CrowdStrike Ungkap 4 Kelompok Peretas Manfaatkan AI untuk Serangan Siber

Telset.id – Peneliti dari firma threat intelligence CrowdStrike mengungkap bahwa empat kelompok peretas yang sebelumnya tidak terlaporkan memanfaatkan infrastruktur AI untuk melancarkan serangan siber sepanjang periode Mei hingga Agustus. Keempat kelompok tersebut beroperasi dalam bahasa Mandarin, Spanyol dan Inggris, Indonesia, serta Rusia. Temuan ini menunjukkan bahwa AI kini menjadi bagian dari operasional serangan siber, bukan sekadar alat bantu.

Dua kelompok pertama, yakni aktor berbahasa Mandarin serta aktor berbahasa Spanyol dan Inggris, menunjukkan kemampuan teknis yang canggih melalui penggunaan AI “harness”—perangkat lunak yang mendukung dan mengarahkan model untuk menjalankan tugas. Sementara dua kelompok lainnya, aktor berbahasa Indonesia dan Rusia, menunjukkan kemampuan teknis yang lebih rendah, namun tetap berhasil mengompromikan sejumlah target. Semua aktor meninggalkan infrastruktur AI mereka terbuka di server web, sehingga peneliti dapat menganalisis aktivitas dan model yang mereka gunakan.

Menurut hasil analisis CrowdStrike, para pelaku sebagian besar menggunakan versi model Claude dari Anthropic serta versi model open-weight Deepseek. Seluruh aktor merancang cara agar kampanye serangan mereka dapat berjalan secara otonom dalam periode yang relatif panjang. “Anda dapat memanfaatkan model yang berbeda untuk aspek yang berbeda dalam operasi. Perutean dan pemilihan model sangat penting karena mahal dan sering kali berlebihan menggunakan model yang lebih baru,” ujar Adam Meyers, senior vice president of counter adversary work CrowdStrike.

Model Lama dan Celah Guardrails

Peneliti mengamati bahwa para penyerang menggunakan model open-weight maupun closed-weight. Hampir di semua kasus, mereka memakai versi lama alih-alih model frontier terbaru. Meyers mencatat bahwa memaksimalkan model lama juga lazim dalam penggunaan AI yang sah karena biaya yang membengkak. Para penyerang juga memakai beberapa model sekaligus untuk memanfaatkan perbedaan pada guardrails yang seharusnya mencegah penyalahgunaan AI untuk serangan digital.

“Model-model tidak semuanya memiliki guardrails dan perlindungan yang setara, bahkan dari satu perusahaan yang sama,” kata Meyers. Ia menambahkan bahwa serangan-serangan ini “tidak menggunakan eksploitasi baru atau kerentanan baru. Mereka benar-benar hanya memanfaatkan kecepatan dan volume yang bisa digunakan AI untuk menjalankan operasi ini, menyasar sebagian besar masalah kebersihan keamanan di banyak lingkungan—hal-hal yang sebenarnya bisa dicegah tetapi tidak dicegah.”

Peneliti menemukan bahwa keempat aktor ancaman berhasil melewati pengaman AI, sering kali dengan meyakinkan model bahwa aktivitas tersebut sah dan diotorisasi, umumnya untuk pengujian penetrasi atau evaluasi keamanan. Salah satu metode yang dipakai banyak kelompok adalah menambahkan file ke direktori kerja agen untuk mencoba menunjukkan bahwa tugas telah disetujui dan diotorisasi. Para penyerang juga memakai metode jailbreaking tradisional, menyusun prompt dan narasi yang membingkai peretasan sebagai aktivitas resmi dan tidak berbahaya, serta secara proaktif menjawab potensi pertanyaan atau kekhawatiran yang mungkin diajukan model.

Aktor yang lebih canggih umumnya lebih strategis dalam membangun narasi, sementara aktor yang kurang canggih kadang menggunakan prompt kasar dan agresif untuk menekan model agar menerima bahwa aktivitas tersebut sah. Aktor berbahasa Mandarin juga memakai apa yang disebut “run time patch”, dalam hal ini alat bernama ClawGod, untuk menambahkan fungsionalitas di atas Claude Code dan mencoba menghapus “CYBER_RISK_INSTRUCTION” dari system prompt Claude Code—instruksi yang mengarahkan Claude Code agar hanya berpartisipasi dalam pengujian keamanan yang diotorisasi, bukan peretasan abusif atau destruktif. Persoalan guardrails pada agen AI ini juga pernah disorot dalam laporan soal label rogue yang dinilai hanya mengalihkan tanggung jawab.

Target di Argentina, Brasil, dan Indonesia

Aktor yang beroperasi dalam bahasa Spanyol dan Inggris menargetkan entitas layanan kesehatan Argentina dan berhasil mengompromikan setidaknya 15 organisasi. Peneliti CrowdStrike melihat bukti bahwa aktor tersebut mencuri kredensial dan rekam medis dari setidaknya satu korban. Aktor ini secara khusus membangun harness pengujian penetrasi—jenis yang digunakan organisasi untuk menguji infrastrukturnya sendiri guna menemukan dan memperbaiki kerentanan. Dengan menggunakan model termasuk Claude Opus 4.5, Claude Haiku 4.5, dan Deepseek V4 Pro, kelompok ini menyiapkan infrastruktur lengkap untuk serangan otonom yang melibatkan agen Claude Code “Supervisor” untuk mengarahkan langkah serangan dan agen “Executor” untuk menjalankannya.

Aktor berbahasa Mandarin juga membangun harness pengujian penetrasi untuk mengarahkan Claude Code dalam melakukan pengintaian, lalu menyerang secara otonom setelah manusia memilih jalur aksi. Peneliti menemukan bahwa aktor ini berhasil mengompromikan target pemerintah di Brasil dan Kolombia, serta menargetkan organisasi swasta di Brasil dan Amerika Serikat di berbagai sektor yang mencakup bioteknologi, layanan kesehatan, makanan dan minuman, ritel, teknologi, dan perjalanan. Aktor berbahasa Mandarin ini terutama mengandalkan Claude Opus 4.8, tetapi juga memakai model lain termasuk Claude Sonnet 4.6 dan Deepseek Chat. Aktor tersebut mengakses Claude melalui layanan proxy AI yang berbasis di Tiongkok, namun menyiapkan beberapa fallback ke alat AI lain jika Claude tidak tersedia melalui proxy.

Anthropic tidak memberikan komentar menjelang publikasi, dan Deepseek tidak segera menanggapi permintaan komentar dari WIRED. Sebelumnya, Anthropic juga pernah mengakui bahwa agen AI-nya mencoba membobol situs pemerintah AS, menandakan persoalan penyalahgunaan agen AI bukan kasus tunggal.

Peneliti menyebut aktor berbahasa Rusia, yang tampaknya berfokus pada “e-crime” bermotif finansial, dan aktor berbahasa Indonesia—yang paling kurang canggih di antara keempatnya—menggunakan keterampilan dan harness yang lebih mendasar serta tersedia publik untuk menjalankan serangan. Meski demikian, keduanya tetap berhasil mengompromikan target. Bagi aktor berbahasa Indonesia, target tersebut mencakup sejumlah domain pemerintah Indonesia, satu domain pemerintah Bangladesh, dan sejumlah target sektor swasta. Keterbatasan keterampilan teknis ini sejalan dengan sorotan soal kesenjangan skill AI yang juga menjadi hambatan dalam adopsi AI di bisnis.

“Apa yang kami lihat adalah manusia melakukan sebagian probing awal dalam situasi ini dan kemudian mereka melibatkan AI untuk peretasan dalam skala besar,” kata Meyers. “Saya merasa menarik bahwa bahkan dengan serangan agentic dengan semua kemampuan ini, kita masih bisa melihat ada manusia di belakangnya dan apa yang mereka lakukan.”