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.
Perkembangan Teknologi Kecerdasan Buatan untuk Penelitian Kerentanan Siber
Kajian terkini dari tim keamanan Microsoft menunjukkan bahwa peningkatan kemampuan model AI semakin memengaruhi proses penelitian celah keamanan. Melalui FORGE Lab, Microsoft mengembangkan pendekatan penelitian keamanan berbasis agen yang dapat menelusuri berbagai komponen perangkat lunak. Berbeda dari pendekatan pencarian kesalahan konvensional, sistem berbasis AI mampu menganalisis kondisi yang menyebabkan kerentanan. Kemampuan tersebut membuka peluang untuk membantu peneliti mengidentifikasi masalah sebelum dimanfaatkan penyerang. Meskipun potensinya besar, laporan yang dihasilkan model tetap harus melalui validasi sebelum dianggap sebagai kerentanan nyata.
Berdasarkan pemaparan FORGE Lab, Microsoft mengidentifikasi tiga perubahan penting dalam penelitian keamanan berbasis AI. Aspek awal adalah peralihan dari kemampuan menemukan celah menuju penerapan berskala besar. Aspek selanjutnya berkaitan dengan efisiensi biaya penalaran AI. Pada bagian terakhir, tantangan berikutnya adalah pembentukan alur pemeriksaan berkelanjutan. Perubahan yang dijelaskan Microsoft menegaskan bahwa efektivitas perlindungan perangkat lunak tidak semata-mata ditentukan kemampuan model. Dengan kata lain, organisasi perlu memastikan apakah laporan dapat dibuktikan secara konsisten.
Hasil Penelitian MDASH terhadap Keamanan Windows dan Open Source
Sistem yang digunakan dalam penelitian Microsoft adalah MDASH, yaitu platform penelitian keamanan yang mengoordinasikan model AI. Pendekatan MDASH memungkinkan penggunaan sejumlah agen dengan tugas berbeda dalam proses penelitian terstruktur. Dengan sistem tersebut, agen tertentu bisa memeriksa lokasi program yang mencurigakan. Pada tahapan berbeda, sistem berikutnya dapat memeriksa kelayakan temuan. Strategi penggunaan beberapa agen berpotensi memperluas kemampuan menemukan kerentanan kompleks. Namun demikian, peneliti manusia tetap diperlukan untuk memastikan ketepatan laporan.
Dalam evaluasi keamanan yang diumumkan, penggunaan sistem tersebut membantu identifikasi kerentanan Windows yang tercatat sebanyak 140 CVE dalam periode Mei hingga September 2026. Dari jumlah tersebut, sebanyak 52 CVE tercakup pada pembaruan Windows bulan September. Tidak hanya mempelajari komponen Windows, anggota FORGE turut menghasilkan 155 laporan yang telah divalidasi secara internal pada 23 proyek perangkat lunak sumber terbuka. Target pemeriksaan ini menyertakan proyek dengan penggunaan luas. Hasil tersebut menunjukkan peningkatan skala keamanan berbasis AI, tetapi tidak menunjukkan seluruh masalah telah selesai diperbaiki. Setiap laporan tetap memerlukan proses penanganan sesuai prosedur pengungkapan keamanan.
Tantangan Validasi Temuan AI dalam Penelitian Keamanan Microsoft
Masalah penting dalam penggunaan teknologi pemindaian cerdas adalah memastikan setiap temuan benar-benar valid. Sistem AI mungkin memberikan dugaan kelemahan dengan penjelasan terperinci meskipun masalah sebenarnya belum terbukti. Kondisi tersebut mungkin menyebabkan temuan yang tidak terbukti sehingga waktu peneliti terbuang. Tidak hanya terkait akurasi, hasil pemeriksaan yang sama mungkin memperlambat penanganan masalah penting. Untuk meningkatkan kualitas, tim keamanan harus memprioritaskan laporan dengan bukti kuat daripada sekadar meningkatkan jumlah laporan.
Microsoft menekankan bahwa volume pemeriksaan menggunakan AI harus diimbangi dengan proses validasi yang memadai. Pada kegiatan penelitian profesional, temuan yang dianggap penting biasanya sebaiknya dikonfirmasi melalui prosedur pembuktian teknis. Sebagai contoh, dugaan penggunaan memori yang tidak aman perlu menunjukkan hasil pengujian yang dapat diulang. Jika masalah tidak dapat direproduksi, tim keamanan mungkin perlu melakukan investigasi tambahan. Pendekatan tersebut dapat membatasi perbaikan yang tidak diperlukan. Berkat validasi yang konsisten, kualitas temuan dapat meningkat.
Efisiensi Biaya dan Otomatisasi Validasi dalam Riset Keamanan Microsoft
Tidak hanya berkaitan dengan validasi, Microsoft memberikan perhatian pada efisiensi komputasi model ketika penelitian mencakup banyak proyek. Pendekatan ekonomi penalaran perlu dipertimbangkan karena pengujian otomatis mengonsumsi waktu dan kapasitas. Berdasarkan pengukuran tim keamanan, MDASH menemukan ribuan lokasi mencurigakan pada kernel Linux dan menghasilkan bukti pendukung untuk 627 temuan. Dalam sebagian pengujian itu, Microsoft menilai biaya pembuatan bukti konsep. Pengukuran tersebut digunakan untuk menilai apakah hasil pengujian sebanding dengan biaya. Berkat evaluasi sumber daya, organisasi dapat mempertimbangkan efektivitas penggunaan model secara lebih terukur.
Pada kelompok kasus yang berhasil divalidasi, Microsoft melaporkan bahwa pembuatan proof of concept untuk 182 temuan crash yang terkonfirmasi membutuhkan rata-rata biaya model sebesar 3,61 dolar AS dengan durasi pemrosesan sekitar 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 durasi rata-rata 25,4 menit. Namun demikian, pengukuran performa itu belum memasukkan semua biaya operasional seperti pemeriksaan awal. Untuk membaca data secara tepat, angka tersebut perlu ditafsirkan sebagai indikator efisiensi dalam kondisi penelitian, bukan patokan mutlak pengeluaran keamanan.
Kolaborasi Manusia dan AI Menjadi Kunci Perbaikan Keamanan Siber
Riset keamanan Microsoft memberikan gambaran bahwa penemuan celah hanyalah tahap awal. Sesudah laporan dinyatakan valid, peneliti bersama pemelihara proyek perlu menentukan langkah perbaikan yang sesuai. Dalam proyek sumber terbuka, kerja sama antartim memiliki peran utama karena prosedur penerimaan perbaikan tidak selalu sama. Temuan tertentu mungkin membutuhkan laporan privat. Selain itu, penerapan patch harus melalui pemeriksaan kompatibilitas. Melalui pendekatan menyeluruh, temuan AI berpotensi berubah menjadi perbaikan bermanfaat bagi pengguna perangkat lunak.
Untuk memperluas kerja sama penelitian, Microsoft turut mendukung Akrites, yaitu inisiatif Linux Foundation yang berfokus pada penanganan celah pada proyek penting. Dalam kegiatan Akrites, tim FORGE mengirimkan sembilan temuan Linux yang memiliki penilaian internal CVSS di atas 7,0. Satu dari temuan yang disampaikan tercatat sebagai laporan pertama melalui Akrites dengan perbaikan diterima yang diterima dalam kode kernel Linux. Perkembangan tersebut memperlihatkan manfaat proses perbaikan setelah validasi. Ke depan, pengembang harus mempertimbangkan alur penelitian berkelanjutan agar temuan penting memperoleh prioritas.
Pentingnya Validasi dan Perbaikan dalam Penelitian Kerentanan Modern
Riset keamanan Microsoft menunjukkan bahwa teknologi kecerdasan buatan memberikan manfaat baru dalam menemukan kelemahan kode. Melalui sistem MDASH, Microsoft berhasil meningkatkan skala penelitian pada sejumlah sistem perangkat lunak penting. Walaupun hasil penelitian menjanjikan, tantangan utamanya bukan hanya menemukan celah. Validasi temuan, perhitungan pengeluaran penelitian, serta penerapan patch yang aman tetap memiliki peran penting. Berkat kerja sama antara teknologi pemeriksaan cerdas dan pengawasan profesional, organisasi berpotensi meningkatkan efektivitas perlindungan sistem. Bagaimana pendapat Anda, apakah teknologi penelitian kerentanan berbasis AI akan berkembang pesat? Silakan bagikan pendapat Anda mengenai pentingnya validasi dalam riset keamanan.
