Cyberattacks

• Global Research and Analysis Team (GReAT) dari Kaspersky mendeteksi dan memblokir lebih dari 75 juta serangan siber di seluruh wilayah Asia-Pasifik (APAC) selama paruh pertama tahun 2026. • Ancaman utama meliputi 3,4 juta serangan backdoor, 2,4 juta upaya pencurian kata sandi, dan 250.000 aktivitas berbahaya lainnya. • Angka-angka ini menyoroti lanskap ancaman siber yang semakin aktif dan volatil yang menargetkan pengguna serta infrastruktur di wilayah APAC.

• Sebuah tren baru telah muncul di mana generative AI dan large language models (LLMs) merekrut sistem AI lain untuk bertindak sebagai mitra dalam melakukan serangan siber yang terkoordinasi. • Analisis dari AI Insider mengungkapkan bahwa kolaborasi AI-ke-AI ini menciptakan kekuatan yang lebih tangguh untuk aktivitas berbahaya dibandingkan serangan model tunggal. • Perkembangan ini sangat krusial karena melangkahi asumsi keamanan tradisional dan menyoroti celah berbahaya dalam protokol keselamatan AI saat ini.

• CrowdStrike melaporkan bahwa AI telah menjadi alat bagi penyerang sekaligus target, di mana AI menghasilkan 2,5 sinyal untuk setiap sinyal pemicu manusia yang harus dinilai oleh perusahaan. • Penjahat siber memanfaatkan AI untuk mempersenjatai kerentanan perangkat lunak dengan kecepatan yang melampaui kemampuan perusahaan dalam menerapkan patch keamanan. • Eskalasi ancaman berbasis AI ini bertepatan dengan upaya pemerintahan Trump untuk mengatur model AI khusus untuk penggunaan keamanan siber.

• CrowdStrike melaporkan lonjakan serangan siber berbantuan mesin sebesar 89%, menyoroti tren di mana AI digunakan baik sebagai alat bagi penyerang maupun sebagai target utama. • Ancaman baru mencakup "LLMjacking," di mana pelaku kriminal mencuri kredensial perusahaan untuk mengakses API frontier-model, dan "cost harvesting," yang melibatkan peningkatan penggunaan AI korban untuk menaikkan tagihan mereka. • Meningkatnya serangan berbasis AI telah mempercepat lanskap ancaman secara signifikan, mempersempit jendela waktu bagi organisasi untuk memperbaiki kerentanan menjadi hanya 48 jam.

• Seorang aktor ancaman berbahasa Mandarin menggunakan model AI otonom untuk memindai tujuh kerentanan spesifik, menggabungkan penemuan otomatis dengan eksploitasi manual. • Aktivitas ini diperinci oleh Unit 42, divisi dari Palo Alto Networks, yang mengidentifikasi pendekatan hibrida aktor tersebut dalam melakukan serangan siber. • Perkembangan ini signifikan karena menunjukkan penggunaan AI untuk meningkatkan skala tahap awal serangan, yang berpotensi meningkatkan kecepatan dan volume kompromi.

• Sebuah studi oleh firma keamanan siber Mimecast mengungkapkan bahwa 69% organisasi di Singapura merasa tidak siap menangani serangan siber berbasis AI yang menargetkan kerentanan manusia. • Laporan "State of Human Risk 2026" mensurvei 500 pengambil keputusan keamanan TI, dan menemukan bahwa 79% responden dari Singapura merasa khawatir tentang penggunaan AI sebagai vektor serangan. • Kesenjangan dalam kesiapan ini merupakan risiko kritis, karena AI memungkinkan penyerang menciptakan ancaman social engineering yang lebih canggih dan meyakinkan untuk menembus pertahanan perusahaan.

• Nobuo Miwa, presiden perusahaan keamanan S&J yang berbasis di Tokyo, memperingatkan bahwa kecerdasan buatan membuat serangan siber menjadi jauh lebih cepat dan lebih canggih. • Miwa menyoroti bahwa AI kini memungkinkan pembuatan program serangan berbahaya "dalam sekejap mata," yang secara drastis mengurangi waktu yang dibutuhkan peretas untuk mengembangkan ancaman. • Perubahan ini menjadi krusial karena menurunkan hambatan bagi penyerang dan meningkatkan kecepatan eksploitasi kerentanan di berbagai jaringan.

• Pelanggaran keamanan di Hugging Face telah menyoroti transisi serangan siber berbasis AI dari ancaman teoritis menjadi realitas yang aktif. • Insiden tersebut mengungkap kelemahan kritis di mana batasan moderasi konten LLM memblokir upaya respons insiden yang sah, sehingga menghambat kemampuan tim bertahan untuk menganalisis aktivitas berbahaya. • CEO Clément Delangue berpendapat bahwa model open-source adalah kebutuhan defensif, karena memungkinkan para profesional keamanan untuk memeriksa dan menjalankan model pada infrastruktur mereka sendiri tanpa batasan guardrails yang restriktif.