Serangan siber yang didukung AI adalah tindakan intrusi di mana alat-alat kecerdasan buatan membantu satu atau lebih tahap, seperti pengintaian, pemindaian kerentanan, pembuatan konten phishing, atau pembuatan kode, bukan serangan yang direncanakan dan dijalankan oleh model AI tanpa arahan manusia. Peringatan dari OpenAI dan Anthropic menjelaskan model yang dibantu ini, bukan penyerang AI otonom. |
|---|
Poin-Poin Penting
- OpenAI dan Anthropic bergabung dengan lebih dari 100 perusahaan lain dalam memperingatkan bahwa AI menurunkan ambang batas keterampilan untuk serangan siber
- CrowdStrike mendokumentasikan sebuah kampanye yang didukung AI terhadap bank-bank Korea Selatan yang menggunakan perangkat ARTEX yang dibangun di atas backend DeepSeek, dengan riwayat sesi Claude Code juga turut ditemukan
- Langkah-langkah pencegahan, termasuk pembersihan berkas dan analisis pra-eksekusi, dapat mengurangi risiko terpapar malware yang dihasilkan oleh AI, namun upaya deteksi dan respons tetap diperlukan sebagai pelengkapnya
- Para pemimpin bidang keamanan dapat segera mengambil tindakan: memprioritaskan kerentanan berisiko tinggi yang terpapar, memperketat kontrol akses, memeriksa dan membersihkan berkas yang tidak terpercaya, menguji sistem pertahanan yang ada, serta memastikan kesiapan dalam menanggapi insiden
- OpenAI dan Anthropic dilaporkan sedang mensimulasikan skenario “hari berikutnya” terkait reaksi negatif publik setelah serangan besar-besaran yang didukung AI, meskipun hal ini belum dikonfirmasi jadwal OpenAI
Apa yang Sebenarnya Sedang Direncanakan oleh OpenAI dan Anthropic
OpenAI dan Anthropic memandang serangan siber berskala besar yang didukung AI sebagai bagian dari upaya kesiapsiagaan. Pada Agustus 2026, kedua perusahaan tersebut bergabung dengan lebih dari 100 organisasi lain dalam menandatangani surat terbuka yang memperingatkan bahwa AI sedang mengikis hambatan biaya dan keterampilan yang dulu menghambat para penyerang, serta menyerukan kepada para pertahanan untuk mengatasi kerentanan dan kesalahan konfigurasi yang telah mereka akumulasikan sebelum pergeseran tersebut semakin cepat. Surat tersebut menggambarkan hal ini sebagai risiko bersama bagi setiap organisasi yang mengoperasikan infrastruktur yang terpapar, bukan hanya target-target yang menonjol.
Kesiapan tersebut juga mencakup ekspektasi perusahaan terhadap reaksi masyarakat. Menurut Axios, OpenAI dan Anthropic secara tertutup sedang menyusun rencana “hari berikutnya”, strategi komunikasi, dan pedoman tanggapan untuk menghadapi kemarahan publik yang akan muncul pasca serangan besar-besaran yang didukung AI, dengan sumber-sumber menyebutkan rentang waktu 6 hingga 12 bulan. Rentang waktu tersebut berasal dari sumber informasi Axios, bukan proyeksi yang diterbitkan oleh OpenAI sendiri, dan OpenAI telah menyatakan bahwa skenario kesiapannya tersebut bukanlah hasil yang pasti terjadi.
Bagi para pemimpin bidang keamanan, perbedaannya tidak sepenting arah yang diambil. Entah rentang waktunya enam bulan atau dua tahun, perusahaan-perusahaan yang mengembangkan sistem AI ini sudah memandang serangan yang dibantu AI sebagai realitas operasional dalam waktu dekat, dan hal ini sudah cukup menjadi alasan untuk memprioritaskan langkah-langkah pertahanan yang akan dibahas nanti.
Di Mana Serangan yang Didukung AI Sudah Mulai Muncul
Bukti adanya serangan yang didukung AI sudah ada, terlepas dari peringatan mengenai apa yang mungkin terjadi selanjutnya. Kasus publik yang paling jelas adalah kampanye serangan terhadap lembaga keuangan Korea Selatan yang didokumentasikan oleh CrowdStrike dalam penelitian mengenai seperangkat alat yang disebut ARTEX oleh perusahaan tersebut.
Laporan CrowdStrike menemukan bahwa pelaku ancaman tersebut menggunakan ARTEX, sebuah kerangka kerja yang sebagian besar dibangun di atas backend DeepSeek, bersama dengan riwayat sesi Claude Code yang ditemukan di infrastruktur penyerang yang sama. Laporan tersebut juga menyatakan bahwa jumlah organisasi yang terkena dampak masih belum dapat dipastikan.
Penelitian tersebut tidak menyebutkan nama produk antivirus tertentu yang gagal mendeteksi aktivitas tersebut, dan tidak memberikan dasar untuk memperkirakan skala insiden di masa depan. Data yang ada menunjukkan adanya kombinasi berbagai alat di balik satu kampanye yang tercatat, bukan konfirmasi bahwa ada satu model AI tertentu yang melaksanakan setiap tahap serangan.
Namun, surat industri bulan Agustus 2026 yang dikeluarkan oleh OpenAI, Anthropic, dan lebih dari 100 organisasi lainnya justru mengungkapkan kekhawatiran mengenai arah yang mungkin diambil oleh serangan yang didukung AI, alih-alih serangan apa saja yang telah teramati.
Perubahan Apa yang Ditimbulkan oleh AI Terkait Serangan Siber
AI mengubah dinamika ekonomi suatu serangan: AI memangkas waktu dan keahlian yang dulu dibutuhkan pada setiap tahap. Penelitian kerentanan adalah contoh yang paling jelas. Alat-alat AI dapat memindai kode dan konfigurasi untuk mencari kelemahan lebih cepat daripada seorang analis yang bekerja sendirian, lalu menyusun kode eksploitasi begitu kelemahan tersebut teridentifikasi. Hal ini mempersingkat proses yang dulu membutuhkan waktu berhari-hari bagi tim yang ahli.
Koordinasi antar tahap merupakan perubahan kedua. Kampanye ARTEX yang dijelaskan di atas menunjukkan bahwa alat-alat AI membantu proses pengintaian, perancangan, dan pelaksanaan dalam satu operasi, menghubungkan langkah-langkah yang sebelumnya memerlukan tim dengan keahlian yang beragam dan dikembangkan secara terpisah.
Secara keseluruhan, kemampuan-kemampuan ini mengindikasikan adanya lebih banyak upaya serangan dan siklus iterasi yang lebih cepat dari para penyerang. Hal itu merupakan interpretasi yang didasarkan pada penelitian CrowdStrike dan kekhawatiran yang diungkapkan dalam surat industri tersebut, bukan angka pasti mengenai serangan-serangan baru.
Surat Surat terbuka yang dipimpin oleh OpenAI berpendapat bahwa kemampuan AI yang mendasarinya dapat membantu pihak pertahanan mengatasi kerentanan dan kesalahan konfigurasi yang telah terakumulasi, dengan mengotomatiskan proses triase, verifikasi patch, dan analisis log dalam skala yang sulit dicapai oleh tim keamanan hanya dengan mengandalkan jumlah personel. Alat serangan dan alat pertahanan sama-sama berkembang berdasarkan teknologi yang sama.
Mengapa Pencegahan Harus Melengkapi Deteksi
Mendeteksi ancaman dan menghilangkan potensi bahaya adalah dua fungsi keamanan yang berbeda. Serangan yang didukung AI membuat perbedaan tersebut menjadi penting: sebuah organisasi yang hanya mengandalkan deteksi berarti bertaruh bahwa setiap serangan akan mirip dengan yang pernah mereka temui sebelumnya.
Deteksi vs. Pencegahan: Apa Sebenarnya Fungsi Masing-Masing
- Deteksi mengidentifikasi perilaku berbahaya, biasanya setelah sebuah berkas atau tindakan sudah ada di lingkungan tersebut, dengan mencocokkannya terhadap tanda tangan yang sudah diketahui, heuristik, atau model perilaku
- Pencegahan menghilangkan atau membatasi apa yang dapat dilakukan oleh sebuah berkas sebelum berkas tersebut dijalankan, terlepas dari apakah mesin pendeteksi mengenali berkas tersebut sebagai ancaman
Sistem deteksi hanya dapat mendeteksi apa yang telah dilihatnya atau yang telah dilatih untuk dikenali. Sistem pencegahan tidak perlu mengenali suatu ancaman untuk menetralisirnya.
Di Mana Teknologi Deep CDR™ Dapat Digunakan
Teknologi Deep CDR™ adalah teknologi penonaktifan dan rekonstruksi konten kami. Alih-alih memindai file untuk mencari pola berbahaya yang sudah diketahui, teknologi ini menghilangkan konten aktif dan membangun kembali file tersebut menjadi versi yang bersih dan dapat digunakan, yang berarti teknologi ini mencakup file-file yang belum memiliki tanda tangan (signature) di mesin deteksi.
Hal ini juga mencakup serangan yang secara langsung menargetkan sistem AI. Dalam serangan EvilFont, sebuah font khusus mengubah cara tampilan dokumen bagi pembaca manusia dibandingkan dengan apa yang diekstraksi oleh model AI dari berkas yang sama, tanpa adanya struktur yang rusak atau tanda khas yang dapat dideteksi. Teknologi Deep CDR™ menghilangkan font yang tertanam selama proses rekonstruksi, sehingga menggagalkan serangan tersebut terlepas dari apakah font tersebut dikenali sebagai berbahaya atau tidak.
Teknologi Deep CDR™ merupakan salah satu lapisan dalam rangkaian kontrol pelengkap yang lebih luas:
- Pemeriksaan berkas menganalisis jenis dan struktur berkas sebelum berkas tersebut dianggap dapat dipercaya
- Analisis pra-eksekusi mengevaluasi perilaku dalam lingkungan terkendali sebelum sebuah berkas sampai ke pengguna
- Teknologi Deep CDR™ menghapus atau memulihkan segala sesuatu yang aktif dalam berkas tersebut, terlepas dari apakah hal tersebut ditandai sebagai berbahaya
- Deteksi dan penanggulangan tetap diperlukan untuk risiko yang sama sekali tidak datang dalam bentuk berkas
Alasan di Balik Pendekatan Keamanan yang Mengutamakan Pencegahan
Kasus berlapis ini merupakan inti dari argumen dalam Cybersecurity Upside Down, buku karya pendiri dan CEO OPSWAT , Benny Czarny. Buku ini berpendapat bahwa strategi keamanan yang dibangun berdasarkan asumsi deteksi semakin tidak mampu bersaing karena alasan sederhana: berkas—baik yang dibuka oleh karyawan maupun yang diterima melalui email—tidak pernah sepenuhnya ditangani hanya dengan deteksi, terlepas dari apakah berkas tersebut dihasilkan oleh AI atau tidak.
Pandangan tersebut lebih penting daripada klaim kecepatan apa pun. Baik penyerang menggunakan AI untuk membuat malware maupun menulisnya secara manual, risikonya tetap sama: sebuah file masuk ke sistem sebelum ada yang mengevaluasi apakah file tersebut aman. Langkah-langkah pencegahan menghilangkan risiko tersebut, terlepas dari cara file tersebut dibuat.
Di Mana Aether™ dari MetaDefender Cocok Digunakan
Teknologi Deep CDR™ dirancang untuk menghasilkan salinan file yang aman dan telah diperbarui, namun ada tiga situasi yang memerlukan pendekatan berbeda.
- Beberapa organisasi harus menyimpan berkas asli yang belum diubah karena alasan hukum, kepatuhan, atau forensik, dan salinan yang dibuat ulang—sesuai rancangannya—bukanlah berkas tersebut
- File yang dapat dieksekusi, penginstal, dan skrip memang dirancang untuk aktif; oleh karena itu, menghapus konten aktifnya akan menghilangkan fungsi yang dibutuhkan pengguna, dan hal ini memerlukan keputusan, bukan pembaruan.
- Sebuah berkas yang telah dibersihkan juga, dengan sendirinya, tidak memberikan informasi kepada tim keamanan mengenai apa ancaman tersebut, dari mana asalnya, atau apakah ancaman itu merupakan bagian dari kampanye yang lebih luas
MetaDefender Aether™ mengatasi ketiga hal tersebut dengan menganalisis file tanpa mengubahnya. Ini adalah solusi deteksi zero-day berlapis lima kami, yang dirancang untuk malware baru dan sulit dideteksi yang terlewatkan oleh deteksi berbasis tanda tangan. Lapisan Analisis Statisnya menggunakan Predictive Alin AI untuk memprediksi niat jahat sebelum eksekusi, tanpa memerlukan tanda tangan atau proses detonasi. File yang dipastikan bersih dengan tingkat keyakinan tinggi disetujui dalam hitungan milidetik, file berbahaya dengan tingkat keyakinan tinggi diblokir, dan file yang tidak pasti diteruskan ke Analisis Dinamis dalam lingkungan sandbox berbasis emulasi. Serangan zero-day yang terkonfirmasi di sana dikembalikan ke Predictive Alin AI, sehingga setiap kasus memperkuat kemampuan deteksi di masa mendatang.
MetaDefender Aether juga memungkinkan tim memilih antara kecepatan dan kedalaman. Analisis yang berfokus pada kecepatan memberikan hasil dalam waktu sesingkat mungkin, yang cocok untuk aliran file dalam volume besar, sedangkan analisis mendalam lebih mengutamakan penggalian indikator-indikator kompromi sebanyak mungkin daripada waktu pemindaian, yang cocok untuk penyelidikan dan respons.
LLM Scanning menerapkan pendekatan yang sama pada AI itu sendiri; MetaDefender Aether mendeteksi ancaman yang tersembunyi dalam berkas model tanpa menjalankan kodenya, serta memeriksa LLM yang sedang aktif untuk mendeteksi injeksi prompt dan pengungkapan data sensitif, sehingga tim yang mengintegrasikan model open-source dan pihak ketiga ke dalam lingkungan mereka dapat memperlakukan model-model tersebut sebagai berkas yang tidak tepercaya. Jika digunakan bersama-sama, Teknologi Deep CDR™ menetralkan bagian yang aman untuk dibangun ulang, sedangkan MetaDefender Aether menganalisis bagian yang harus tetap utuh.
Apa yang Dapat Dilakukan Para Pemimpin Keamanan Saat Ini
Para pemimpin bidang keamanan tidak perlu menunggu adanya serangan berbasis AI yang telah dikonfirmasi untuk bertindak. Organisasi-organisasi yang sama yang menandatangani surat bersama industri pada Agustus 2026 tersebut menyoroti lima bidang yang sudah dipantau oleh sebagian besar tim keamanan, meskipun tidak ada satupun di antaranya yang menjadi prioritas belakangan ini.
- Perbaiki terlebih dahulu kerentanan yang telah terungkap dan berisiko tinggi: Sistem yang terhubung ke internet serta kerentanan yang diketahui telah dieksploitasi memberikan keuntungan terbesar bagi penyerang. Pastikan bahwa tindakan perbaikan benar-benar berhasil, jangan hanya menandai tiket tersebut sebagai “telah diselesaikan”.
- Kurangi izin yang berlebihan: Perketat kontrol akses agar satu akun yang diretas atau upaya phishing yang dibantu AI tidak dapat menjangkau sistem-sistem penting.
- Periksa dan bersihkan berkas yang tidak terpercaya sebelum digunakan: Anggap vektor serangan berbasis berkas, seperti lampiran email, unduhan, dan media penyimpanan portabel, sebagai hal yang mencurigakan secara default.
- Uji sistem pertahanan yang ada secara rutin: Siklus pengujian yang tidak teratur membuat kelemahan yang sudah diketahui tetap terekspos lebih lama daripada yang disadari oleh kebanyakan tim.
- Pastikan kesiapan dalam menanggapi insiden dan pemulihan: Pastikan rencana tanggap insiden memperhitungkan rentang waktu serangan yang lebih cepat dan didukung AI, bukan hanya kampanye serangan yang lebih lambat—yang menjadi dasar sebagian besar rencana tersebut.
Kongres AS belum mengesahkan persyaratan keamanan AI yang mengikat, dan usulan “kill switch” yang telah dibahas hingga tahun 2026 masih terhenti. Itulah satu alasan lagi untuk segera mengambil tindakan terkait lima hal ini daripada menunggu kebijakan resmi yang mungkin baru akan terwujud bertahun-tahun kemudian.
Tim keamanan tetap harus melindungi hal-hal yang menjadi sasaran serangan yang didukung AI: berkas, titik akses, dan data yang mengalir melalui sistem mereka. Kami mengintegrasikan mekanisme pemeriksaan, pembersihan, dan kontrol akses pada titik-titik di mana konten yang tidak terpercaya masuk ke dalam organisasi, termasuk email, transfer berkas, media penyimpanan yang dapat dilepas, dan unduhan dari web.
Jika Anda ingin mengetahui di mana aturan-aturan tersebut berlaku terhadap jenis berkas dan titik masuk yang benar-benar ditangani oleh organisasi Anda, tim kami dapat memandu Anda melalui proses penilaian alur kerja.
