# CrowdStrike wil Fiddler en Dreadnode overnemen en lanceert AI Kill Switch voor agents

Door Ivo Donker · 4 november 2026 — samengesteld met AI-ondersteuning (DeepSeek V4.1 Flash)
Op 3 november 2026 publiceerde CrowdStrike (NASDAQ: CRWD) tijdens Fal.Con Europe 2026 in Barcelona drie aparte aankondigingen: een persbericht over de voorgenomen overname van Fiddler AI, een afzonderlijk persbericht over de voorgenomen overname van Dreadnode, en een investor-relationsbericht via Business Wire onder de titel "CrowdStrike Delivers AI Security and Safety for the Enterprise" over Falcon Guardian en een nieuwe AI Kill Switch. De drie berichten staan los van elkaar: het Guardian-bericht noemt de geplande Fiddler-overname wel, maar Dreadnode niet.

Voor teams die agents bouwen en beheren, is de combinatie relevant. Aan de ene kant komt er meer zichtbaarheid op wat een agent feitelijk doet — observability, tracing en evaluatie. Aan de andere kant komt er een gestructureerde manier om agentarchitecturen vóór productie aan aanvallen bloot te stellen, met bevindingen die doorstromen naar runtimebeleid. Wie nu al met agent-observability bezig is, ziet hier dezelfde vragen terugkomen als in de praktijk van alledag: welke beslissing nam de agent, op basis waarvan, en kun je dat later uitleggen? Zie voor dat laatste ook de achtergrond over [agent-observability: zien wat je agent deed en waarom](https://community.llmnet.nl/agent-observability-zien-wat-je-agent-deed-en-waarom).

## Drie aankondigingen op Fal.Con Europe

De eerste aankondiging is het persbericht waarin CrowdStrike meldt een definitieve overeenkomst te hebben getekend om Fiddler AI over te nemen, omschreven als "a leader in AI agent observability and explainability". De tweede is een apart persbericht over een definitieve overeenkomst om Dreadnode over te nemen, omschreven als "a leader in Automated AI Security Testing". De derde is het investor-relationsbericht over Falcon Guardian en de AI Kill Switch.

Die scheiding is niet alleen een formaliteit. Ze bepaalt welke beloftes bij welk product horen en welke onderdelen nog van een overname afhangen. Het Guardian-bericht verwijst naar de geplande Fiddler-overname, maar noemt Dreadnode nergens. Dreadnode is dus een eigen spoor met een eigen persbericht, ook al moeten de Dreadnode-bevindingen volgens dat persbericht later als beleidsaanbevelingen in Falcon Guardian terechtkomen.

## Fiddler wordt Falcon Observe

Volgens het Fiddler-persbericht brengt Fiddler pre-deployment evaluatie, continue behavioral accountability en agent-explainability naar het Falcon-platform. De positionering in het bericht is scherp: "Guardian secures agents from attack and misuse; Fiddler validates they behaved as intended." Fiddler wordt verkocht als onderdeel van het Falcon-platform, onder de naam Falcon Observe, en moet in Q4 FY27 algemeen beschikbaar worden — het vierde kwartaal van CrowdStrike's boekjaar 2027.

In hetzelfde bericht staat een formulering die de kern raakt van waarom observability voor agents anders is dan klassieke logging: "An agent can hold valid credentials and approved tools and still make unsupported decisions, ignore instructions, or claim work it never completed. They don't have to be compromised to create risk." Een agent hoeft dus niet gehackt te zijn om schade te veroorzaken. Geldige credentials en goedgekeurde tools zijn geen garantie dat het gedrag klopt.

George Kurtz (CEO en oprichter CrowdStrike): "Every company is deploying agents and asking the same thing: what are agents actually doing?" — Nederlandse duiding: de vraag is niet of agents bestaan in je omgeving, maar of je kunt reconstrueren wat ze deden.
George Kurtz: "When a regulator or your board asks what an agent did, saying 'the model did it' is not an answer. Fiddler is the flight recorder for every agent: the observability to explain exactly what an agent did and why." — Nederlandse duiding: het antwoord op een auditvraag moet herleidbaar zijn tot concrete beslissingen en tool-calls, niet tot een verwijzing naar het model.
Krishna Gade (CEO en mede-oprichter Fiddler): "We started Fiddler to help enterprises answer a fundamental question: can I trust what my AI agents are doing?" — Nederlandse duiding: vertrouwen is hier een meetvraag, geen gevoel.

## Wat Falcon Observe moet kunnen

Het Fiddler-persbericht somt de capaciteiten op die onder Falcon Observe moeten vallen. Pre-Deployment Evaluation meet agent-nauwkeurigheid, taakvoltooiing en beleidsnaleving over prompts, modellen en configuraties. Agent Traceability volgt beslissingen, reasoning paths en tool-calls door de volledige agenthierarchie. Behavioral Accountability detecteert in productie gedragsdrift, hallucinaties en onbedoelde acties. Auditable Governance legt beslissingen en acties vast over first-party, third-party en coding agents, als bewijs voor compliance en audits. AI Cost Control volgt tokengebruik en uitgaven en kan evaluatiekosten met tot 98% verlagen door purpose-built modellen te gebruiken zonder externe LLM-calls.

Daarnaast is er Framework Support via OpenTelemetry met LangGraph, Amazon Bedrock, AWS Strands en Google ADK, en Unified Falcon Telemetry om te correleren met Falcon-identiteits-, cloud- en runtime-intelligence. Die OpenTelemetry-route is praktisch: wie al traces exporteert, kan die instrumentatie hergebruiken in plaats van een parallel meetsysteem te onderhouden. Een overzicht van wat er op dit gebied aan tools bestaat, staat in het [overzicht van LLM-observability-tools](https://directory.llmnet.nl/llm-observability-tools).

De kostencomponent verdient apart aandacht. Token- en spendregistratie per agent of per workflow is vaak het eerste waar budgetten uit de hand lopen, nog voordat iemand aan beveiliging toekomt. Dezelfde instrumentatie die je gebruikt om gedrag te verklaren, levert ook de cijfers waarmee je een limiet kunt onderbouwen. Hoe je zulke grenzen hard maakt in plaats van adviserend, staat in [harde kostenlimieten afdwingen: budgetcap, quota en kill switch](https://api.llmnet.nl/harde-kostenlimieten-afdwingen-budgetcap-quota-en-kill-switch).

## Dreadnode: aanvallen testen vóór productie

Het Dreadnode-persbericht beschrijft een ander doel: het Falcon-platform uitbreiden om elk AI-model, elke applicatie en elke agent continu te testen op zwakke plekken vóór deployment. Dreadnode draait meer dan 100 bekende AI-aanvalsstrategieën tegen modellen, agent-redeneerlussen, applicaties en MCP-servers, waaronder jailbreaks, prompt injection en multi-turn en agent-specifieke aanvallen. Je beschrijft in gewone taal wat je wilt testen. Automated AI Security Testing moet in Q4 FY27 algemeen beschikbaar worden.

De resultaten worden gerangschikt op ernst en gemapt op OWASP Top 10 for LLMs, OWASP Agentic Security (ASI01-ASI10), MITRE ATLAS en NIST AI RMF, met exporteerbare rapporten voor go/no-go-beslissingen vóór deployment. Daarnaast is er model- en componentscanning (modellen, modelrepositories, componenten) en human-in-the-loop review, waarbij operators bevindingen herclassificeren, de ernst bijstellen en hun redenering vastleggen. De bevindingen voeden Falcon Guardian als beleidsaanbevelingen, en de testdata versterkt CrowdStrike's SafeMind-modellen. Het Dreadnode-team sluit aan bij CrowdStrike's Cyber Superintelligence Lab.

George Kurtz: "Enterprises are deploying AI faster than they can prove it is secure. A model can be jailbroken, an agent can be manipulated, and most organizations have no way to find those flaws until the AI is already in production." — Nederlandse duiding: het testen gebeurt nu vaak pas als de agent al live staat en er iets misgaat.
Brad Palm (CEO Dreadnode): "AI fails in ways traditional testing was never designed to catch, and the people best equipped to find those failures think like attackers." — Nederlandse duiding: klassieke acceptatietests dekken dit gedrag niet; je hebt aanvallend testen nodig.
Hoe je zulke tests opzet voor eigen LLM-toepassingen, staat in de gids over [red teaming en veiligheidstests voor LLM-toepassingen](https://benchmark.llmnet.nl/red-teaming-en-veiligheidstests). De combinatie met observability is logisch: red teaming vertelt je wat er mis kan gaan, observability vertelt je wat er feitelijk gebeurt. Zonder het eerste mis je scenario's; zonder het tweede mis je de afwijkingen die niemand had voorspeld.

## Van testbevinding naar runtimebeleid

Wat de aankondigingen verbindt, is de route van testuitslag naar handhaving. Bevindingen uit Dreadnode-tests komen als beleidsaanbevelingen in Falcon Guardian terecht. Dat betekent concreet dat een geconstateerd aanvalspatroon niet in een rapport verdwijnt, maar een regel kan worden die tijdens runtime wordt geëvalueerd. Andersom levert observability het bewijs dat een regel ook daadwerkelijk aangrijpt.

Voor je eigen architectuur is dat een bruikbaar patroon, los van deze producten. Beschrijf per agent welke acties zijn toegestaan, welke tools hij mag aanroepen en welke gegevens hij mag lezen. Test die grenzen actief met aanvalsscenario's. Log vervolgens elke beslissing en elke tool-call met de invoer erbij, zodat je een afwijking kunt herleiden. De basis voor dat laatste staat in [prompt injection en jailbreaks uitgelegd](https://community.llmnet.nl/prompt-injection): alles wat een agent leest, kan invoer zijn die zijn gedrag stuurt.

Dat geldt ook voor wat een agent onderweg tegenkomt. Wie agent-security inricht, doet er goed aan te vertrekken van de aanname dat elke externe tekst — een document, een webpagina, een antwoord van een MCP-server — aanvalsinput kan zijn. Zie daarvoor [agent-security: alles wat je agent leest is aanvalsinput](https://radar.llmnet.nl/agent-security-augustus-2026). Datzelfde denken zie je terug bij leveranciers die misbruik van hun eigen modellen opsporen, zoals beschreven in [hoe OpenAI en Anthropic misbruik van hun modellen detecteren](https://nieuws.llmnet.nl/lab-misbruik-detectie-openai-anthropic). Ook AI-labs schalen hun eigen verdediging op; lees daarvoor [OpenAI's nieuwe securitysprint en hogere bug bounties](https://nieuws.llmnet.nl/openai-security-sprint-bug-bounty).

## De AI Kill Switch: eerst de gateway, later het endpoint

In het investor-relationsbericht staat de kern van de nieuwe noodstop: "AI Kill Switch: Terminates unauthorized agents in real time first at the Gateway, and soon on the endpoint, and blocks them from running again across the organization." Er is geen datum genoemd voor de endpoint-variant. De AI Gateway is nu algemeen beschikbaar en zit bij Guardian inbegrepen; die routeert AI-verkeer via een gecentraliseerde gateway om prompts en responses te inspecteren, gebruik te monitoren en beleid af te dwingen op beheerde en niet-beheerde apparaten. Guardian zelf is algemeen beschikbaar sinds september 2026.

De volgorde is belangrijk: gateway eerst, endpoint "soon". Voor de handhaving op endpoints is dus nog geen moment bekendgemaakt. Wie de aankondiging leest als "nu overal beschikbaar", loopt voor op de bron. De productclaim volgt de IR-tekst, niet de socialpost. De X-post van CrowdStrike over de Kill Switch (x.com/CrowdStrike/status/2117537184903238032, 3 november 2026) presenteert het als het bij de wortel beëindigen van agents, het blokkeren van herstart en het afsnijden van netwerktoegang. Dat is marketingtekst; de formele claim is wat in het IR-bericht staat.

Michael Sentonas (president CrowdStrike): "One control point isn't enough to stop that. It takes the agent, the network, and the endpoint, together." — Nederlandse duiding: de reden om op meerdere lagen te handhaven is dat elk controlepunt afzonderlijk blinde vlekken heeft.
Het IR-bericht onderbouwt die meerdere controlepunten met een concreet argument: agent-level hooks zien de prompt maar missen de response van het model; netwerkgerichte benaderingen kijken naar verkeer maar kunnen de actie niet stoppen, omdat de agent op het endpoint uitvoert; en wanneer een agent een lokaal of open-weight model draait dat nooit het netwerk raakt, gaan netwerkgerichte tools blind. Dat is precies de situatie waarin een kill switch nut heeft: niet als losse knop, maar als sluitstuk van beleid dat op meerdere plekken wordt geëvalueerd.

Bouw je zelf agents, dan is het ontwerpen van zo'n noodstop een eigen opgave. Drie vragen helpen. Waar kan een agent überhaupt nog tegengehouden worden — bij de aanroep, bij de tool, of bij de uitvoering op de machine? Wie mag beslissen dat een agent stopt, en hoe wordt die beslissing gelogd? En wat gebeurt er met taken die halverwege zijn afgebroken? Een kill switch die alleen het proces beëindigt maar geen spoor achterlaat, maakt het lastiger om te bepalen wat er is gebeurd. Zie voor de bouwstenen ook [harde kostenlimieten afdwingen: budgetcap, quota en kill switch](https://api.llmnet.nl/harde-kostenlimieten-afdwingen-budgetcap-quota-en-kill-switch).

## De rest van Falcon Guardian

Het IR-bericht noemt meer onderdelen van Falcon Guardian. Agent-Level Hooks handhaven beleid binnen Claude Code, OpenAI Codex, GitHub Copilot, Microsoft 365 Copilot, OpenCode en Cursor. SafeMind-Powered Detection richt zich op prompt injection, kwaadaardige instructies en persoonlijk identificeerbare informatie. AI Supply Chain Protection ontdekt kwaadaardige AI-skills en MCP-servers. Er is een Anthropic-integratie waarmee de Falcon-sensor in de Claude Cowork virtuele machine draait, geleverd in samenwerking met Anthropic. Nieuw zijn Endpoint Network Inspection (algemeen beschikbaar voor Windows, Mac in early access), Agentic Identity (identiteitsbewuste controles die gaan bepalen waar agents toegang toe krijgen) en Cloud Expansion (cloudworkloads, SaaS, gevirtualiseerde agents waaronder Claude Cowork, en cloud-agentframeworks waaronder AWS AgentCore).

Voor je eigen omgeving betekent Agentic Identity het meest tastbare werk: tokens en rollen voor agents horen zo smal mogelijk te zijn. Geef een agent geen credential die meer mag dan de taak vereist, en scheid credentials per agent in plaats van één brede sleutel te delen. Dat beperkt de impact wanneer een agent verkeerd wordt gestuurd, en het maakt logs leesbaarder omdat je kunt zien wie wat deed.

## Wat de overnames kosten (en wat niet bekend is)

CrowdStrike heeft geen prijs bekendgemaakt. De transactiedetails zijn in beide persberichten identiek geformuleerd: de koopprijs wordt naar verwachting grotendeels in contanten betaald en bevat een deel in aandelen dat onderhevig is aan vestingvoorwaarden; elke voorgenomen overname wordt verwacht te sluiten in het vierde kwartaal van boekjaar 2027, onder voorbehoud van gebruikelijke sluitingsvoorwaarden. De deals zijn dus nog niet afgerond.

Wat er wél circuleert, is een mediabericht. CyberScoop (Greg Otto, 3 november 2026) schrijft dat een rapport in The Wall Street Journal Fiddler op $400 miljoen en Dreadnode op $95 miljoen vermeldt. Dat zijn bedragen uit dat rapport, niet uit een mededeling van CrowdStrike. Samen gaat het volgens het WSJ-rapport om ongeveer $495 miljoen. Wie dit citeert, doet er goed aan de herkomst mee te geven: volgens The Wall Street Journal, zoals gemeld door CyberScoop.

Onderdeel | Status volgens de bronnen | 

Prijs Fiddler | $400 miljoen volgens The Wall Street Journal, zoals CyberScoop meldt; niet bekendgemaakt door CrowdStrike | 

Prijs Dreadnode | $95 miljoen volgens The Wall Street Journal, zoals CyberScoop meldt; niet bekendgemaakt door CrowdStrike | 

Betaalwijze | Grotendeels cash, plus een deel in aandelen met vestingvoorwaarden | 

Verwachte afronding | Vierde kwartaal boekjaar 2027 (Q4 FY27), onder gebruikelijke voorwaarden | 

Falcon Observe | Algemeen beschikbaar in Q4 FY27 | 

Automated AI Security Testing | Algemeen beschikbaar in Q4 FY27 | 

AI Kill Switch | Eerst op de Gateway; "soon" op het endpoint, zonder datum | 

## Wanneer het rond is

De verwachte afronding van beide overnames is CrowdStrike's vierde kwartaal van boekjaar 2027. Dat is dezelfde periode waarin Falcon Observe en Automated AI Security Testing algemeen beschikbaar moeten zijn. Tot die tijd zijn het voorgenomen overnames: er is een definitieve overeenkomst getekend, maar de transacties zijn nog niet gesloten en de gebruikelijke sluitingsvoorwaarden gelden.

Praktisch betekent dit dat je voorlopig moet plannen zonder deze functionaliteit in je stack, maar met de aanname dat observability en geautomatiseerd aanvallend testen in het Falcon-platform samenkomen. Wie nu al instrumentatie op OpenTelemetry bouwt, houdt de optie open om later aan te sluiten zonder zijn hele meetsysteem te vervangen.

## Waarom nu: agents als doelwit en als aanvaller

De timing valt samen met een breder beeld waarin agents niet alleen een aanvalsoppervlak zijn, maar ook een hulpmiddel voor aanvallers. GitBook meldde op 3 november 2026 op zijn statuspagina dat het "the target of a sophisticated, highly targeted attack using AI agents" was; op 2 november om 19:00 CET kreeg een aanvaller ongeoorloofde toegang tot een deel van de infrastructuurcredentials. Mogelijk geraakt: integratietokens, Git Sync-secrets, API-tokens en vragen die aan GitBook Assistant zijn gesteld. Er is geen bewijs dat content is gewijzigd. Gebruikers moeten hun GitBook API-tokens en third-party secrets roteren en, bij gebruik van de GitBook MCP-server, opnieuw authenticeren.

Dat patroon — tokens die toegang geven en daarna gebruikt worden — komt terug in het dreigingsbeeld rond cloudmodellen. Google Threat Intelligence Group beschrijft "LLMjacking": het monetariseren van gecompromitteerde toegang tot cloudmodellen met gestolen sleutels. Kosten voor slachtoffers kunnen oplopen tot $1 miljoen, in sommige gevallen meer dan $100.000 per dag. Bij de AWS API MCP Server speelde een kwetsbaarheid in tokenvalidatie, die is opgelost in versie 1.6.0 (gepubliceerd op 27 oktober).

Die drie voorbeelden wijzen dezelfde kant op: de zwakke plek zit vaak niet in het model, maar in de sleutels, tokens en verbindingen eromheen. Dat verklaart waarom een kill switch op gateway- én endpointniveau wordt aangekondigd, en waarom identiteitsbewuste controles voor agents in hetzelfde rijtje staan. Het verklaart ook waarom red teaming en observability samen worden aangekondigd: je wilt weten wat een agent kan doen voordat hij het doet, en je wilt kunnen uitleggen wat hij deed nadat hij het heeft gedaan.

## Wat dit betekent voor bouwers in Nederland en Europa

De aankondigingen zijn Amerikaans en de producten komen in een Amerikaans boekjaarritme beschikbaar. Voor teams hier verandert dat de planning, niet de opgave. Wie agents in productie heeft, krijgt te maken met vragen van security, compliance en soms het bestuur: wat doet deze agent, welke gegevens raakt hij aan, en kun je dat aantonen. De aankondigingen leveren een vocabulaire voor die vragen — traceerbaarheid, gedragsverantwoording, auditbare governance — maar geen kant-en-klare oplossing voor je eigen architectuur.

Het meest bruikbare inzicht is de scheiding tussen testen en observeren. Testen zegt wat er mis kan gaan; observeren zegt wat er feitelijk gebeurt. Beide zijn nodig, en beide vragen om instrumentatie die je zelf in de hand hebt. Bouw je op OpenTelemetry, dan blijf je flexibel. Leg je bevindingen vast op een manier die aansluit bij OWASP, MITRE ATLAS of NIST AI RMF, dan kun je later aanschuiven bij wat leveranciers aanbieden zonder je rapportage opnieuw in te richten.

Reken daarbij op een langzame uitrol. De kill switch op endpoints heeft nog geen datum. De overnames moeten nog sluiten. De functionaliteit die eruit voortkomt, is in Q4 FY27 voorzien als algemeen beschikbaar. Plan dus met wat je vandaag zelf kunt bouwen: beperkte tokens per agent, logging van beslissingen en tool-calls, een noodstop die je zelf kunt activeren, en tests die je zelf kunt draaien.

## Praktische checklist

- Breng in kaart welke agents in je omgeving draaien en welke credentials, tools en gegevensbronnen ze gebruiken.

- Beperk tokens en rollen per agent tot wat de taak nodig heeft; deel geen brede sleutels tussen agents.

- Log per agent welke beslissingen, tool-calls en invoer tot een actie leidden, zodat je een afwijking kunt herleiden.

- Test voor productie met aanvalsscenario's: jailbreaks, prompt injection, multi-turn aanvallen en agent-specifieke patronen.

- Rangschik bevindingen en map ze op bekende kaders zoals OWASP Top 10 for LLMs, OWASP Agentic Security, MITRE ATLAS en NIST AI RMF.

- Vertaal testbevindingen naar runtimebeleid in plaats van naar een rapport dat in een la verdwijnt.

- Ontwerp een noodstop die op meer dan één laag kan aangrijpen en die de stop zelf logt.

- Houd rekening met agents die lokale of open-weight modellen draaien en daardoor buiten netwerkgerichte controles vallen.

- Monitor tokengebruik en uitgaven per agent of workflow, en koppel daar waar nodig een harde limiet aan.

- Herzie sleutels en secrets periodiek, en direct na elk incident waarbij tokens mogelijk zijn blootgesteld.

De drie aankondigingen van 3 november 2026 zijn afzonderlijk te lezen en afzonderlijk te plannen. De Fiddler-overname brengt observability en uitlegbaarheid naar Falcon onder de naam Falcon Observe. De Dreadnode-overname brengt geautomatiseerd aanvallend testen met meer dan 100 bekende aanvalsstrategieën. De AI Kill Switch is eerst op de Gateway beschikbaar en "soon" op het endpoint, zonder datum. De prijzen zijn niet door CrowdStrike bekendgemaakt; de bedragen van $400 miljoen en $95 miljoen komen uit een WSJ-rapport zoals CyberScoop dat meldt. Beide overnames worden verwacht te sluiten in Q4 FY27 en zijn nog niet afgerond.

Voor bouwers is de praktische les dat observability en red teaming elkaar aanvullen, en dat de noodstop pas waarde krijgt als je weet wat je precies stopt. Begin bij de instrumentatie en de tokens. De rest volgt daarna.

Gecontroleerd op 2026-11-04.

Dit bericht is samengesteld met AI-ondersteuning en redactioneel gecontroleerd; bronnen staan hieronder.

Lees ook: [Claude koppelt connectors nu automatisch: IdP-variant GA, Claude-issued in bèta](https://nieuws.llmnet.nl/claude-plugins-auto-connect-mcp)

## Bronnen

- CrowdStrike-persbericht over de voorgenomen overname van Fiddler AI en Falcon Observe: [https://www.crowdstrike.com/en-us/press-releases/crowdstrike-to-acquire-fiddler-to-deliver-agent-observability/](https://www.crowdstrike.com/en-us/press-releases/crowdstrike-to-acquire-fiddler-to-deliver-agent-observability/)

- CrowdStrike-persbericht over de voorgenomen overname van Dreadnode en Automated AI Security Testing: [https://www.crowdstrike.com/en-us/press-releases/crowdstrike-to-acquire-dreadnode-advance-ai-trust/](https://www.crowdstrike.com/en-us/press-releases/crowdstrike-to-acquire-dreadnode-advance-ai-trust/)

- CrowdStrike investor relations: "CrowdStrike Delivers AI Security and Safety for the Enterprise" (Falcon Guardian en AI Kill Switch): [https://ir.crowdstrike.com/news-releases/news-release-details/crowdstrike-delivers-ai-security-and-safety-enterprise/](https://ir.crowdstrike.com/news-releases/news-release-details/crowdstrike-delivers-ai-security-and-safety-enterprise/)

- CyberScoop (Greg Otto, 3 november 2026) over beide overnames en de prijsvermelding uit The Wall Street Journal: [https://cyberscoop.com/crowdstrike-acquires-fiddler-dreadnode-ai-security/](https://cyberscoop.com/crowdstrike-acquires-fiddler-dreadnode-ai-security/)

- CrowdStrike X-post over de AI Kill Switch: [https://x.com/CrowdStrike/status/2117537184903238032](https://x.com/CrowdStrike/status/2117537184903238032)

- CrowdStrike X-post over Dreadnode: [https://x.com/CrowdStrike/status/2117540788724785222](https://x.com/CrowdStrike/status/2117540788724785222)

- GitBook statuspagina over het security-incident van 3 november 2026: [https://www.gitbook.com/status/security-incident-2026-11-03](https://www.gitbook.com/status/security-incident-2026-11-03)

- Google Cloud Threat Intelligence over LLMjacking: [https://cloud.google.com/blog/topics/threat-intelligence/llmjacking-monetizing-compromised-cloud-models/](https://cloud.google.com/blog/topics/threat-intelligence/llmjacking-monetizing-compromised-cloud-models/)