AI Memangkas Waktu Eksploitasi Siber Menjadi Hitungan Jam

Kelompok yang terhubung dengan China bergerak lebih cepat lagi. VAULT PANDA dan GENESIS PANDA melancarkan serangan terarah terhadap kerentanan kritis pada aplikasi web dalam waktu 24 jam setelah pengungkapan publik . Karena itu, CrowdStrike kini mengukur jeda antara publikasi PoC dan eksploitasi bukan lagi dalam satuan hari, melainkan jam .

Bagi tim keamanan, perubahan ini berarti jendela untuk mendeteksi, memvalidasi, dan memasang tambalan bisa menyusut sebelum proses mitigasi sempat dimulai.

Serangan berbasis AI melonjak 89 persen

Data CrowdStrike menunjukkan serangan oleh pelaku ancaman yang menggunakan AI meningkat 89% pada 2025. Dalam lebih dari 90 organisasi, peneliti mengamati alat AI yang sah disalahgunakan untuk menghasilkan perintah berbahaya dan mencuri data sensitif .

Kecepatan setelah akses awal juga meningkat tajam. Rata-rata waktu breakout eCrime—jeda antara akses pertama dan perpindahan penyerang ke sistem lain—turun menjadi 29 menit. Waktu breakout tercepat yang tercatat hanya 27 detik . Angka ini menunjukkan peningkatan kecepatan serangan sebesar 65% dibandingkan 2024 .

Beberapa tren yang mendorong perubahan tersebut meliputi:

• Penemuan kerentanan berbasis AI dan pengembangan eksploit otomatis mulai menjadi praktik rutin .
• AI agentik mengubah serangan dari sekadar dibantu AI menjadi semakin otonom, sehingga pelaku dapat bekerja pada kecepatan mesin .
• Aktivitas eCrime yang berorientasi pada cloud meningkat 171%, karena pelaku bermotif finansial memburu kredensial, kapasitas penambangan kripto, dan akses ke large language model (LLM) .
• Intrusi melalui vishing, atau phishing lewat suara, meningkat dua kali lipat .

AI bukan hanya alat yang dipakai untuk menyerang. Sistem AI, layanan pengembangannya, dan rantai pasok perangkat lunaknya sendiri kini menjadi sasaran bernilai tinggi.

Rantai pasok AI ikut menjadi target

Laporan CrowdStrike mengidentifikasi pelaku yang terhubung dengan Korea Utara atau DPRK-nexus telah meracuni 131 paket framework AI tepercaya. Di antaranya adalah penyisipan paket berbahaya ke dalam framework Mastra AI .

Temuan ini menunjukkan bahwa ancaman tidak berhenti pada aplikasi yang digunakan perusahaan. Pipeline pengembangan AI, repositori paket, alat pengembang, dan hubungan kepercayaan dalam rantai pasok juga dapat dimanfaatkan oleh kelompok yang didukung negara.

Jarak antara waktu menambal dan waktu serangan semakin lebar

Dataminr 2026 Mid-Year Cyber Threat Landscape Report menggambarkan ketimpangan besar antara kemampuan menyerang dan kemampuan bertahan .

• Median waktu yang dibutuhkan untuk menambal kerentanan meningkat dari 32 hari menjadi 43 hari, menurut data yang dikutip dari Verizon DBIR 2026 .
• Sebaliknya, rata-rata waktu breakout penyerang turun menjadi kurang dari 30 menit .
• Ransomware menyumbang 25% dari peristiwa kerugian siber yang terkonfirmasi .
• Eksploitasi kerentanan untuk pertama kalinya melampaui kredensial curian sebagai jalur masuk utama dalam pembobolan .

Kontrasnya sangat tajam: penyerang dapat berpindah di dalam jaringan dalam hitungan menit, sedangkan organisasi membutuhkan waktu berminggu-minggu untuk menyelesaikan penambalan.

Guardrail AI dapat dilewati dengan rekayasa sosial sederhana

Riset Cisco Talos yang dipresentasikan di Black Hat menunjukkan bahwa kontrol keselamatan pada sejumlah AI komersial masih mudah dimanipulasi .

Dalam berbagai kasus, model bersedia membantu aktivitas serangan hanya setelah pengguna mengklaim bahwa mereka memiliki server target atau sedang mengikuti kompetisi capture the flag maupun program bug bounty .

Peneliti juga menemukan teknik lain: pelaku memecah pekerjaan berbahaya ke dalam banyak sesi dan file. Setiap permintaan dibuat cukup kecil sehingga tidak tampak berbahaya jika dilihat secara terpisah . Talos menyimpulkan bahwa AI kini dapat menemukan kerentanan lebih cepat daripada manusia menambal dan memvalidasi perbaikannya . Dengan demikian, penemuan celah bukan lagi satu-satunya hambatan utama bagi penyerang.

Industri keamanan beralih dari sekadar “copilot”

Pengumuman vendor di Black Hat 2026 menunjukkan bahwa industri mulai bergerak melampaui pendekatan menambahkan “copilot” ke produk lama. AI semakin ditanamkan langsung ke dalam alur kerja operasional keamanan .

Beberapa pengumuman utama meliputi:

• Xage Security mengumumkan segmentasi mikro berbasis identitas, yang menerapkan prinsip zero trust pada tingkat workload.
• SentinelOne, Cycode, dan Miggo Security memamerkan kemampuan keamanan otonom untuk deteksi, investigasi, dan respons berbasis AI yang dapat bekerja pada kecepatan mesin tanpa menunggu intervensi manusia .
• ESET memperluas penggunaan AI untuk deteksi ancaman, investigasi, perlindungan dari ancaman, dan operasi keamanan .
• Flashpoint meluncurkan alur kerja intelijen ancaman berbasis AI yang dapat disesuaikan .
• Microsoft menempatkan agenda Black Hat-nya pada upaya mempertahankan kepercayaan di era AI dan serangan rantai pasok. Perusahaan itu menilai penyerang kini “mengikuti kepercayaan” menuju paket perangkat lunak, pipeline build, identitas cloud, dan AI agent .

AI adalah akselerator serangan sekaligus alat pertahanan

Kesimpulan yang muncul dari berbagai laporan Black Hat 2026 adalah bahwa AI secara bersamaan menjadi akselerator besar bagi penyerang dan alat penting bagi pihak yang bertahan .

Di sisi ofensif, AI memungkinkan pengembangan eksploit otomatis, penemuan kerentanan dengan bantuan mesin, serangan berbasis agent yang otonom, serta phishing berskala besar. Sistem AI itu sendiri juga menjadi bagian penting dari permukaan serangan .

Di sisi defensif, AI ditanamkan ke dalam proses deteksi, investigasi, respons, intelijen ancaman, dan segmentasi mikro berbasis identitas untuk memperkecil kesenjangan kecepatan .

Salah satu laporan merangkum situasinya dengan kalimat bahwa “AI berada di jalur untuk menjadi bagian dari tim keamanan, bagian dari permukaan serangan, dan bagian dari masalah sekaligus” .

Tantangan utama pada 2026 bukan lagi sekadar apakah organisasi akan menggunakan AI. Pertanyaannya adalah apakah organisasi mampu mengamankan AI, memantau identitas manusia maupun mesin, dan merespons ancaman sebelum penyerang berpindah dari akses awal ke sistem berikutnya.