---
id: CP-276
slug: slopsquatting-door-ai-verzonnen-pakketten
lang: nl
title: "Slopsquatting: het pakket dat de AI verzon"
description: Een codeassistent kan een pakket aanraden dat niet bestaat en dat een aanvaller daarna kan aanmaken. Wat studies tonen en de juiste reflex.
canonical_url: https://startbrain.io/cyberpedia/nl/articles/slopsquatting-door-ai-verzonnen-pakketten/
markdown_url: https://startbrain.io/cyberpedia/nl/articles/slopsquatting-door-ai-verzonnen-pakketten.md
publisher: Brain (https://startbrain.io)
license: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/)
cite_as: "Brain, “Slopsquatting: het pakket dat de AI verzon”, Cyberpedia, 2026. https://startbrain.io/cyberpedia/nl/articles/slopsquatting-door-ai-verzonnen-pakketten/ (CC BY 4.0)"
wing: 4
theme: verify_output
reflex: air-029
schema: G2
updated: "2026-11-14"
translations:
  nl: https://startbrain.io/cyberpedia/nl/articles/slopsquatting-door-ai-verzonnen-pakketten/
  fr: https://startbrain.io/cyberpedia/fr/articles/slopsquatting-paquets-inventes-ia/
  en: https://startbrain.io/cyberpedia/en/articles/slopsquatting-ai-invented-packages/
  de: https://startbrain.io/cyberpedia/de/articles/slopsquatting-erfundene-pakete-ki/
  es: https://startbrain.io/cyberpedia/es/articles/slopsquatting-paquetes-inventados-ia/
  it: https://startbrain.io/cyberpedia/it/articles/slopsquatting-pacchetti-inventati-ia/
  pl: https://startbrain.io/cyberpedia/pl/articles/slopsquatting-zmyslone-pakiety-ai/
  pt: https://startbrain.io/cyberpedia/pt/articles/slopsquatting-pacotes-inventados-ia/
  ja: https://startbrain.io/cyberpedia/ja/articles/slopsquatting-ai-invented-packages/
sources:
  - "n": 1
    title: We Have a Package for You! A Comprehensive Analysis of Package Hallucinations by Code Generating LLMs
    publisher: arXiv
    url: https://arxiv.org/abs/2406.10279
    published: "2024-06-12"
    accessed: "2026-11-14"
  - "n": 2
    title: "The Range Shrinks, the Threat Remains: Re-evaluating LLM Package Hallucinations on the 2026 Frontier-Model Cohort"
    publisher: arXiv
    url: https://arxiv.org/abs/2605.17062
    published: "2026-05-16"
    accessed: "2026-11-14"
  - "n": 3
    title: LLM09:2025 Misinformation
    publisher: OWASP
    url: https://genai.owasp.org/llmrisk/llm092025-misinformation/
    published: "2024-04-10"
    accessed: "2026-11-14"
  - "n": 4
    title: "Library Hallucinations in LLM-Generated Code: A Risk Analysis Grounded in Developer Queries"
    publisher: arXiv
    url: https://arxiv.org/abs/2509.22202
    published: "2025-09-26"
    accessed: "2026-11-14"
  - "n": 5
    title: "Names Can Hurt: Spotting Slopsquatting Risks Caused by Package Name Hallucinations in Local Coding LLMs"
    publisher: arXiv
    url: https://arxiv.org/abs/2608.23897
    published: "2026-08-24"
    accessed: "2026-11-14"
  - "n": 6
    title: LLM03:2025 Supply Chain
    publisher: OWASP
    url: https://genai.owasp.org/llmrisk/llm032025-supply-chain/
    published: "2024-04-10"
    accessed: "2026-11-14"
---

# Slopsquatting: het pakket dat de AI verzon

Een codeassistent kan voorstellen een softwarepakket te installeren dat niet bestaat. Onderzoekers spreken van pakkethallucinatie: een fout waarbij het model bij het schrijven van code de feiten tegenspreekt [1]. Zij zien daarin een nieuwe vorm van aanval door pakketverwarring [1]. Als een aanvaller de verzonnen naam registreert, kan hij er kwaadaardige code in plaatsen [3]. Deze aanval heet slopsquatting [2].

De cijfers in dit artikel komen uit studies van onderzoekers. Het gaat om kwetsbaarheden die onderzoekers hebben aangetoond en gemeten, niet om een aanval die bij slachtoffers is waargenomen.

## In 30 seconden

- Waar het gebeurt: wanneer een codeassistent een pakket aanbeveelt voor Python of JavaScript [1].
- Wat de aanvaller wil: de naam registreren die het model verzint, zodat zijn gemanipuleerde pakket wordt geïnstalleerd [2].
- De reflex: nooit een pakket installeren alleen omdat een AI het zegt. OWASP raadt aan de antwoorden van een model te vergelijken met betrouwbare externe bronnen [3].

## Directe vragen

### Wat is slopsquatting?

Pakketten zijn bouwstenen van code die ontwikkelaars downloaden uit centrale opslagplaatsen, zoals PyPI voor Python en npm voor JavaScript [1][2]. Als een model een pakket noemt dat niet bestaat, kan een aanvaller die naam registreren [2]. Een ontwikkelaar die de suggestie van de assistent vertrouwt, neemt dan het pakket van de aanvaller op [3].

### Vergist een assistent zich vaak?

Dat hangt af van het model en het jaar. Een studie die in juni 2024 is verschenen (aanvaard bij USENIX Security 2025) leverde 576.000 codevoorbeelden op met 16 modellen. Het gemiddelde percentage verzonnen pakketten bedraagt daarin minstens 5,2 % voor commerciële modellen en 21,7 % voor open modellen, met 205.474 verschillende verzonnen namen [1].

Een replicatie uit 2026 betreft vijf recente modellen en 199.840 generaties van Python- en JavaScript-code. Ze meet 3,6 tot 5,0 % verzonnen namen onder de genoemde pakketten (2,2 tot 3,4 % van de generaties). Volgens de auteur zitten de recente modellen op het niveau van de commerciële modellen van 2024 en is het verschil met de open modellen verdwenen. Python ligt voor elk model hoger dan JavaScript [2].

### Is het risico verdwenen met de recente modellen?

De titel van de replicatie uit 2026 zegt het: de bandbreedte krimpt, de dreiging blijft [2]. De auteur merkt op dat minstens 23 namen die de modellen voorstelden, al kwaadaardige software hadden gehost, die de opslagplaatsen daarna hebben verwijderd. Een verzonnen naam is ook geregistreerd met kwaadaardige software nadat hij was getest [2].

### Nemen aanvallers de verzonnen namen snel over?

In deze studie is ongeveer 1 % van de verzonnen namen binnen zes maanden geregistreerd. De lijst van de auteur is in die periode per ongeluk publiekelijk blootgesteld. Hij vindt geen waarneembaar effect van die publicatie: het percentage is gelijk voor de gepubliceerde en de niet-gepubliceerde namen [2].

### Verandert de manier waarop men de vraag stelt iets?

Ja. Een studie uit 2025 testte zeven modellen. Een typefout van één teken veroorzaakt hallucinaties bij maximaal 26 % van de taken. Een volledig verzonnen bibliotheeknaam wordt tot 99 % van de tijd geaccepteerd, en verzoeken die met tijd te maken hebben, veroorzaken tot 85 % hallucinaties [4].

### Wat te doen voordat men een door een AI voorgesteld pakket installeert?

Twee controles. De eerste is nagaan of het pakket bestaat. Die volstaat niet: in een studie uit 2026 was de helft van de namen die als verzonnen waren aangemerkt, een pakket dat al op PyPI was geregistreerd, een imitatie van lage kwaliteit van bekende projecten [5]. De tweede is nagaan of het pakket bekend is, door het antwoord van de AI te vergelijken met een betrouwbare externe bron, zoals OWASP aanbeveelt voor de antwoorden van een model [3]. Een pakket dat men niet kan bevestigen, installeert men niet op alleen de suggestie van de assistent.

## In de huid van de aanvaller

Het scenario dat OWASP beschrijft, telt weinig stappen. De aanvaller probeert populaire codeassistenten uit om de bibliotheeknamen op te sporen die ze het vaakst verzinnen. Vervolgens publiceert hij kwaadaardige pakketten onder die namen, op veelgebruikte opslagplaatsen. Ontwikkelaars die de suggestie van de assistent volgen, nemen ze zonder het te weten op. De aanvaller kan dan ongeautoriseerde toegang krijgen, kwaadaardige code injecteren of achterdeuren installeren [3].

Namen keren terug van het ene model op het andere: in de replicatie van 2026 worden 104 namen door alle vijf de modellen tegelijk verzonnen [2].

De formulering van het verzoek weegt ook mee. In de studie over lokale assistenten stijgt het hallucinatiepercentage van 0 tot 10 % bij gangbare programmeertaken naar 40 tot 73 % bij verzoeken die zijn ontworpen als lokaas voor slopsquatting [5].

## Wat u op het scherm ziet

OWASP beschrijft deze fouten als inhoud die juist lijkt terwijl die verzonnen is: de antwoorden klinken juist maar berusten op niets [3]. In code nemen de onderzochte fouten de vorm aan van ongeldige imports [4].

```text
Illustratie, geen echt geval:
pip install [pakketnaam voorgesteld door de assistent, onvindbaar of onbekend]
```

De controle is niet altijd eenvoudig: een importnaam kan afwijken van de pakketnaam. De auteurs van de studie uit 2026 over lokale assistenten geven het voorbeeld van "import cv2" tegenover "pip install opencv-python" [5]. In de replicatie van 2026 waren 26 items van een eerdere lijst met verzonnen namen in werkelijkheid correcte imports waarvan de modulenaam verschilt van de pakketnaam [2].

## Onder de motorkap

OWASP verklaart hallucinatie uit de werking van het model: het vult de lacunes in zijn trainingsdata op met statistische patronen, zonder de inhoud te begrijpen [3]. OWASP rekent het voorstellen van onveilige of niet-bestaande codebibliotheken tot de risico's, omdat dit kwetsbaarheden introduceert als men erop vertrouwt zonder te controleren [3]. OWASP voegt daar het overmatige vertrouwen van gebruikers aan toe, die de juistheid van wat het model produceert niet controleren [3].

De onderzoekers van 2024 hebben ook tegenmaatregelen getest. Ze geven aan dat verschillende strategieën het aantal hallucinaties duidelijk verminderen terwijl de kwaliteit van de code behouden blijft [1].

Een detector die in augustus 2026 is voorgesteld, combineert twee controles. De eerste controleert deterministisch of het pakket op PyPI bestaat. De tweede is een classifier die is getraind op tien kenmerken uit de naam en de metadata van het pakket [5]. Bij 300 verzoeken levert de verwerkingsketen in 76 % van de pogingen code zonder verzonnen pakket [5]. Het zwakste hoofdmodel van de studie weigerde zonder hulp 6 van de 10 directe lokazen, wat volgens de auteurs suggereert dat de recente afstelling van de instructies een basisverdediging biedt [5].

Voor de organisatie raadt OWASP aan de gegevensbronnen en leveranciers zorgvuldig te controleren en alleen betrouwbare leveranciers te gebruiken [6]. OWASP raadt ook aan de inventaris van componenten actueel te houden met een softwarestuklijst (SBOM) [6].

## Bronnen

1. arXiv, “We Have a Package for You! A Comprehensive Analysis of Package Hallucinations by Code Generating LLMs”, 12 juni 2024. https://arxiv.org/abs/2406.10279 (geraadpleegd op 14 november 2026)
2. arXiv, “The Range Shrinks, the Threat Remains: Re-evaluating LLM Package Hallucinations on the 2026 Frontier-Model Cohort”, 16 mei 2026. https://arxiv.org/abs/2605.17062 (geraadpleegd op 14 november 2026)
3. OWASP, “LLM09:2025 Misinformation”, 10 april 2024. https://genai.owasp.org/llmrisk/llm092025-misinformation/ (geraadpleegd op 14 november 2026)
4. arXiv, “Library Hallucinations in LLM-Generated Code: A Risk Analysis Grounded in Developer Queries”, 26 september 2025. https://arxiv.org/abs/2509.22202 (geraadpleegd op 14 november 2026)
5. arXiv, “Names Can Hurt: Spotting Slopsquatting Risks Caused by Package Name Hallucinations in Local Coding LLMs”, 24 augustus 2026. https://arxiv.org/abs/2608.23897 (geraadpleegd op 14 november 2026)
6. OWASP, “LLM03:2025 Supply Chain”, 10 april 2024. https://genai.owasp.org/llmrisk/llm032025-supply-chain/ (geraadpleegd op 14 november 2026)

---

Oorspronkelijke bron: Cyberpedia, de openbare encyclopedie over cyberveiligheid en AI van Brain. Canonieke versie: https://startbrain.io/cyberpedia/nl/articles/slopsquatting-door-ai-verzonnen-pakketten/
U mag deze tekst vrij hergebruiken onder de licentie CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/), mits u “Brain, Cyberpedia” vermeldt met een link naar bovenstaand adres.
