Cyberbeveiliging

Cybersecuritytraining heeft mogelijk meer wrijving nodig, niet minder

Daniel Martin
Voeg Securities.io toe aan je voorkeursbronnen op Google
Belangrijkste puntenTraining in verliesaversie leidde tot een kenniswinst van 10,71% tegenover 4,65% bij…
Meer weergeven
  • Training in verliesaversie leidde tot een kenniswinst van 10,71% tegenover 4,65% bij vaste beloningen.
  • Cybersecuritytraining moet optimaliseren voor echte beslissingen in plaats van voltooiingspercentages of plezier.
  • Fortinet's FortiSAT behandelt het gedrag van werknemers als meetbare beveiligingsgegevens in plaats van jaarlijkse compliance.

Bedrijven hebben jaren besteed aan het makkelijker maken van het voltooien van cybersecuritytraining. Modules zijn korter geworden, interfaces overzichtelijker, en lessen meer spelachtig. De logica is eenvoudig: als werknemers meer betrokken zijn, zouden ze meer moeten leren en minder fouten maken.

Een nieuwe studie van onderzoekers aan de Abertay University en de University of Cape Town daagt een deel van die veronderstelling uit.1 In plaats van te vragen of gamificatie werkt, vergeleken de onderzoekers twee verschillende manieren om het te structureren. De een beloond gebruikers voor juiste antwoorden. De andere liet gebruikers beginnen met punten en verloor ze wanneer ze fouten maakten.

De resultaten suggereren dat de meest plezierige cybersecuritytraining niet altijd de sterkste leerresultaten oplevert. In het grotere experiment noteerde de verliesaversiegroep een algemene kennisstijging van 10,71%, vergeleken met 4,65% voor de vaste-beloninggroep. Ondertussen rapporteerden deelnemers die vaste beloningen kregen een iets betere betrokkenheid, hoewel het verschil in algehele betrokkenheid tussen de groepen niet statistisch significant was.

Dat onderscheid is belangrijk omdat cybersecuritytraining geen entertainment is. Het doel is om het gedrag van mensen te veranderen wanneer een echte phishing‑e‑mail, kwaadaardige bijlage, nepwebsite of gecompromitteerde inloggegevens zich voordoen.

De menselijke laag blijft deel van het aanvaloppervlak

Cybersecurityuitgaven zijn traditioneel gericht op technische verdedigingsmaatregelen: firewalls, endpoint‑bescherming, identiteitsbeheer, encryptie, dreigingsdetectie en steeds vaker AI‑aangedreven beveiligingsoperaties. Deze technologieën zijn essentieel, maar veel aanvallen slagen nog steeds omdat iemand kan worden overtuigd om te klikken, goed te keuren, informatie te delen of iets te vertrouwen dat hij of zij niet zou moeten.

Het Verizon-rapport over datalekonderzoeken van 2026 blijft social engineering, phishing en gestolen inloggegevens aanmerken als belangrijke onderdelen van het hedendaagse dreigingslandschap rond datalekken. Tegelijkertijd worden de economische gevolgen van beveiligingsfouten steeds ernstiger. IBM’s rapport over de kosten van een datalek uit 2026 stelde de wereldwijde gemiddelde kosten van een datalek vast op $4.99 miljoen en meldde een sterke toename van AI-gestuurde aanvallen.

Dit creëert een ongemakkelijke asymmetrie. Verdedigingssystemen worden steeds meer geautomatiseerd, maar aanvallers krijgen ook betere tools voor personalisatie, impersonatie, verkenning en schaal. Zoals Securities.io heeft onderzocht in haar verslag over AI-gedreven ransomwareverdediging, verschuift cybersecurity naar bredere veerkracht in plaats van te vertrouwen op één enkele detectielaag.

Besluitvorming van werknemers hoort binnen dat veerkrachtmodel. Een medewerker die een verdacht verzoek opmerkt voordat hij ermee interacteert, kan een aanval stoppen voordat dure technische controles moeten reageren.

Waarom het verliezen van punten cybersecurity‑leren kan verbeteren

De studie gebruikte twee webapplicaties met dezelfde trainingsinhoud maar verschillende prikkelsystemen. Deelnemers leerden over wachtwoorden, sociale engineering, websitebeveiliging en kwaadaardige software. In de verliesaversieversie verminderden verkeerde antwoorden de score van een gebruiker. In de vaste‑beloningsversie verzamelden juiste antwoorden punten en reeksbonussen.

In het sociale‑engineeringsscenario begonnen verliesaversiedeelnemers bijvoorbeeld met 60 punten en verloren punten bij fouten, waarbij opeenvolgende fouten grotere aftrekposten veroorzaakten. Deelnemers met vaste beloningen begonnen bij nul en verdienden extra punten voor opeenvolgende juiste antwoorden.

Het verschil lijkt klein, maar het verandert hoe de lerende een fout ervaart. Een gemiste beloning betekent dat er niets is verdiend. Een verlies betekent dat iets dat al in bezit was, is verdwenen.

Metriek van grootschalige studie Verliesaversie Vaste beloningen
Deelnemers 64 64
Algemene kennisstijging +10.71% +4.65%
Winst bij sociale engineering +22.62% +17.77%
Verandering websitebeveiliging -7.12% -19.79%
Algemene betrokkenheidsscore 3.73 / 5 3.92 / 5

De onderzoekers beschrijven het verschil als een mogelijke vorm van “productieve cognitieve wrijving”. Wanneer fouten een directe kost met zich meebrengen, kunnen gebruikers langzamer gaan, informatie zorgvuldiger inspecteren en overgaan van snelle intuïtieve reacties naar meer weloverwogen redeneren.

Dat betekent niet dat werkgevers de training opzettelijk onaangenaam moeten maken. Overmatige straffen kunnen frustratie of besluiteloosheid veroorzaken. Het nuttigere inzicht is dat wrijving kan worden ontworpen. Veiligheidstraining hoeft niet per se elk obstakel tussen een werknemer en het voltooien van de cursus te verwijderen.

Cybersecuritytraining moet optimaliseren voor beslissingen, niet voor voltooiing

Veel bedrijfs‑trainingen worden nog steeds gemeten aan de hand van statistieken zoals voltooiingspercentages, tijd besteed aan een module, quizresultaten of werknemerstevredenheid. Deze cijfers zijn gemakkelijk te verzamelen, maar ze kunnen het verkeerde optimalisatiedoel stimuleren.

Als het doel is om beveiligingsincidenten te verminderen, zou een beter model ten minste drie uitkomsten onderscheiden:

  • of werknemers de training voltooien,
  • of ze de onderliggende beveiligingskennis behouden, en
  • of ze die kennis correct toepassen wanneer ze geconfronteerd worden met een echte bedreiging.

Gamificatie kan alle drie ondersteunen, maar dezelfde mechanismen maximaliseren mogelijk niet elk aspect. De studie illustreert dit duidelijk. Vaste beloningen leverden een sterker descriptief betrokkenheidsprofiel op. Verliesaversie zorgde voor een grotere algehele kenniswinst.

Dit heeft implicaties voor hoe bedrijven beveiligingsbewustzijnsoftware inzetten. In plaats van elke werknemer dezelfde jaarlijkse module te geven, zouden organisaties de training steeds meer kunnen afstemmen op waargenomen gedrag. Een gebruiker die herhaaldelijk gesimuleerde phishing‑e‑mails herkent, heeft mogelijk weinig interventie nodig. Iemand die routinematig op verdachte links klikt, heeft mogelijk vaker oefeningen, sterkere feedback of extra frictie nodig vóór risicovolle handelingen.

Die benadering verandert beveiligingstraining van een compliance‑oefening naar een gedragsregelsysteem. Het past ook in de bredere beweging naar continue cyberbeveiliging. Recente berichtgeving van Securities.io over agentic cybersecurity platforms laat zien hoe snel geautomatiseerde beveiligingsoperaties evolueren. Menselijke‑risicosystemen kunnen zich langs dezelfde traject ontwikkelen door continu gedrag te meten en training aan te passen in plaats van te wachten op een jaarlijkse opfrisser.

AI maakt menselijk cyberrisico belangrijker, niet minder

AI biedt een extra reden om beveiligingsbewustzijn te heroverwegen. Aanvallers kunnen generatieve systemen gebruiken om overtuigender berichten te produceren, schrijfstijlen na te bootsen, verkenning te versnellen en overtuigende imitatie‑pogingen te creëren. Verdedigers kunnen dezelfde technologieklasse inzetten om bedreigingen te filteren, analyses te automatiseren en afwijkend gedrag te identificeren.

Het resultaat is niet dat mensen uit cyberbeveiliging verdwijnen. Het is een verandering in de soorten beslissingen die mensen moeten nemen. Werknemers moeten steeds vaker verzoeken beoordelen die gepolijst, gepersonaliseerd en contextueel geloofwaardig lijken.

Daarom mag de menselijke laag niet worden gezien als een beschamende zwakte die technologie uiteindelijk zal wegnemen. Het is een ander beveiligingsoppervlak dat gemonitord, getraind en verbeterd kan worden. De bredere blik van Securities.io op cybersecurity companies laat zien hoe de sector al beweegt naar geïntegreerde platforms die meerdere vormen van bescherming combineren in plaats van elke bedreiging afzonderlijk te behandelen.

De studie biedt ook een nuttige waarschuwing voor AI‑ondersteunde trainingssystemen. Personalisatie moet niet automatisch betekenen dat alles makkelijker wordt. Een intelligent trainingsplatform kan waardevoller zijn als het weet wanneer moeilijkheid moet worden geïntroduceerd, wanneer een tweede blik nodig is en wanneer een gebruiker een consequentie moet ondervinden voor een slechte beslissing.

Investeren in menselijk risicomanagement

Voor beleggers die geïnteresseerd zijn in de cyberbeveiligingssector, creëert de opkomende menselijk‑risicolaag een extra dimensie in een al groeiende markt. Eén bedrijf dat zich direct op dit gebied richt, is Fortinet.

Fortinet en beveiligingsbewustzijnstraining

Fortinet’s FortiSAT platform combineert beveiligingsbewustzijnstraining met phishing‑simulaties, risico‑scoring, gedragsmeting en gerichte remediatie. De belangrijke verbinding met het onderzoek is niet dat Fortinet exact het verliesaversie‑ontwerp gebruikt dat in het artikel is getest. In plaats daarvan weerspiegelt FortiSAT de bredere verschuiving naar het behandelen van werknemersgedrag als meetbare beveiligingsdata in plaats van een eenmalige compliance‑verplichting.

Het platform kan gebruikers met een hoger risico identificeren, remediale training toewijzen na mislukte phishing‑simulaties, en gedragsresultaten koppelen aan bredere beveiligingscontroles. Dat is een meer volwassen model dan simpelweg elke werknemer één keer per jaar dezelfde video laten bekijken.

Voor beleggers vertegenwoordigt Fortinet daardoor blootstelling niet alleen aan traditionele netwerkbeveiliging, maar ook aan de convergentie van technische controles, gebruikersgedrag, analytics en continue beveiligingseducatie.

FTNT Prijsgrafiek

Cyberbeveiliging heeft mogelijk wenselijke moeilijkheid nodig

De belangrijkste conclusie uit het onderzoek is niet dat straf beter is dan beloning. Het onderzoek is verkennend, de steekproeven zijn relatief klein, en de onderzoekers erkennen beperkingen waaronder niet‑gepaarde beoordelingen, mogelijke verschillen in moeilijkheidsgraad van vragen, en cognitieve vermoeidheid in latere modules.

Het duurzamere idee is dat effectieve cyberbeveiligingstraining een zekere mate van wenselijke moeilijkheid kan vereisen. Een werknemer die een cursus moeiteloos doorloopt, kan zich zelfverzekerd voelen zonder genoeg geleerd te hebben om onder druk betere beslissingen te nemen.

Naarmate aanvallers sneller en overtuigender worden, moeten ondernemingen cyberbeveiligingstraining meten aan wat werknemers daadwerkelijk leren en hoe ze zich gedragen, niet alleen of ze de ervaring leuk vonden. De volgende generatie menselijk‑risicoplatforms zal daarom waarschijnlijk concurreren op iets betekenisvollers dan betrokkenheid: hun vermogen om de juiste hoeveelheid frictie op het exacte moment te creëren dat het oordeel verbetert.

Referenties:

1 Carle, N., Ophoff, J., & Shepherd, L. (2026). Prikkelontwerp in gamified cyberbeveiligingstraining: De rollen van verliesaversie en vaste beloningen. Computers & Security. https://doi.org/10.1016/j.cose.2026.105187

Daniel is een sterke voorstander van de potentie van blockchain om traditionele financiën te verstoren. Hij heeft een diepe passie voor technologie en verkent altijd de laatste innovaties en gadgets.