ITSEC Asia (IDX: CYBR) Peringatkan Peningkatan Serangan Siber Berbasis AI, Agen AI Otonom Mempermudah Aksi Kejahatan Siber

Kasus lainnya adalah Scarlet Loop, yang berfokus pada pengambilalihan akun secara otomatis dan pencurian aset finansial. Infrastruktur operasi ini dilaporkan telah memindai 84.660 URL di 107 negara dan 47 sektor industri, serta mengidentifikasi 6.171 domain bernilai tinggi. Sasarannya mencakup akun yang menyimpan nilai finansial, seperti dompet digital, program loyalitas dan berbagai fasilitas penghargaan karyawan.

Whitepaper ini juga membahas ARTEX, sebuah kerangka kerja yang mengkoordinasikan sejumlah agen AI untuk melakukan pemetaan target, pemindaian kerentanan dan eksploitasi sistem. Selain itu, terdapat CAIRN, sebuah platform otonom yang dikaitkan dengan serangan terhadap lebih dari 1.200 situs web dan pencurian lebih dari 600.000 data kartu pembayaran aktif berdasarkan laporan yang dikutip dalam penelitian.

Kasus kelima mencakup serangkaian insiden siber yang menimpa sejumlah organisasi di Jepang pada periode September hingga Oktober 2026. Sekitar 36,55 juta akun dan data pelanggan berpotensi terdampak di berbagai organisasi. Insiden tersebut memperlihatkan kerentanan pada infrastruktur cloud yang digunakan bersama, akses pihak ketiga dan layanan digital yang saling terhubung. Namun, penelitian ini tidak menyimpulkan bahwa AI terlibat dalam setiap insiden tersebut.

Kelima kasus ini menunjukkan bahwa ancaman siber kini dapat menyasar berbagai area bisnis, mulai dari lingkungan cloud, akun pelanggan dan transaksi keuangan hingga basis data serta sistem AI perusahaan.

Perusahaan Perlu Bersiap Menghadapi Ancaman yang Bergerak Lebih Cepat

Penelitian ITSEC Asia mengidentifikasi kompromi terhadap identitas digital di lingkungan cloud sebagai salah satu risiko dengan prioritas tertinggi. Penyerang dapat memanfaatkan kredensial yang dicuri dan hak akses yang terlalu luas untuk masuk ke sumber daya cloud serta berpindah dari satu sistem ke sistem lainnya, bahkan tanpa harus menggunakan malware konvensional.

Infrastruktur AI perusahaan juga mulai menjadi sasaran. Ketika semakin banyak organisasi bergantung pada model AI, kumpulan data pelatihan dan pipeline machine learning, aset-aset tersebut menghadapi risiko pencurian, pemerasan hingga penghancuran.

Untuk mengantisipasi risiko tersebut, ITSEC Asia merekomendasikan penguatan pertahanan organisasi melalui empat area. Pertama, meningkatkan kemampuan deteksi ancaman berbasis perilaku dengan teknologi seperti Extended Detection and Response (XDR) dan User and Entity Behavior Analytics (UEBA). Kedua, menerapkan prinsip keamanan Zero Trust untuk memperkuat verifikasi identitas, membatasi hak akses dan mencegah perpindahan tanpa izin di dalam sistem.

Ketiga, organisasi perlu meningkatkan otomatisasi dalam penanganan insiden melalui Security Orchestration, Automation and Response (SOAR), sehingga tim keamanan dapat mengisolasi dan menangani ancaman dengan lebih cepat. Keempat, menerapkan praktik keamanan khusus untuk sistem machine learning melalui Machine Learning Security Operations (MLSecOps) guna melindungi model AI, data pelatihan dan infrastruktur pendukungnya.