Kort gezegd: De OWASP Top 10 voor LLM’s noemt de tien grootste beveiligingsrisico’s van toepassingen op een groot taalmodel. Denk aan chatbots en AI-assistenten. Prompt injection staat op één. Zeven van de tien kun je van buitenaf testen door je toepassing de juiste vragen te stellen. Voor de andere drie kijk je naar hoe hij gebouwd is.
Je hebt AI in je product of je klantenservice gebouwd, zodat klanten sneller antwoord krijgen. Je securityteam weet hoe je een website test. Maar een AI-toepassing gedraagt zich anders. Hij leest vrije tekst, laat zich soms ompraten en geeft elke keer een net iets ander antwoord. De OWASP Top 10 voor LLM’s geeft je één gedeelde lijst van wat je moet controleren. Hieronder staat elk risico in gewone taal, met hoe je het test.
Wat is de OWASP Top 10 voor LLM-toepassingen?
De OWASP Top 10 voor LLM-toepassingen zet de tien belangrijkste beveiligingsrisico’s op een rij voor software die een groot taalmodel gebruikt. Zo’n groot taalmodel, of LLM, is het soort AI achter tools als ChatGPT. OWASP is een stichting zonder winstoogmerk. Ze is bekend van haar lijsten over webbeveiliging, die ontwikkelaars en auditors al jaren gebruiken. De LLM-lijst doet hetzelfde voor AI-toepassingen. De huidige editie is van 2025. Hij is geschreven voor ontwikkelaars, maar de risico’s raken de eigenaar van de toepassing net zo goed. Securityteams, auditors en leveranciers gebruiken hem als gezamenlijke taal. Vraagt iemand hoe je je AI hebt getest? Dan is “tegen de OWASP Top 10 voor LLM’s” een antwoord dat ze herkennen.
De tien risico’s in gewone taal
Elk risico op de lijst beschrijft een manier waarop een AI-toepassing misbruikt kan worden of fout kan gaan. De tabel zet ze in gewone taal op een rij, met hoe je elk risico controleert.
| Risico | Wat het betekent | Hoe je het checkt |
|---|---|---|
| LLM01 Prompt injection | Iemand verstopt instructies in tekst, zodat de AI zijn regels negeert. | Van buitenaf testen |
| LLM02 Gevoelige informatie lekken | De AI geeft persoonsgegevens, bedrijfsgeheimen of gegevens van andere klanten prijs. | Van buitenaf testen |
| LLM03 Toeleveringsketen | Een model, plug-in of dataset waar je op leunt is zwak of gemanipuleerd. | Binnenkant bekijken |
| LLM04 Vergiftigde data of modellen | Iemand smokkelt foute data in de training of in je bronnen. | Binnenkant bekijken |
| LLM05 Onveilige verwerking van output | Andere systemen vertrouwen de uitvoer van de AI zonder controle. | Allebei |
| LLM06 Te veel handelingsvrijheid | De AI kan meer dan nodig is, zoals mails sturen of gegevens wijzigen. | Allebei |
| LLM07 Lekken van de systeemprompt | De AI laat zijn verborgen instructies zien. | Van buitenaf testen |
| LLM08 Zwakke plekken in vectoren en embeddings | De zoeklaag die de AI je documenten voert, is te misbruiken. | Binnenkant bekijken |
| LLM09 Misinformatie | De AI geeft vol vertrouwen foute of verzonnen antwoorden. | Van buitenaf testen |
| LLM10 Onbegrensd verbruik | Iemand laat de AI zo hard werken dat het geld kost of hij platgaat. | Van buitenaf testen |
Welke risico’s test je van buitenaf?
Zeven van de tien test je door met je toepassing te praten zoals een gebruiker of aanvaller dat zou doen. Je hebt geen toegang tot het model nodig. Dat is handig als je het model van een leverancier gebruikt. Dit is namelijk het deel waar jij over gaat en waar jij verantwoordelijk voor bent.
- Prompt injection. Probeer de toepassing zijn regels te laten negeren. Direct, en via tekst die hij leest, zoals een geüpload bestand.
- Gevoelige gegevens. Vraag naar gegevens van andere klanten, interne prijzen of namen van medewerkers.
- Lekken van de systeemprompt. Vraag op slimme en steeds andere manieren om zijn instructies.
- Misinformatie. Stel vragen waarvan je het goede antwoord weet, en vragen over dingen die niet bestaan.
- Onbegrensd verbruik. Stuur heel lange of eindeloze verzoeken en kijk of de limieten werken.
- Output en handelingsvrijheid. Probeer de toepassing code of links te laten maken, of een actie te laten doen die niet mag.
Voer elke test meer dan één keer uit. Een aanval die vier keer mislukt en de vijfde keer lukt, werkt gewoon.
Voor welke risico’s kijk je naar de binnenkant?
Toeleveringsketen, vergiftigde data en de zoeklaag test je niet goed door vragen te stellen. Ze gaan over hoe de toepassing gebouwd is en waar de onderdelen vandaan komen. Hier check je door je team of leverancier de juiste vragen te stellen. Waar komt het model vandaan, en wie werkt het bij? Welke plug-ins en bibliotheken gebruikt de toepassing, en worden die bijgehouden? Wie kan documenten toevoegen aan de kennisbank waarin de AI zoekt? En is de toegang tot die documenten per gebruiker beperkt? Stel je die vragen met testresultaten in de hand, dan krijgt je leverancier of je eigen team bruikbare feedback.
Waar begin je?
Begin bij de toepassing die de meeste mensen bereikt, en bij de tests van buitenaf. Die zet je snel op en ze laten de risico’s zien waar klanten als eerste tegenaan lopen. Ons advies: begin met prompt injection, gevoelige gegevens en misinformatie. Die drie richten de meest zichtbare schade aan. Voeg daarna de rest toe en spreek met je team af wat een fout is.
Houd wel rekening met een afweging. De OWASP-lijst is een beveiligingslijst, geen wet en geen volledig testplan. Bias, toon en de bruikbaarheid van antwoorden vallen erbuiten. Wie de lijst doorstaat, voldoet daarmee ook niet automatisch aan de AI Act. Gebruik hem als het beveiligingsdeel van een bredere set AI-tests.
En blijf testen. Een nieuwe modelversie, een aangepaste prompt of een nieuw document in de kennisbank kan een gat openen dat vorige maand nog dicht zat.
Wat betekent dit voor je team?
Maak een plan van één A4. Zet je AI-toepassingen erop, met per toepassing de zeven tests van buitenaf. Zet er de vragen aan je leverancier over de andere drie bij. Voer deze maand de tests van buitenaf uit op je meest gebruikte toepassing en bewaar de resultaten.
Wil je hulp bij het testen? VeritasAI draait meer dan 90 automatische risicotests op onder meer hallucinaties, jailbreaks en datalekken. Je ziet hoe je AI scoort tegen de EU AI Act, ISO, OWASP en andere belangrijke standaarden. Je ziet ook de letterlijke antwoorden van je model, zodat je team weet wat het moet oplossen.
Test je AI elke week op de OWASP-risico’s.
Veelgestelde vragen
Is de OWASP Top 10 voor LLM’s wettelijk verplicht?
Nee. Het is een veelgebruikte richtlijn, geen wet. Wel is het een erkende manier om te laten zien dat je over de beveiliging van je AI hebt nagedacht. Dat helpt bij audits en bij de AI Act.
Wat is het verschil tussen de OWASP Top 10 en de OWASP Top 10 voor LLM’s?
De oorspronkelijke OWASP Top 10 gaat over webapplicaties in het algemeen. De LLM-lijst gaat over risico’s die horen bij toepassingen op een groot taalmodel, zoals prompt injection.
Hoe vaak wordt de lijst bijgewerkt?
De eerste versie verscheen in 2023, de huidige editie in 2025. Kijk op de projectpagina van OWASP voor de nieuwste versie.
Geldt de lijst ook als we het model van een leverancier gebruiken?
Ja. De meeste risico’s zitten in hoe jij het model gebruikt: je prompts, je data en je koppelingen. Die kan je leverancier niet voor je testen.