het experiment. De service deed dienst 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, waaronder bewust blootgestelde API-sleutels voor de demonstratie

Hij legt uit dat veel bedrijven vergelijkbare interne beheertools hebben. Als zo'n systeem wordt gehackt, kunnen klantgegevens, interne notities, bloginhoud, gebruikersrechten en operationele gegevens gevaar lopen.

Hierdoor was de testomgeving realistisch genoeg om te laten zien waarom AI-gestuurde verdediging belangrijk kan zijn voor alledaagse bedrijfssystemen.

Het dashboard van de verdediger kreeg voor de video bewust een visueel dramatische, cyberpunkachtige uitstraling. Het toonde de status van services, waarschuwingen, herstelacties, meldingen van manipulatie en meerdere agents die tegelijk aan het werk waren. Zero vermeldt dat er tot ongeveer vijf AI-agents tegelijk aan de verdedigende kant konden werken.

Het systeem van de aanvaller werd ook aangestuurd door een agentachtige workflow, die voortdurend verschillende routes probeerde te vinden om binnen te komen.

Waarom de ZimaBoard 2 geschikt is voor dit soort AI-scenario's in een homelab

Voor zo'n project is een klein serverplatform nodig dat continu kan draaien, verschillende softwarestacks aankan en netwerexperimenten ondersteunt. Daarom past de ZimaBoard 2 hier uitstekend bij.

Voor creatieve doe-het-zelvers en technologieliefhebbers kan de ZimaBoard 2 dienen als een miniserver die er eenvoudig uitziet, maar zware workloads aankan.

De oorspronkelijke positionering van het product past bijzonder goed bij de video:

“Klein, aanpasbaar en best schattig. Velen noemen het een miniserver die eruitziet als speelgoed, maar als een beest presteert.”

Met de ZimaBoard 2 kunnen gebruikers besturingssystemen zoals ZimaOS, TrueNAS, Proxmox, Debian en pfSense testen. 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 zouden kunnen gedragen in aanvals- en verdedigingssimulaties.

Voor lezers die een homelab willen bouwen, biedt de ZimaBoard 2 verschillende voordelen:

• Laag energieverbruik voor 24/7-gebruik
• Stil en koel
• Dubbele 2.5G-Ethernet voor netwerktoepassingen
• Native SATA voor uitbreiding van de opslag
• PCIe-ondersteuning voor netwerkkaarten, GPU's of NVMe-adapters
• Compatibel met meerdere serverbesturingssystemen
• Een compact formaat dat in kleine werkruimtes past

Daarom kan een ZimaBoard 2-homelab niet alleen opslag en mediastreaming ondersteunen, maar ook praktische experimenten met AI-automatisering en cybersecuritymonitoring.

Eerst de verdediger starten

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

In de video laat hij eerst de verdediger beginnen.

De verdediger begint met het inspecteren van de dienst, het controleren op problemen en het proberen op te lossen van wat kan worden opgelost. In eerste instantie zijn er geen zichtbare aanvallen. De dienst blijft normaal draaien.

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

Dan begint de aanvaller.

De aanval begint: voortdurend aftasten

Zodra de aanvaller begint, neemt het aantal pogingen snel toe. Zero ziet de teller vanaf de 30 oplopen terwijl de aanvallende AI verschillende mogelijke toegangspunten test.

De aanvaller probeert allerlei algemene methoden omdat hij geen volledige details over de doelservice heeft gekregen. Zero legt uit dat de aanvaller zich waarschijnlijk effectiever op zijn inspanningen zou richten als hij meer specifieke informatie over het doel had gekregen. Maar in dit experiment tast de aanvaller in brede zin alles af wat aannemelijk lijkt.

Technische termen die in dit deel voorkomen zijn onder meer:

• API: een interface waarmee software opdrachten naar een service kan sturen of er verzoeken aan kan doen.
• SQL: een querytaal voor databases die vaak in verband wordt gebracht met toegang tot databases en injectierisico's.
• JWT: JSON Web Token, een tokenformaat dat vaak wordt gebruikt voor authenticatie.
• GraphQL: een API-querytaal waarmee gestructureerde gegevens kunnen worden opgevraagd.
• Beheereindpunt: 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 eng.”

AI kan redeneren, pogingen variëren en willekeurig patronen testen. Daardoor lijkt het gedrag minder op een statisch script en meer op een adaptieve operator.

De verdediger detecteert de aanvaller

In eerste instantie blijft het dashboard van de verdediger rustig. Dan ontdekt de aanvaller blootgestelde onderdelen, waaronder opzettelijk kwetsbare paden. Zero ziet bevindingen over blootgestelde versiebeheerinformatie, API-voorbeelden, datalekken via GraphQL 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 achterhaalt en de activiteit begint te onderzoeken.

De verdedigingsagent detecteert verdachte toegangspatronen. Hij lijkt pogingen tegen API's voor beheer en mogelijk JWT-gerelateerd gedrag op te merken. Het systeem begint meldingen, onderzoekslogboeken en verdedigingsacties te rapporteren.

Zero beschrijft het tafereel alsof de twee kanten eindelijk “vechten”.

De verdediger onderneemt ook praktische actie. Een voorbeeld is het uitschakelen of vergrendelen van het voorspelbare beheerdersaccount. Zero test dit later handmatig door een veelvoorkomend inlogpatroon voor beheerders te proberen en bevestigt dat het account is vergrendeld; de reden wordt weergegeven.

Dit illustreert een belangrijk beveiligingsprincipe: voorspelbare accounts met verhoogde rechten zijn gevaarlijk en moeten worden beschermd, hernoemd, uitgeschakeld of beter beveiligd.

Service uitschakelen en herstellen

Er volgt nog een dramatisch moment wanneer de service uitvalt.

Zero merkt op dat het dashboard een kritiek probleem meldt: algemene gebruikerswachtwoorden worden als platte tekst in SQL opgeslagen, wat betekent dat ze zonder versleuteling zijn bewaard. De service lijkt tijdelijk uit te vallen.

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

Daarna start de dienst opnieuw op.

Zero bevestigt dat het inlogscherm weer toegankelijk is. Het dashboard geeft aan dat er een verdedigingsmaatregel is toegepast. Hij licht niet elk technisch detail toe, maar vat samen dat er een kwetsbaarheid is gevonden en verholpen.

Dit moment laat een praktische afweging in cyberbeveiliging zien: soms is tijdelijke uitval veiliger dan een kwetsbare dienst online te laten.

Daarom is incidentresponsplanning belangrijk voor echte bedrijven. Een systeem moet problemen niet alleen detecteren, maar ook weten wanneer diensten moeten worden geïsoleerd, gepatcht, opnieuw gestart of hersteld.

De cijfers: pogingen, bevindingen en AI-kosten

De video bevat enkele nuttige gegevens uit het experiment:

• De aanvaller deed ongeveer 1.000 aanvalspogingen.
• Er werden ongeveer 5 gevoelige gebieden ontdekt die niet blootgesteld hadden mogen worden.
• De verdediger meldde op een bepaald moment ongeveer 3 waarschuwingen of rapportitems .
• Het experiment duurde lang genoeg om beide kanten in een heen-en-weercyclus te brengen.
• Zero had ongeveer 4.000 yen voor AI-gebruik beschikbaar gesteld, maar het budget was snel op.
• Hij merkt op dat hij een relatief capabel model gebruikte, wat de kosten opdreef.
• Er draaiden meerdere AI-processen op hoge snelheid, en uit de slotcommentaren bleek dat veel agents actief waren.

De meest gedenkwaardige praktische les gaat misschien wel over de kosten. Zelfs bij een goedkopere AI-optie kunnen continue agentlussen razendsnel credits verbruiken.

Zero beëindigt het experiment wanneer het budget voor de AI-aanvragen op is.

“Het geld was op.”

Die uitspraak vat een van de minder belichte realiteiten van agentische AI-systemen samen: autonomie is krachtig, maar continu redeneren kan duur worden.

Wat het experiment aantoonde

De belangrijkste conclusie is dat AI-gestuurde cyberbeveiliging kan uitgroeien tot een realtime strijd om ontdekking, verdediging, aanpassing en kosten.

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

Hij maakt ook een algemener punt: mensen kunnen dit tempo mogelijk niet alleen bijhouden. Als aanvallers AI gebruiken om verkennings- en exploitatiepogingen te automatiseren, hebben verdedigers misschien ook AI-ondersteunde systemen nodig voor monitoring, patchen en respons.

Hij merkt echter ook op dat er tegenwoordig meer geavanceerde AI-experimenten aan de kant van aanvallers plaatsvinden dan aan de kant van verdedigers. Aanvallers kunnen in grote aantallen opduiken, niet slechts één tegelijk. In de video deed één aanvaller ongeveer 1.000 pogingen. Als dat er 100 of 1.000 aanvallers waren, zou de schaal drastisch veranderen.

Die observatie is een van de sterkste punten van de video. Cyberbeveiliging draait niet alleen om één slimme aanvaller. Het gaat om 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 service of kleine bedrijfsserver gebruikt.

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

Dit zijn de veilige, defensieve lessen:

1. Stel geen onnodige services bloot
   Als een toegangspunt niet openbaar hoeft te zijn, houd het dan gesloten.

2. Vermijd voorspelbare beheerdersaccounts
   Standaard- of voor de hand liggende beheerdersgebruikersnamen brengen onnodige risico's met zich mee.

3. Sla wachtwoorden nooit op als platte tekst
   Wachtwoorden moeten veilig worden gehasht en niet als leesbare tekst worden opgeslagen.

4. Beveilig API-routes zorgvuldig
   API's zijn vaak waardevolle doelwitten omdat ze gebruikers, gegevens of instellingen kunnen wijzigen.

5. Houd logboeken continu in de gaten
   Activiteitenlogboeken kunnen verkenningen, herhaalde fouten, ongebruikelijke toegang en verdachte automatisering aan het licht brengen.

6. Gebruik netwerksegmentatie
   Houd experimentele services gescheiden van belangrijke productiesystemen.

7. Zorg voor een herstelplan
   Een service opnieuw starten, isoleren of terugdraaien moet worden gepland voordat zich een incident voordoet.

8. Begroot voor AI-workloads
   Autonome AI-processen kunnen sneller dan verwacht tokens en tegoeden verbruiken.

9. Gebruik labs verantwoord
   Voer beveiligingsexperimenten alleen uit op systemen waarvan je eigenaar bent of die je met toestemming mag testen.

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

Waarom dit een sterke gebruikstoepassing is voor ZimaSpace-gebruikers

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

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

Gebruikers kunnen bijvoorbeeld het volgende maken:

• Een thuisfirewall met pfSense
• Een persoonlijke NAS met TrueNAS of ZimaOS
• Een service lab op basis van Docker
• Een lokale testomgeving voor AI-agents
• Een Plex-server
• Een Pi-hole-node voor DNS-filtering
• Een compacte Proxmox-virtualisatiehost
• Een private ontwikkelomgeving
• Een klein lab voor cybersecuritymonitoring

Omdat ZimaBoard 2 native SATA, PCIe-uitbreiding en twee 2.5G-Ethernetpoorten ondersteunt, kan het meegroeien met de ideeën van de gebruiker. Lokale opslag nodig? Voeg SSD’s toe. Sneller netwerk nodig? Voeg een 10G-NIC toe. Experimenteren met AI-versnelling of NVMe-opslag? Gebruik de PCIe-uitbreiding.

Dat is de waarde van een compacte x86-homeserver: makers en ontwikkelaars krijgen er een fysieke speeltuin voor moderne computers mee.

Het grotere plaatje: AI zal beide kanten van beveiliging veranderen

Zero sluit de video af met een overpeinzing over de toekomst. Als krachtige AI-systemen op grote schaal beschikbaar komen, zullen sommige mensen er misbruik van maken. Doelen kunnen overal ter wereld liggen. De beste reactie is om het risico te begrijpen, te beschermen wat beschermd kan worden en te beseffen dat verdedigingsmiddelen zich ook zullen blijven verbeteren.

Hij voegt er ook een heel menselijke opmerking aan toe:

“Mensen moeten gezond blijven. Gezondheid is belangrijk.”

Het is een grappig en relativerend einde 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 makers 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 biedt een spannend kijkje in de toekomst van AI-ondersteunde cybersecurity. Het ene bord trad op als verdediger en inspecteerde en beveiligde voortdurend een nagemaakte CRM-dienst. Het andere trad op als aanvaller, genereerde ongeveer 1.000 verkenningspogingen en ontdekte verschillende bewust blootgestelde gevoelige onderdelen. De verdediger detecteerde activiteit, vergrendelde risicovolle accounts, paste oplossingen toe en leek de dienst zelfs tijdelijk uit de lucht te halen ter bescherming.

Voor ZimaSpace is dit een perfect voorbeeld van wat compacte x86-apparaten zo waardevol maakt. Een klein, stil bord met een laag stroomverbruik kan een mediaserver, NAS, router, Docker-host, AI-containerplatform of cybersecuritylab worden.

Als je zelf hardware bouwt, enthousiast bent over homelabs, ontwikkelaar bent of meer wilt leren over beveiliging, biedt ZimaBoard 2 je een praktisch platform om de toekomst van zelf hosten en AI-gestuurde automatisering veilig, verantwoord en creatief te verkennen.

Nogmaals dank aan het kanaal van Zero voor de inventieve demonstratie en het laten zien van wat er allemaal mogelijk is met compacte hardware, AI-agents en een sterke experimentele instelling.