Riset Keamanan Microsoft Ungkap Tantangan Baru dalam Pendeteksian Celah Menggunakan AI

Microsoft mengungkap tantangan baru dalam pemanfaatan teknologi kecerdasan buatan untuk mendeteksi dan memperbaiki celah keamanan perangkat lunak. Melalui penelitian yang dipublikasikan pada 7 Oktober 2026, tim Frontier Offensive Research & Generative Exploitation atau FORGE Lab menjelaskan bahwa kemampuan AI menemukan kerentanan kini berkembang semakin cepat. Namun, penemuan tersebut belum tentu langsung menghasilkan perbaikan yang dapat diterapkan secara aman. Proses validasi, penentuan prioritas, koordinasi dengan pengembang, dan pengujian pembaruan justru menjadi tantangan berikutnya. Riset ini menunjukkan bahwa keberhasilan keamanan siber berbasis AI tidak cukup diukur melalui banyaknya celah yang ditemukan, tetapi juga melalui efektivitas penanganannya.

Mengenal Penelitian FORGE Lab tentang Pendeteksian Celah Perangkat Lunak

Kajian terkini dari tim keamanan Microsoft menunjukkan bahwa perkembangan teknologi kecerdasan buatan semakin memengaruhi cara kerentanan perangkat lunak ditemukan. Berdasarkan penelitian tim FORGE, Microsoft menerapkan teknologi AI untuk analisis kerentanan yang mampu memeriksa bagian sistem yang berpotensi memiliki kelemahan. Dibandingkan dengan pemindaian berbasis pola sederhana, sistem berbasis AI dapat membantu menalar alur eksekusi program. Inovasi tersebut membuka peluang untuk memperluas cakupan pengujian sebelum menyebabkan gangguan keamanan. Walaupun menawarkan kemajuan, laporan yang dihasilkan model tetap membutuhkan pemeriksaan sebelum diproses untuk perbaikan.

Berdasarkan pemaparan FORGE Lab, Microsoft mengidentifikasi tiga perubahan penting dalam pendeteksian kerentanan otomatis. Aspek awal adalah upaya mengubah kemampuan eksperimen menjadi proses yang konsisten. Tantangan berikutnya berkaitan dengan pengelolaan sumber daya komputasi. Pada bagian terakhir, perubahan ketiga adalah pembentukan alur pemeriksaan berkelanjutan. Rangkaian tantangan ini menunjukkan bahwa efektivitas perlindungan perangkat lunak tidak hanya bergantung pada kecepatan pemindaian. Dengan kata lain, pengembang sebaiknya mengevaluasi apakah pembaruan berhasil diterapkan secara bertanggung jawab.

Cara Kerja Teknologi AI Microsoft dalam Menganalisis Kerentanan

Sistem yang digunakan dalam penelitian Microsoft adalah MDASH, yaitu kerangka pemindaian berbasis beberapa model AI. Teknologi tersebut dirancang untuk menggabungkan beberapa model kecerdasan buatan dalam rangkaian pengujian keamanan. Berkat pengelolaan agen, sebagian komponen dapat menelusuri lokasi program yang mencurigakan. Di sisi lain, sistem berikutnya dapat memeriksa kelayakan temuan. Pembagian pekerjaan ini dirancang memperbaiki efisiensi pemeriksaan kode. Namun demikian, validasi oleh tim keamanan tetap dibutuhkan untuk memastikan ketepatan laporan.

Dalam evaluasi keamanan yang diumumkan, penggunaan sistem tersebut berkontribusi pada penemuan kerentanan Windows yang tercatat sebanyak 140 CVE dalam masa penelitian dari Mei sampai September 2026. Dari jumlah tersebut, sebanyak 52 CVE ditangani dalam pembaruan keamanan September. Tidak hanya mempelajari komponen Windows, anggota FORGE menyampaikan 155 laporan yang mendapatkan validasi awal pada 23 proyek perangkat lunak sumber terbuka. Proyek yang diteliti mencakup kernel Linux dan berbagai perangkat lunak populer. Pencapaian penelitian ini menunjukkan peningkatan skala keamanan berbasis AI, tetapi bukan bukti bahwa semua temuan telah diumumkan. Kerentanan yang dideteksi tetap membutuhkan verifikasi lanjutan sesuai aturan proyek.

Tantangan Validasi Temuan AI dalam Penelitian Keamanan Microsoft

Salah satu tantangan terbesar dalam penerapan AI untuk keamanan adalah membedakan kerentanan nyata dari dugaan keliru. Agen penelitian otomatis mungkin memberikan dugaan kelemahan dengan penjelasan terperinci meskipun perilaku program tidak menunjukkan kerentanan. Situasi semacam ini dapat menghasilkan false positive sehingga waktu peneliti terbuang. Tidak hanya terkait akurasi, hasil pemeriksaan yang sama mungkin memperlambat penanganan masalah penting. Dengan mempertimbangkan risiko tersebut, pengembang sebaiknya berfokus pada temuan yang telah melalui validasi daripada hanya mengejar volume pemindaian.

Dalam penelitiannya Microsoft menjelaskan bahwa kecepatan menemukan kerentanan membutuhkan dukungan proses validasi yang memadai. Dalam praktik keamanan, indikasi kelemahan yang serius biasanya harus diuji melalui lingkungan pengujian terkontrol. Untuk memberikan gambaran, dugaan penggunaan memori yang tidak aman sebaiknya menyertakan hasil pengujian yang dapat diulang. Ketika pengujian belum mendukung laporan, pengembang perlu memeriksa bagian kode terkait. Langkah validasi semacam ini dapat membatasi penggunaan sumber daya secara berlebihan. Dengan demikian, penanganan celah berlangsung lebih terarah.

Efisiensi Biaya dan Otomatisasi Validasi dalam Riset Keamanan Microsoft

Di samping kualitas laporan, Microsoft turut membahas pengeluaran untuk penalaran otomatis ketika penelitian mencakup banyak proyek. Pendekatan ekonomi penalaran perlu dipertimbangkan karena penggunaan model memiliki biaya komputasi. Dalam evaluasi FORGE Lab, MDASH menemukan ribuan lokasi mencurigakan pada kernel Linux dan menyiapkan hasil validasi untuk 627 temuan. Dari aktivitas tersebut, Microsoft menilai biaya pembuatan bukti konsep. Pengukuran tersebut digunakan untuk menilai apakah sumber daya AI dimanfaatkan dengan tepat. Dengan pendekatan ini, tim keamanan memiliki dasar menilai efektivitas penggunaan model secara lebih sistematis.

Pada kelompok kasus yang berhasil divalidasi, Microsoft mengungkapkan bahwa pembuatan proof of concept untuk 182 temuan crash yang terkonfirmasi membutuhkan rata-rata biaya model sebesar 3,61 dolar AS dengan lama pengujian rata-rata 21,5 menit. Untuk evaluasi tambahan, enam kasus terpilih yang dianalisis untuk menilai risiko eskalasi privilese memiliki pengeluaran model sekitar 8,56 dolar AS dan waktu sekitar 25,4 menit. Walaupun hasil tersebut memberikan gambaran, hasil evaluasi tersebut tidak mencakup seluruh pengeluaran seperti investigasi manusia. Dengan pertimbangan tersebut, informasi biaya harus dilihat sebagai hasil eksperimen dengan ruang lingkup khusus, bukan jaminan biaya untuk semua proyek.

Masa Depan Teknologi Keamanan Microsoft melalui Validasi Berkelanjutan

Penelitian FORGE Lab turut memperlihatkan bahwa pendeteksian kerentanan merupakan bagian dari proses keamanan. Ketika kerentanan berhasil diidentifikasi, pengembang perlu memahami penyebab masalah. Ketika menangani komponen publik, komunikasi dengan maintainer perlu diperhatikan karena prosedur penerimaan perbaikan tidak selalu sama. Temuan tertentu mungkin membutuhkan laporan privat. Tidak hanya mengenai komunikasi, penerapan patch harus diuji untuk menghindari regresi. Berkat koordinasi yang tepat, hasil analisis otomatis dapat memberikan dampak positif bagi organisasi yang menggunakan sistem tersebut.

Sebagai bagian dari pengembangan tersebut, Microsoft berkontribusi terhadap Akrites, yaitu program koordinasi keamanan dari Linux Foundation yang berfokus pada proses perbaikan masalah keamanan sumber terbuka. Dalam kegiatan Akrites, tim FORGE menyampaikan sembilan temuan Linux yang mendapatkan skor kerentanan internal melampaui 7,0. Sebuah laporan dari rangkaian itu menjadi pengajuan Akrites pertama yang menghasilkan patch yang digabungkan ke kernel Linux. Hasil kolaborasi tersebut menunjukkan pentingnya pengelolaan laporan yang bertanggung jawab. Dalam pengembangan berikutnya, organisasi perlu membangun alur penelitian berkelanjutan agar jumlah laporan tidak melampaui kapasitas penanganan.

Rangkuman Tantangan Keamanan Siber Berbasis Kecerdasan Buatan

Penelitian FORGE Lab memperlihatkan bahwa teknologi kecerdasan buatan memberikan manfaat baru dalam mendeteksi kerentanan perangkat lunak. Melalui sistem MDASH, Microsoft menunjukkan kemampuan pemeriksaan yang lebih luas pada Windows dan berbagai proyek open source. Namun demikian, volume laporan tidak otomatis menentukan keamanan. Pemeriksaan bukti teknis, efisiensi penggunaan sumber daya, serta pengawasan proses remediasi tetap memiliki peran penting. Dengan menggabungkan teknologi pemeriksaan cerdas dan keahlian manusia, organisasi berpotensi meningkatkan kualitas pengelolaan kerentanan. Dari sudut pandang Anda, apakah AI akan semakin berperan dalam keamanan siber? Jangan ragu menyampaikan pandangan Anda mengenai masa depan keamanan digital.