← Alle indlæg

Holdning

Kan penetrationstest blive 90 % billigere?

En penetrationstest koster hurtigt seks tusind euro. For et komplekst miljø løber det op i langt over hundrede tusind. Selv en beskeden test til to-tre tusind euro er en alvorlig udgift for den gennemsnitlige SMV, især hvis den skal gentages hvert år. I lang tid var det et valg: man gjorde det, eller man lod være. Medmindre sektorreguleringen krævede det, for så var der slet intet valg. Med ankomsten af det europæiske NIS2-direktiv, i Holland implementeret som Cyberbeveiligingswet, ændrer det sig. Tusindvis af organisationer er nu omfattet af lovgivning, der kræver tekniske sikkerhedsforanstaltninger, herunder regelmæssig test af egen modstandsdygtighed. Mange organisationer omsætter det til en penetrationstest.

Pentestmarkedet skalerer ikke med den efterspørgsel. Pentestere er en mangelvare, uddannelsen tager år, og timepriserne stiger. Du kan vente på, at markedet justerer sig, eller du kan forsøge at løse problemet på en anden måde. Vi valgte det sidste.

Guardian360 er en af tretten europæiske organisationer, der har modtaget støtte under Den Europæiske Unions CYSSDE-program for at gøre penetrationstest mere tilgængelig. Vores projekt hedder AI-SCALE. Vores ambition: at tilbyde professionelle penetrationstests til omkring ti procent af den sædvanlige pris, ved at lade en AI-agent udføre det meste af arbejdet, med menneskelig validering af fundene. Denne artikel handler ikke om, hvor godt det går, for det er vi ikke nået til endnu. Den handler om, hvad vi støder på, hvad vi har lært, og hvilke spørgsmål vi endnu ikke kan besvare.

Det er det, vi bygger

Teknologien er bygget i tre lag. Det første lag er kontinuerlig discovery: vores eksisterende Lighthouse-platform kortlægger løbende angrebsfladen, både ekstern og intern. Det andet lag er den AI-drevne vurdering: vores egen AI Cyber Security Agent, der genererer og kører pentestscenarier, tilpasset organisationens sektor og teknologistak. Det tredje lag er den menneskelige gennemgang: en senior certificeret pentester fra en af vores pentestpartnere validerer fundene, før rapporten leveres.

Den tredelte struktur er ikke et kompromis, men et bevidst valg. AI’en udfører det arbejde, der skalerer: bred scanning, gennemarbejdelse af scenarier, dokumentation af fund. Mennesket udfører det arbejde, der kræver dømmekraft: afgøre, om et fund er en reel risiko, vurdere, hvordan sårbarheder kombineres, og beslutte, om udnyttelse er forsvarlig.

Når projektet afsluttes i marts 2028, bliver AI-agenten, scenariebibliotekerne pr. sektor og hele metodikken udgivet som open source. Det er en forpligtelse i vores projektansøgning, og det er også vores overbevisning: professionelt sikkerhedsværktøj bør kunne testes og ikke være en sort boks.

Hvad er en penetrationstest egentlig?

Før vi kan tale om en omkostningsreduktion på 90 %, må vi blive enige om, hvad det er, vi forsøger at gøre billigere. Og det er her, det første problem begynder. Begrebet “penetrationstest” har ingen entydig definition. For én leverandør er det en automatiseret sårbarhedsscanning med en rapport. For en anden er det uger med manuelt arbejde af en OSCP-certificeret specialist, der rent faktisk forsøger at bryde ind.

Compliance-rammeværker hjælper kun så langt. NIS2 kræver “test af effektiviteten af sikkerhedsforanstaltninger”, men foreskriver ikke hvordan. ISO 27001 henviser til tekniske sårbarhedsvurderinger uden at angive dybden. DORA er mere præcis om trusselsledet penetrationstest (TLPT), men det gælder kun for den finansielle sektor.

I Holland findes der en konkret kvalitetsstandard: CCV Keurmerk Pentesten, et certificeringsmærke for penetrationstest. Centre for Crime Prevention and Safety (CCV) har udviklet en certificeringsordning, der fastlægger, hvad en pentest er, og hvad den ikke er. Definitionen er entydig: en pentest er “en manuel vurdering, der forsøger at trænge så dybt som muligt ind i et system”. Sårbarhedsscanninger, uanset hvor avancerede, er udtrykkeligt udelukket fra mærket. Værktøjer må bruges som hjælpemiddel, men er med CCV’s ord “ikke styrende for udførelsen af en pentest”. Alle fund fra automatiserede tests skal verificeres manuelt af en kvalificeret pentester.

Hertil kommer et hårdt kvantitativt krav: den kvalificerede pentester skal levere mindst halvtreds procent af den samlede testtid. Pentesteren skal desuden have et anerkendt praktisk certifikat, mindst et års erhvervserfaring som it-professionel (ikke som praktikant) og en straffeattest (VOG), der ikke er ældre end tre år.

For den, der vil tilbyde AI-pentest, rejser dette mærke det centrale spørgsmål: hvis AI-agenten udfører det meste af arbejdet, og mennesket validerer, er det så stadig en pentest i den forstand, CCV mener? Den ærlige konklusion er, at den tredelte model begrebsmæssigt passer til mærkets ånd: værktøjer som hjælpemiddel, det menneskelige ekspertblik som i sidste ende ansvarlig. Men halvtredsprocentsreglen og definitionen som “manuel vurdering” strider mod ambitionen om en omkostningsreduktion på halvfems procent. Hvis den menneskelige pentester skal levere halvdelen af timerne, når du pr. definition ikke ned på ti procent af den sædvanlige pris.

I AI-SCALE-projektet bruger vi derfor en bredere definition: en pentest er en struktureret vurdering, der går længere end at køre en automatiseret scanning. Den omfatter scenarier tilpasset sektoren og teknologistakken, dækker fejlkonfigurationer, autorisationsfejl og svagheder i forretningslogikken, og den afsluttes med menneskelig validering.

Automatiseringens grænse: udnyttelse

En af de første samtaler, vi havde med vores pentestpartner, handlede om udnyttelse. Må AI-agenten rent faktisk udnytte en sårbarhed, den finder, for at bevise, at risikoen er reel? Svaret var krystalklart: nej, i hvert fald ikke fuldt automatiseret.

Det lyder som en begrænsning, og det er det også. Men det er en bevidst begrænsning. En AI-agent, der udnytter sårbarheder i et produktionsmiljø uden menneskeligt tilsyn, er i sig selv en risiko. I vores model arbejder agenten for det meste i læsetilstand: den udforsker, identificerer og rapporterer. Enhver handling, der ændrer et system, kræver menneskelig godkendelse. Der er en kill switch, der er Rules of Engagement pr. opgave, og der er omfattende audit-logning.

For en CISO kan det være mere betryggende end en fuldt autonom agent. Men det betyder også, at omkostningsreduktionen bliver begrænset. Så snart en menneskelig pentester i betydeligt omfang skal inddrages i valideringsprocessen, er en besparelse stadig mulig, men hvor stor den bliver, er endnu uklart.

Falske positiver koster valideringstid

AI-agenten er stærk i bredden. Fejlkonfigurationer, forældede komponenter, standardindstillinger og kendte sårbarhedsmønstre finder den konsekvent, også de steder, hvor et menneske ser mindre skarpt efter et par timer. Men bredde har en bagside: agenten producerer flere fund, og ikke alle er relevante.

Hvis AI’en producerer mere støj end en menneskelig tester, flytter du timerne fra testen til valideringen. Den menneskelige pentester bruger så mere tid på at vurdere og afvise fund end på at opdage dem. Nyere benchmarks bekræfter, at andelen af falske positiver er den store flaskehals for automatiserede pentestværktøjer. Den tid, du vinder i starten af testen, mister du igen til sidst.

Forretningslogik og kædede angreb

Agenten finder enkeltstående opmærksomhedspunkter, men ser ikke altid, at de tilsammen udgør en alvorlig angrebskæde. En autorisationsfejl mellem roller, et betalingsflow der springer et trin over under bestemte betingelser, et API der er sikkert i isolation, men muliggør en rettighedseskalering i kombination med et andet endpoint: det er netop de fund, organisationer hyrer en pentester til. Og det er netop de fund, AI indtil videre ikke kan klare på egen hånd.

Det er ikke et spørgsmål om bedre modeller. Det kræver en forståelse af, hvad en applikation skal gøre, i konteksten af den forretningsproces, den understøtter. Det er domæneviden, ikke mønstergenkendelse.

Antagelserne bag omkostningsmodellen

Målet om ti procent af den sædvanlige pris, cirka seks hundrede euro pr. test i stedet for seks tusind, hviler på en række antagelser, som vi ærligt bør nævne.

Den første antagelse er, at AI-modeller bliver mere effektive. Det har hidtil holdt stik: fundamentmodeller bliver hurtigere, billigere og bedre for hver generation. Men der er ingen naturlov, der siger, at tempoet fortsætter. Hvis effektivitetsgevinsterne flader ud, bliver omkostningsmodellen skrøbelig.

Vi kører vores modeller på vores egen GPU-infrastruktur, gennem et hollandsk søsterselskab med dedikeret Kubernetes- og GPU-kapacitet. Det betyder, at vi ikke har variable tokenomkostninger, og at kundedata og fund bliver inden for vores eget servercluster. For mange organisationer i vores målgruppe er det sidste måske det vigtigste argument. Men at eje GPU’er flytter problemet, det fjerner det ikke. Spørgsmålet er så ikke “hvad koster denne test?”, men “hvor mange tests kan vi køre samtidig?”. Grænsen er kapacitet, ikke budget pr. test.

Den anden antagelse er, at den menneskelige indsats kan holdes minimal. Hvis L3-valideringen, den menneskelige gennemgang af en senior pentester, optager en betydelig del af gennemløbstiden, kan en omkostningsreduktion på halvfems procent ikke nås. Regnestykket er enkelt: hvis valideringen koster tredive procent af tiden for en konventionel test, er din maksimale besparelse halvfjerds procent, ikke halvfems. CCV-mærket skærper den udregning yderligere: halvtreds procent menneskelig tid betyder et loft på halvtreds procent besparelse, ikke halvfems.

Der er allerede aktører på området

Guardian360 er ikke den første, der forsøger at automatisere penetrationstest. Horizon3.ai tilbyder autonome pentests til interne netværk og Active Directory-miljøer med NodeZero. Pentera positionerer sig som automatiseret sikkerhedsvalidering og melder om mere end hundrede millioner dollar i årligt tilbagevendende omsætning. Hadrian fokuserer på den eksterne angrebsflade og lancerede et agentisk AI-pentestprodukt i marts 2026.

Spørgsmålet er berettiget: hvorfor selv bygge noget, når der allerede findes etablerede platforme? Vores svar er tredelt. For det første er disse platforme closed source. Vores agent og metodik bliver udgivet som open source efter projektet, så fællesskabet kan teste, forbedre og tilpasse dem. For det andet er de overvejende amerikanske, mens europæisk regulering, især NIS2, DORA og sektorspecifikke standarder som NEN 7510 og BIO-rammeværket, kræver egne scenariebiblioteker. For det tredje er de dyre: de gængse licensmodeller er udformet til store virksomheder, ikke til små og mellemstore virksomheder.

Det lærer vi

Vi er cirka to måneder inde i forløbet. Det er for kort tid til konklusioner, men længe nok til at dele de første indsigter.

Den første indsigt er, at agenten er stærk, hvor mennesker er svage: i vedholdenhed. En menneskelig pentester bliver mindre skarp efter timer. Det gør agenten ikke. Den gennemarbejder systematisk alle aspekter af et miljø, også de kedelige dele. Det giver fund, et menneske ville have overset, ikke fordi mennesket ikke kan finde dem, men simpelthen fordi et menneske ikke er en maskine.

Den anden indsigt er, at afstanden mellem at “tænke et scenarie ud” og at “køre det scenarie i et rigtigt miljø” er større end forventet. Et angrebsscenarie, der er logisk på papiret, kører i praksis fast på sessionshåndtering, MFA-flows, rate limiting eller applikationsspecifikke autentificeringsmønstre. Ethvert miljø har særegenheder, agenten ikke kender, før den støder på dem. Det betyder, at scenariebibliotekerne ikke blot skal indeholde angrebsmønstre, men også de forsvarsmønstre, agenten skal genkende og enten omgå eller rapportere.

Den tredje indsigt er, at scenariebiblioteker pr. sektor ikke er en luksus, men en nødvendighed. En pentest for en sundhedsudbyder, der skal leve op til NEN 7510, kræver andre scenarier end en test for en finansiel institution under DORA. Generiske scenarier giver generiske fund, og generiske fund er ikke brugbare for en CISO.

Den fjerde indsigt, og måske den mest konfronterende, er, at erfarne pentesteres reaktion på AI-genererede fund er et værdimål, vi ikke kan automatisere. Agentens rekognoscering og første triage er brugbare; her sparer den menneskelige timer. Men i hvilken grad den menneskelige reviewer bagefter skal rette, omklassificere eller supplere fund, afgør i sidste ende, om modellen er rentabel. Vi måler den feedbackloop nu systematisk, og resultaterne er endnu for tidlige til at blive offentliggjort.

En bredere europæisk historie

Som nævnt er Guardian360 ikke den eneste organisation, der arbejder på dette. CYSSDE-programmet udvalgte tretten projekter i Open Call 3 fra ni europæiske lande, som tilsammen planlægger mere end 534 sikkerhedsvurderinger. Fra OT-sikkerhedsvurderinger i Polen og Tyskland, via trusselsledet pentest i Belgien, til suveræn AI-pentest i Italien.

Det er ikke tilfældigt. EU investerer bevidst i europæisk cybersikkerhedskapacitet, gennem European Cybersecurity Competence Centre og programmer som CYSSDE. Tanken bag er, at hvis vi vil have europæiske organisationer til at være modstandsdygtige, bør vi ikke være afhængige af ikke-europæiske værktøjer og leverandører. Vores open source-forpligtelse passer ind i samme linje: det er et bidrag til det europæiske cybersikkerhedsfællesskab, ikke blot et produkt.

Det ærlige svar

Kan penetrationstest blive halvfems procent billigere? Det ærlige svar er: det ved vi endnu ikke. Vi tror på, at AI kan overtage en stor del af det repetitive arbejde, og at omkostningerne dermed kan falde væsentligt. Men “væsentligt” er ikke det samme som “halvfems procent”, og de faldgruber, vi støder på, fra forretningslogik, agenten ikke forstår, til kvalitetsstandarder som CCV-mærket, der gør menneskelig involvering obligatorisk, giver anledning til beskedenhed.

Det, vi ved, er, at den nuværende situation er uholdbar. Organisationer, der er omfattet af NIS2 og ikke har råd til en pentest, er i fare. Organisationer, der får kørt en billig automatiseret scanning og tror, de har fået en penetrationstest, løber en anden risiko: falsk sikkerhed. En pentest, der giver organisationer en falsk tryghedsfølelse, er måske endda værre end ingen pentest.

Løsningen ligger ikke i AI alene og ikke i mennesker alene. Den ligger i en kombination, der er ærlig om, hvad hver del kan og ikke kan. Agenten scanner, mennesket vurderer. Agenten finder mønstre, mennesket ser kæder. Agenten skalerer, mennesket vogter grænsen.

Vi offentliggør vores resultater, vores agent og vores metodik. Ikke fordi vi har svaret, men fordi vi tror på, at svaret kommer hurtigere, hvis flere kigger med.

Kilder