Jakarta | Serangan yang diungkapkan peneliti keamanan siber ini menunjukkan bagaimana agen kecerdasan buatan dapat mengubah instruksi sederhana menjadi rangkaian aktivitas intrusi yang panjang. Pelaku berbahasa Mandarin diketahui memanfaatkan Cairn, sebuah platform AI sumber terbuka, untuk mencari celah keamanan dan menyusupi situs milik perusahaan. Alih-alih mengendalikan setiap langkah secara langsung, mereka memberi agen tersebut arahan singkat dalam bahasa Mandarin, yang panjangnya kurang dari 100 karakter.
Setelah menerima perintah itu, agen AI menjalankan sebagian besar pekerjaan secara otomatis. Sistem tersebut menelusuri target, mencari kelemahan yang dapat dimanfaatkan, lalu melanjutkan aktivitas untuk memperoleh akses ke situs perusahaan. Menurut temuan yang dilaporkan, campur tangan manusia selama proses berlangsung sangat terbatas. Pola ini berbeda dari serangan konvensional yang biasanya memerlukan operator untuk mengambil keputusan dan mengarahkan alat pada berbagai tahap. Dalam kasus ini, instruksi awal yang ringkas tampaknya cukup untuk memulai pekerjaan berkelanjutan.
Snorre Fagerland, peneliti ancaman utama di perusahaan keamanan siber Norforge, menyatakan bahwa aktivitas tersebut dimulai pada 25 September. Agen AI yang terlibat bekerja selama berjam-jam, menandakan bahwa otomatisasi bukan sekadar bantuan sesaat bagi operator, melainkan bagian utama dari operasi. Durasi itu juga memperlihatkan bahwa sistem dapat terus melakukan tugas tanpa pengawasan manusia yang konstan, meskipun informasi yang tersedia tidak menjelaskan seluruh mekanisme teknis maupun hasil pada setiap sasaran.
Penggunaan Cairn dalam insiden ini menyoroti tantangan baru bagi tim pertahanan perusahaan. Platform sumber terbuka dapat memudahkan banyak pihak mengakses kemampuan AI, sementara instruksi singkat berpotensi menurunkan hambatan untuk menjalankan operasi siber yang kompleks. Namun, otomatisasi tidak berarti agen bertindak tanpa arahan sama sekali: pelaku tetap menentukan tujuan melalui perintah awal. Bagi organisasi, temuan ini memperkuat pentingnya pemantauan lalu lintas, pengelolaan kerentanan secara cepat, serta deteksi perilaku mencurigakan yang berlangsung terus-menerus. Kecepatan agen dalam mencari kelemahan membuat respons yang terkoordinasi menjadi semakin penting, terutama ketika beberapa situs perusahaan berpotensi diperiksa secara berurutan oleh sistem otomatis.
Temuan Fagerland menggambarkan operasi yang jangkauannya melampaui satu negara dan berlangsung pada skala besar. Hingga pekan sebelum laporan diterbitkan, agen kecerdasan buatan (AI) yang digunakan dalam serangan tersebut telah mencoba membobol lebih dari 1.200 situs. Sasaran berada di Amerika Serikat, Kanada, Australia, dan Jepang. Angka itu merujuk pada upaya yang terdeteksi, bukan berarti seluruh situs berhasil ditembus. Perbedaan ini penting untuk memahami skala insiden secara tepat: jumlah percobaan menunjukkan luasnya aktivitas, sedangkan keberhasilan eksploitasi bergantung pada kondisi keamanan setiap sistem.
Menurut temuan tersebut, serangan yang berhasil umumnya membutuhkan waktu sekitar 23 jam untuk menemukan lalu mengeksploitasi celah keamanan. Rentang waktu itu memperlihatkan bahwa agen tidak selalu langsung memperoleh akses. Sistem dapat terlebih dahulu menelusuri sasaran, mengidentifikasi kelemahan, dan mencoba memanfaatkannya sebelum mencapai hasil. Penggunaan otomatisasi memungkinkan proses tersebut dilakukan secara terstruktur, tetapi durasi yang dilaporkan tetap menggambarkan rangkaian pekerjaan yang memerlukan waktu. Karena itu, angka 23 jam sebaiknya dibaca sebagai perkiraan untuk serangan yang berhasil, bukan waktu yang sama bagi setiap percobaan atau setiap situs.
Sejumlah korban yang diidentifikasi dalam laporan mencakup Deere, produsen alat pertanian; SharkNinja, perusahaan peralatan rumah tangga; serta Cummins, produsen mesin. Penyebutan nama-nama perusahaan ini menunjukkan bahwa sasaran berasal dari sektor industri yang berbeda, bukan hanya satu jenis layanan atau bisnis. Namun, informasi tersebut tidak dengan sendirinya menjelaskan dampak terperinci pada masing-masing organisasi, seperti data yang mungkin diakses atau gangguan operasional yang terjadi. Rincian itu perlu dibedakan dari fakta bahwa perusahaan terkait disebut sebagai korban yang teridentifikasi.
Cakupan geografis yang disebutkan dalam temuan Fagerland adalah Amerika Serikat, Kanada, Australia, dan Jepang. Sumber yang dirujuk tidak menyatakan bahwa serangan berlangsung di Indonesia. Dengan demikian, temuan ini tidak dapat digunakan untuk menyimpulkan adanya situs Indonesia yang menjadi sasaran dalam operasi tersebut. Bagi pembaca, batas informasi ini sama pentingnya dengan angka lebih dari 1.200 situs: laporan memberi gambaran tentang jangkauan lintas negara yang teramati, tetapi tidak menetapkan cakupan yang lebih luas daripada negara-negara yang secara eksplisit disebutkan.
Menurut perkiraan Fagerland, operasi yang melibatkan agen kecerdasan buatan itu menghabiskan sekitar US$5.000, atau kurang lebih Rp90 juta, untuk penggunaan token AI. Jika biaya tersebut dibandingkan dengan jumlah keberhasilan yang dilaporkan, nilainya setara sekitar US$50 atau Rp902 ribu untuk setiap peretasan yang berhasil. Angka ini menggambarkan biaya komputasi dan pemakaian layanan AI, bukan keseluruhan ongkos operasi, yang dapat mencakup infrastruktur, tenaga manusia, serta upaya penyamaran.
Skema teknisnya diduga memadukan teknologi DeepSeek dari China dengan Claude Code, perangkat pengembangan berbasis AI milik Anthropic. Peran masing-masing sistem dalam operasi tersebut belum tentu sepenuhnya diketahui, tetapi kombinasi model dan alat pemrograman dapat membantu agen menelusuri informasi, menyusun kode, dan menjalankan langkah teknis. Meski demikian, AI bukan berarti bertindak tanpa arahan: laporan menunjukkan adanya perencanaan dan pengawasan manusia dalam proses serangan.
Contoh yang diungkap memperlihatkan bagaimana agen mengubah pendekatan ketika pencarian awal tidak membuahkan hasil. Setelah gagal menemukan kelemahan pada aplikasi publik milik sebuah perusahaan besar, sistem itu menelusuri catatan digital yang tersedia. Dari sana, agen diduga mengidentifikasi infrastruktur lain yang terkait dengan perusahaan tersebut, termasuk panel kendali yang terbuka dan dapat diakses melalui internet. Jalur ini memperluas sasaran dari aplikasi yang semula diperiksa ke layanan pendukung yang mungkin kurang terlindungi.
Setelah menemukan panel tersebut, agen dikabarkan memanfaatkan kelemahan dalam pemrosesan data. Celah itu memungkinkan masukan tertentu diperlakukan secara tidak semestinya, sehingga server dapat diarahkan untuk menjalankan perintah berbahaya. Rangkaian tersebut menyoroti risiko ketika layanan administratif terekspos tanpa perlindungan memadai dan proses validasi masukan lemah. Bagi organisasi, pelajaran praktisnya ialah memetakan aset digital yang terhubung, membatasi akses ke panel kendali, memperbarui perangkat lunak, serta menguji penanganan data secara berkala. Otomatisasi dapat mempercepat penemuan dan eksploitasi celah, tetapi kontrol akses, pemantauan, dan respons insiden tetap penting untuk mengurangi peluang keberhasilan serangan.
Perusahaan yang disebut dalam laporan memberikan tanggapan berbeda-beda, dan pernyataan mereka belum menunjukkan bahwa seluruh sistem atau data pelanggan telah terdampak. Deere menyatakan telah mengambil langkah perbaikan setelah mengetahui adanya aktivitas mencurigakan. Perusahaan itu juga mengatakan tidak menemukan indikasi bahwa informasi sensitif telah diakses. Pernyataan tersebut menggambarkan hasil pemeriksaan yang disampaikan Deere, bukan kepastian menyeluruh mengenai setiap kemungkinan dampak. Karena penyelidikan dapat berkembang, kondisi yang diketahui saat ini perlu dibedakan dari kesimpulan akhir tentang cara serangan berlangsung maupun informasi yang mungkin dicoba untuk dijangkau.
SharkNinja mengatakan insiden menyasar sebuah situs terpisah yang hanya memuat informasi dukungan produk. Menurut perusahaan, ancaman tersebut telah dikendalikan. Keterangan ini membatasi ruang lingkup yang diklaim terdampak, tetapi tidak dengan sendirinya menjelaskan seluruh langkah teknis pelaku atau hasil pemeriksaan independen. Sementara itu, Cummins menyatakan sedang menyelidiki dugaan serangan terhadap situs yang dioperasikan oleh salah satu vendor pihak ketiganya. Keterlibatan penyedia layanan eksternal membuat batas sistem perusahaan dan infrastruktur mitra menjadi penting, namun belum cukup untuk menyimpulkan bahwa jaringan utama Cummins atau informasi tertentu telah diakses.
Reuters menyatakan tidak dapat memastikan sejauh mana terjadi pengambilan data tanpa izin.
Baca juga: DCT CYBEREX SGS 2026 Paparkan Analisis Serangan, Perkuat Pertahanan Siber | Marine Force Lampung Uji Kemampuan Tempur Jarak Dekat Serta Serangan Malam Di SGS 2026
