AI Membuat Pelaku Serangan Siber Semakin Sulit Diidentifikasi

Image credit: Magnific

AI Membuat Pelaku Serangan Siber Semakin Sulit Diidentifikasi – Kecerdasan buatan (AI) semakin banyak digunakan dalam dunia keamanan siber, baik oleh pihak yang bertugas melindungi sistem maupun oleh pelaku kejahatan siber.

Di satu sisi, tim keamanan memanfaatkan AI untuk mendeteksi aktivitas mencurigakan, menganalisis ancaman, dan mempercepat penanganan insiden.

Di sisi lain, penyerang menggunakan teknologi yang sama untuk mengotomatiskan pekerjaan, memperluas jangkauan serangan, dan meningkatkan efisiensi operasi mereka.

Persaingan ini membuat kemampuan mengumpulkan dan menganalisis informasi ancaman menjadi semakin penting. Tim keamanan perlu mengetahui:

  • Bagaimana serangan berlangsung.
  • Sistem apa yang menjadi sasaran.
  • Serta siapa atau kelompok mana yang kemungkinan berada di baliknya.

Namun, perkembangan AI juga membuat proses mengidentifikasi pelaku serangan menjadi lebih rumit.

Meski demikian, organisasi masih memiliki peluang untuk unggul. Tim keamanan dapat memanfaatkan informasi ancaman, teknologi deteksi, dan tindakan pencegahan untuk membuat serangan lebih sulit dilakukan dan mengurangi peluang penyerang mencapai tujuannya.

Mengapa Identifikasi Pelaku Serangan Penting?

Dalam keamanan siber, proses mengidentifikasi pihak yang berada di balik suatu serangan dikenal sebagai attribution.

Proses ini tidak sekadar mencari tahu nama kelompok penyerang, tetapi juga memahami karakteristik, tujuan, kemampuan, dan pola operasi mereka.

Informasi tersebut membantu tim Security Operations Center (SOC) menentukan langkah penanganan yang tepat.

Misalnya, serangan yang dilakukan penjahat siber bermotif finansial, seperti kelompok ransomware, membutuhkan pertimbangan berbeda dibandingkan serangan yang diduga berkaitan dengan kepentingan suatu negara.

Pengetahuan mengenai karakteristik penyerang dapat membantu organisasi menentukan prioritas keamanan, mengalokasikan sumber daya, dan memperkirakan ancaman yang mungkin muncul berikutnya.

Untuk menghasilkan informasi yang akurat, analis keamanan perlu melakukan berbagai pekerjaan, mulai dari:

  • Mengumpulkan sampel malware.
  • Memeriksa karakteristiknya.
  • Menghubungkan temuan dari berbagai sumber.
  • Hingga mengelompokkan aktivitas yang memiliki kesamaan.

Data dari sistem pemantauan, perangkat yang terinfeksi, dan sumber intelijen ancaman dapat membantu membangun gambaran yang lebih lengkap mengenai suatu serangan.

Namun, proses identifikasi ini tidak selalu mudah. Penyerang sering menggunakan berbagai cara untuk menyembunyikan identitas dan asal-usul aktivitas mereka.


Baca juga: 
Awas! Penipuan Berkedok Screenshot Palsu

Mengapa Pelaku Serangan Sulit Diidentifikasi?

Ada beberapa faktor yang membuat proses attribution menjadi rumit. Salah satunya adalah penggunaan perangkat dan teknik serangan yang sama oleh kelompok berbeda.

Pelaku dapat menggunakan perangkat lunak berbahaya yang dibeli dari penyedia layanan kejahatan siber, atau memanfaatkan perangkat yang sebelumnya digunakan oleh kelompok lain.

Penyerang juga dapat menyembunyikan aktivitas melalui infrastruktur yang sah, seperti layanan cloud dan jaringan perantara. Akibatnya, aktivitas berbahaya bisa terlihat seolah-olah berasal dari layanan atau sistem yang sebenarnya tidak terlibat dalam serangan.

Selain itu, sebagian kelompok sengaja meniru metode operasi kelompok lain. Kesamaan tersebut dapat terjadi secara alami karena mereka menggunakan perangkat dan teknik yang serupa. Namun, ada pula kemungkinan penyerang sengaja meninggalkan petunjuk palsu untuk mengarahkan penyelidikan kepada pihak lain.

Operasi lintas negara juga menambah kesulitan. Infrastruktur serangan dapat tersebar di beberapa negara, sementara pelaku sebenarnya beroperasi dari lokasi berbeda. Kondisi ini membuat asal-usul serangan semakin sulit dipastikan.

Karena itu, analis tidak bisa hanya mengandalkan satu petunjuk untuk menentukan identitas penyerang. Mereka perlu membandingkan berbagai informasi dan mencari hubungan antara teknik, perangkat, infrastruktur, serta pola aktivitas yang ditemukan.

AI Membuat Identifikasi Ancaman Semakin Rumit

Kehadiran AI generatif menambah tantangan baru dalam proses identifikasi pelaku serangan. Teknologi ini dapat mengubah sejumlah karakteristik yang sebelumnya sering digunakan analis sebagai petunjuk.

Salah satu contohnya adalah bahasa dalam email phising. Sebelumnya, kesalahan tata bahasa, pilihan kata yang janggal, dan gaya penulisan tertentu dapat membantu analis mengenali pesan penipuan.

Namun, AI generatif mampu menghasilkan pesan yang lebih alami dan meyakinkan dalam berbagai bahasa. Penyerang juga dapat membuat banyak variasi pesan secara otomatis sehingga pola yang sama lebih sulit dikenali secara manual.

AI juga dapat membantu membuat identitas palsu di internet, termasuk profil dan persona yang terlihat meyakinkan. Hal ini dapat mempersulit upaya menghubungkan aktivitas digital dengan individu atau kelompok tertentu.

Tantangan serupa terlihat dalam perkembangan malware. PromptLock, yang ditemukan oleh peneliti, merupakan contoh ransomware yang memanfaatkan AI generatif dalam operasinya.

Penemuan ini menarik perhatian karena sampelnya ditemukan di platform VirusTotal dan sempat menimbulkan pertanyaan apakah keberadaannya hanya untuk penelitian atau berkaitan dengan aktivitas serangan nyata.

Contoh lainnya adalah PromptSpy, malware Android yang memanfaatkan AI generatif untuk membantu mempertahankan keberadaannya pada perangkat korban. Kedua kasus tersebut menunjukkan bahwa AI dapat digunakan dalam berbagai bagian operasi malware, bukan hanya untuk membuat pesan penipuan.

Seiring berkembangnya sistem AI yang mampu menjalankan serangkaian tugas secara mandiri, analis mungkin akan semakin sering menghadapi serangan yang sebagian besar aktivitasnya dilakukan secara otomatis.

Hal ini menimbulkan pertanyaan baru: siapa sebenarnya pelaku serangan ketika AI menjalankan sebagian besar aktivitas tersebut? Apakah pihak yang mengembangkan atau mengoperasikan sistem AI, atau individu yang memberikan perintah untuk memulai serangan?

Ketidakjelasan tersebut berpotensi mempersulit proses penyelidikan dan penegakan hukum. Namun, aktivitas otomatis juga menghasilkan banyak data yang dapat dianalisis untuk menemukan pola serangan.


Baca juga: 
Bahaya Peretas yang Menetap di Server Anda

Keunggulan AI bagi Tim Pertahanan

Meskipun AI membantu penyerang meningkatkan kemampuan mereka, teknologi yang sama juga memberikan keuntungan bagi tim keamanan. AI dapat memproses data dalam jumlah besar, menghubungkan berbagai peristiwa, mengenali pola yang tidak biasa, dan membantu analis menentukan insiden yang perlu ditangani lebih dahulu.

Sebagai contoh, penyerang dapat mengirimkan ratusan email phising dengan isi yang sedikit berbeda. Bagi analis, setiap pesan mungkin terlihat seperti kampanye yang terpisah.

Namun, sistem berbasis AI dapat membandingkan karakteristik pesan, infrastruktur pengiriman, dan pola perilakunya untuk menemukan hubungan di antara pesan-pesan tersebut.

Hal serupa berlaku untuk analisis malware. Penyerang dapat membuat berbagai varian malware untuk menghindari deteksi berbasis tanda tangan digital.

Di sisi lain, sistem pertahanan dapat menggunakan machine learning untuk menemukan kesamaan karakteristik kode, pola eksekusi, atau komunikasi dengan server pengendali. Dengan demikian, sejumlah insiden yang awalnya terlihat tidak berhubungan dapat dikenali sebagai bagian dari satu kampanye serangan.

AI juga membantu menghubungkan petunjuk yang berasal dari berbagai sumber. Misalnya, sistem mendeteksi pola login yang tidak biasa, aktivitas mencurigakan pada perangkat pengguna, dan akses tidak wajar ke layanan cloud.

Jika diperiksa secara terpisah, masing-masing aktivitas mungkin belum cukup untuk menunjukkan adanya serangan. Namun, ketika dikorelasikan, rangkaian aktivitas tersebut dapat mengungkap upaya penyusupan yang lebih luas.

Meski demikian, AI bukan pengganti analis keamanan. Hasil analisis tetap membutuhkan pemeriksaan manusia, terutama untuk memastikan konteks, mengurangi kesalahan deteksi, dan menentukan tindakan yang tepat.

Mengutamakan Pencegahan daripada Menunggu Kepastian

Dalam menghadapi ancaman yang semakin kompleks, tim SOC tidak selalu harus mengetahui identitas penyerang sebelum mengambil tindakan. Informasi mengenai kelompok yang bertanggung jawab memang berguna, tetapi menunggu kepastian attribution dapat memberikan waktu tambahan bagi penyerang untuk melanjutkan aksinya.

  • Ketika sebuah serangan ransomware terdeteksi, misalnya, tim keamanan dapat segera:
  • Memeriksa komunikasi dengan server pengendali.
  • Mendeteksi upaya perpindahan dari satu sistem ke sistem lain.
  • Mengisolasi perangkat yang terindikasi terinfeksi.
  • Dan memblokir domain berbahaya.

Langkah-langkah tersebut tetap dapat dilakukan meskipun identitas kelompok penyerang belum diketahui.

Prinsip yang sama berlaku untuk serangan phishing berbantuan AI. Tim keamanan dapat mengidentifikasi pola pengiriman, infrastruktur yang digunakan, dan karakteristik pesan untuk menghentikan kampanye sebelum mencapai lebih banyak korban.

Pendekatan ini berkaitan dengan konsep deterrence atau pencegahan melalui peningkatan risiko dan biaya bagi penyerang. Organisasi dapat memperkuat sistem, meningkatkan kemampuan pemantauan, serta mempercepat deteksi dan penanganan insiden. Semakin sulit penyerang mempertahankan akses dan mencapai tujuannya, semakin besar pula sumber daya yang harus mereka keluarkan.


Baca juga: 
Lindungi Wajahmu dari Ancaman Siber

Langkah yang Perlu Diprioritaskan Tim SOC

Untuk menghadapi perubahan pola serangan akibat AI, tim keamanan perlu memperkuat beberapa kemampuan berikut:

1. Memanfaatkan intelijen ancaman terkini.

Informasi ancaman yang diperbarui secara berkala membantu tim keamanan mengetahui:

  • Teknik serangan yang sedang digunakan.
  • Infrastruktur yang disalahgunakan.
  • Dan sektor yang menjadi sasaran.

2. Memperluas sumber data pemantauan.

Organisasi perlu mengumpulkan informasi dari berbagai sumber, termasuk:

  • Perangkat pengguna.
  • Jaringan.
  • Server.
  • Dan layanan cloud.

Semakin lengkap data yang tersedia, semakin besar peluang menemukan hubungan antara aktivitas mencurigakan.

3. Mengutamakan analisis perilaku.

Alamat IP dan nama domain dapat berubah dengan cepat. Karena itu, deteksi sebaiknya tidak hanya bergantung pada indikator teknis yang mudah diganti, tetapi juga memperhatikan:

  • Perilaku seperti peningkatan hak akses yang tidak wajar.
  • Pola autentikasi mencurigakan.
  • Perpindahan antarsistem.
  • Dan akses data di luar kebiasaan.

4. Menggunakan AI untuk membantu analisis.

Dengan adanya teknologi seperti AI, maka AI dapat membantu untuk:

  • Mengelompokkan peringatan.
  • Menghubungkan insiden.
  • Dan menemukan pola dari data dalam jumlah besar.

Dengan begitu, analis dapat lebih fokus pada aktivitas yang membutuhkan pemeriksaan dan keputusan manusia.

Pada akhirnya, perkembangan AI membuat proses identifikasi pelaku serangan siber semakin kompleks. Namun, kondisi ini tidak berarti pihak penyerang selalu memiliki keunggulan.

Dengan intelijen ancaman yang memadai, pemantauan yang menyeluruh, dan pemanfaatan AI secara tepat, organisasi tetap dapat mendeteksi aktivitas berbahaya lebih awal dan membatasi dampaknya.

Dalam menghadapi ancaman siber berbantuan AI, keberhasilan pertahanan tidak semata-mata ditentukan oleh kemampuan menyebutkan siapa pelakunya. Hal yang lebih penting adalah memahami bagaimana serangan berlangsung, mengenali tanda-tandanya, dan menghentikannya sebelum menimbulkan kerugian.

Baca artikel lainnya: 

Sumber berita:

Prosperita IT News