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
Penelitian keamanan terbaru Microsoft mengungkapkan bahwa kemajuan sistem AI generatif mulai mengubah metode pemeriksaan kelemahan sistem. Berdasarkan penelitian tim FORGE, Microsoft menerapkan pendekatan penelitian keamanan berbasis agen yang dapat menelusuri berbagai komponen perangkat lunak. Dibandingkan dengan pemindaian berbasis pola sederhana, sistem berbasis AI dapat membantu menalar hubungan antarbagian kode. Inovasi tersebut menawarkan manfaat untuk membantu peneliti mengidentifikasi masalah sebelum dimanfaatkan penyerang. Namun demikian, hasil analisis AI tetap harus melalui validasi sebelum ditetapkan sebagai masalah keamanan.
Berdasarkan pemaparan FORGE Lab, Microsoft merangkum tiga perubahan penting dalam pendeteksian kerentanan otomatis. Perubahan pertama adalah upaya mengubah kemampuan eksperimen menjadi proses yang konsisten. Aspek selanjutnya berkaitan dengan pengelolaan sumber daya komputasi. Adapun, perubahan ketiga adalah penggabungan validasi dan perbaikan. Perubahan yang dijelaskan Microsoft menggambarkan bahwa efektivitas perlindungan perangkat lunak tidak hanya bergantung pada kecepatan pemindaian. Dengan kata lain, tim keamanan harus memperhatikan apakah pembaruan berhasil diterapkan secara aman.
Microsoft FORGE Lab dan MDASH Mempercepat Pendeteksian Celah Keamanan
Salah satu teknologi utama dalam penelitian Microsoft adalah MDASH, yaitu kerangka pemindaian berbasis beberapa model AI. Pendekatan MDASH dikembangkan guna mengoordinasikan beberapa model kecerdasan buatan dalam proses penelitian terstruktur. Berkat pengelolaan agen, sebagian komponen dapat menelusuri lokasi program yang mencurigakan. Pada tahapan berbeda, komponen tambahan bisa menyiapkan bukti pengujian. Strategi penggunaan beberapa agen berpotensi memperluas efisiensi pemeriksaan kode. Meskipun beberapa tahapan dapat dijalankan AI, pengawasan profesional masih penting untuk memastikan ketepatan laporan.
Berdasarkan penelitian FORGE Lab, penggunaan sistem tersebut mendukung pengungkapan kerentanan Windows yang mencapai 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 juga mengirimkan 155 laporan yang mendapatkan validasi awal pada 23 proyek perangkat lunak sumber terbuka. Proyek yang diteliti menyertakan sejumlah komponen open source penting. Hasil tersebut menggambarkan kemampuan penerapan keamanan berbasis AI, tetapi tidak berarti seluruh laporan sudah menjadi CVE publik. Kerentanan yang dideteksi tetap memerlukan proses penanganan sesuai tingkat risiko.
Tantangan Validasi Temuan AI dalam Penelitian Keamanan Microsoft
Masalah penting dalam penggunaan teknologi pemindaian cerdas adalah membedakan kerentanan nyata dari dugaan keliru. Sistem AI dapat menghasilkan laporan yang terlihat meyakinkan meskipun masalah sebenarnya belum terbukti. Kondisi tersebut berpotensi menimbulkan laporan positif palsu sehingga beban kerja tim keamanan meningkat. Di samping laporan yang keliru, hasil pemeriksaan yang sama berpotensi membebani proses triase. Dengan mempertimbangkan risiko tersebut, tim keamanan harus memprioritaskan laporan dengan bukti kuat daripada mengandalkan banyaknya dugaan kelemahan.
Microsoft menekankan bahwa volume pemeriksaan menggunakan AI harus diimbangi dengan proses validasi yang memadai. Pada kegiatan penelitian profesional, indikasi kelemahan yang serius biasanya harus diuji melalui prosedur pembuktian teknis. Dalam situasi sederhana, laporan kesalahan pengelolaan memori membutuhkan bukti perilaku program. Ketika pengujian belum mendukung laporan, peneliti harus meninjau ulang asumsi AI. Pemeriksaan berlapis tersebut dapat membatasi perbaikan yang tidak diperlukan. Berkat validasi yang konsisten, hasil penelitian menjadi lebih dapat dipercaya.
Mengukur Kinerja AI melalui Biaya Pengujian Kerentanan
Di samping kualitas laporan, Microsoft juga menyoroti biaya penggunaan AI ketika sistem diterapkan dalam skala besar. Pendekatan ekonomi penalaran memiliki peran utama karena penggunaan model memiliki biaya komputasi. Dalam evaluasi FORGE Lab, MDASH menemukan ribuan lokasi mencurigakan pada kernel Linux dan mengumpulkan informasi pengujian untuk 627 temuan. Dalam sebagian pengujian itu, Microsoft mencatat pengeluaran komputasi untuk proof of concept. Pengukuran tersebut bertujuan memahami apakah hasil pengujian sebanding dengan biaya. Dengan pendekatan ini, organisasi dapat mempertimbangkan kebutuhan pemeriksaan lanjutan secara lebih rasional.
Pada kelompok kasus yang berhasil divalidasi, Microsoft mengungkapkan bahwa pembuatan proof of concept untuk 182 temuan crash yang terkonfirmasi memiliki biaya komputasi model rata-rata 3,61 dolar AS dengan durasi pemrosesan sekitar 21,5 menit. Di sisi pengujian berbeda, enam kasus terpilih yang diuji kemungkinan local privilege escalation membutuhkan rata-rata biaya 8,56 dolar AS dan lama pemrosesan sekitar 25,4 menit. Walaupun hasil tersebut memberikan gambaran, hasil evaluasi tersebut tidak mewakili total biaya penelitian seperti persiapan perbaikan. Oleh sebab itu, angka tersebut perlu ditafsirkan sebagai hasil eksperimen dengan ruang lingkup khusus, bukan patokan mutlak pengeluaran keamanan.
Pentingnya Koordinasi Pengembang dalam Menangani Celah Open Source
Penelitian FORGE Lab juga menegaskan bahwa pendeteksian kerentanan merupakan bagian dari proses keamanan. Sesudah laporan dinyatakan valid, tim keamanan harus mengevaluasi dampak terhadap sistem. Pada pengembangan perangkat lunak open source, kerja sama antartim memiliki peran utama karena setiap proyek memiliki aturan pelaporan berbeda. Sebagian kerentanan dapat memerlukan pengungkapan terkoordinasi. Di samping prosedur pelaporan, penerapan patch harus diuji untuk menghindari regresi. Melalui pendekatan menyeluruh, temuan AI berpotensi berubah menjadi perbaikan bermanfaat bagi komunitas pengembang.
Untuk memperluas kerja sama penelitian, Microsoft berkontribusi terhadap Akrites, yaitu inisiatif Linux Foundation yang bertujuan membantu penanganan celah pada proyek penting. Melalui inisiatif tersebut, tim FORGE melaporkan sembilan temuan Linux yang memiliki penilaian internal CVSS di atas 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. Seiring meningkatnya kemampuan AI, organisasi perlu membangun sistem penanganan kerentanan terpadu agar jumlah laporan tidak melampaui kapasitas penanganan.
Rangkuman Tantangan Keamanan Siber Berbasis Kecerdasan Buatan
Penelitian FORGE Lab memperlihatkan bahwa teknologi kecerdasan buatan membuka peluang besar dalam mendukung pengujian keamanan siber. Dengan bantuan kerangka pemindaian multiagen, Microsoft menunjukkan kemampuan pemeriksaan yang lebih luas pada beragam lingkungan pengembangan. Meskipun jumlah temuan meningkat, kecepatan pemindaian bukan satu-satunya ukuran keberhasilan. Konfirmasi kerentanan, efisiensi penggunaan sumber daya, serta pengawasan proses remediasi tetap menjadi prioritas. Melalui perpaduan teknologi pemeriksaan cerdas dan pengawasan profesional, tim keamanan dapat memperkuat efektivitas perlindungan sistem. Bagaimana pendapat Anda, apakah AI akan semakin berperan dalam keamanan siber? Jangan ragu menyampaikan pandangan Anda mengenai manfaat AI untuk perlindungan perangkat lunak.
