Telset.id – Lebih dari 80% kode yang digabungkan ke dalam codebase produksi Anthropic kini ditulis oleh model AI mereka, Claude. Pergeseran dari pengembangan perangkat lunak yang berpusat pada manusia ke mesin ini secara fundamental mengubah ekonomi serangan siber, sekaligus menuntut pendekatan keamanan baru yang disebut Zero Trust untuk Kode.
Ken Ammon, CEO CodeHunter, menjelaskan bahwa kemampuan yang membuat pengembang lebih produktif juga mengubah cara kerja penyerang. Meskipun penyerang masih menentukan tujuan, mesin kini dapat menghasilkan payload, menguji varian, mengadaptasi kode ke lingkungan berbeda, dan mengulangi prosesnya dengan kecepatan yang tidak bisa ditandingi oleh program keamanan tradisional.
Sebagian besar alur kerja keamanan perangkat lunak perusahaan saat ini mengasumsikan ada waktu untuk review. Kode ditulis, dipindai, diuji, disetujui, dan diterapkan. Jika terjadi sesuatu yang mencurigakan nanti, tim keamanan menyelidiki dan merespons. Model ini runtuh ketika perangkat lunak bergerak dari prompt ke eksekusi hanya dalam hitungan menit.
Kode yang dihasilkan AI bisa menjadi skrip, dependensi, pekerjaan otomasi, atau perubahan infrastruktur hampir seketika. Agen pengembangan dapat memodifikasi file, menyelesaikan paket, dan menjalankan perintah tanpa keterlibatan peninjau manusia. Penyerang dapat menggunakan mekanisme yang sama untuk menghasilkan eksploit, menguji teknik penghindaran, dan menyesuaikan perilaku payload untuk target berbeda. Ini menciptakan lebih banyak variasi dengan indikator stabil yang semakin sedikit untuk dikenali oleh pertahanan.
Meskipun analisis berbantuan AI dapat meningkatkan triase, hasilnya sering kali berupa probabilitas, bukan kebijakan. Pada kecepatan mesin, “mungkin mencurigakan” tidak lagi cukup.
Mesin Mengubah Model Serangan
Penyerang manusia tidak akan hilang, tetapi semakin banyak rantai serangan yang dieksekusi oleh mesin. AI dapat mengotomatiskan pengintaian, mempercepat penemuan kerentanan, menghasilkan kode eksploit, menulis ulang payload, dan menyesuaikan urutan perintah dengan lingkungan target. Sayangnya, sebagian besar tindakan pertahanan dirancang berdasarkan keterbatasan manusia: infrastruktur yang digunakan kembali, jalan pintas, dan pola yang dapat dilacak. Ini semua tidak berlaku untuk serangan mesin.
Payload yang dihasilkan mesin mungkin tidak cocok dengan tanda tangan yang dikenal atau tidak memiliki reputasi yang mapan. Payload bisa dibuat, digunakan sebentar, lalu dibuang. Namun, malware AI tetap harus berinteraksi dengan lingkungan target untuk mencapai tujuannya. Perilakunya tidak bisa menyembunyikan niatnya, karena harus mengakses sumber daya dan mengubah lingkungan dengan cara yang memajukan serangan. Apa yang mampu dilakukan oleh kode berbahaya adalah sinyal keamanan yang lebih tahan lama.
Keamanan rantai pasokan perangkat lunak memang telah meningkat, tetapi sebagian besar masih memvalidasi properti artefak sebelum eksekusi, bukan mengatur eksekusi itu sendiri. SBOM, penandatanganan, dan provenance memberi tim keamanan keyakinan lebih besar terhadap komposisi, asal, dan riwayat build kode. Namun, mengetahui dari mana perangkat lunak berasal tidak mengungkapkan apa yang akan dilakukannya saat dijalankan.
Perangkat lunak bisa lolos semua pemeriksaan tersebut dan tetap menciptakan risiko. Bahkan artefak yang diproduksi melalui proses build yang sah dapat melanggar kebijakan saat runtime, sementara skrip yang dihasilkan AI dapat menyelesaikan tugas yang dimaksudkan dengan cara yang mengekspos data atau sistem. Daftar dependensi yang bersih bukanlah bukti perilaku yang aman.
Deteksi Pasca-Eksekusi Terlalu Lambat
Deteksi dan respons tetap penting, tetapi keduanya campur tangan setelah risiko masuk ke lingkungan. Pada saat perilaku mencurigakan terlihat, perangkat lunak mungkin telah mengakses rahasia, mengubah status sistem, membuka koneksi jaringan, atau membuat persistensi. AI memampatkan jendela waktu ini. Kode dapat dibuat, dimodifikasi, dan diterapkan lebih cepat daripada manusia dapat meninjaunya.
Menunggu bukti pasca-eksekusi memberi penyerang terlalu banyak ruang untuk bergerak. Keputusan perlu digeser ke kiri. Alih-alih bertanya, “Bisakah kita menahan perangkat lunak ini jika berperilaku buruk?”, pertanyaannya harus menjadi, “Haruskah perilaku ini diizinkan untuk dieksekusi sejak awal?” Ini tidak berarti mengganti kontrol yang ada, melainkan mengubah posisi gerbang keamanan yang menentukan.
Zero Trust mengubah keamanan perusahaan dengan menolak kepercayaan implisit. Pengguna, perangkat, sesi, dan permintaan akses tidak dipercaya hanya karena tampak familiar. Mereka harus diverifikasi terhadap kebijakan. Eksekusi perangkat lunak membutuhkan tingkat verifikasi yang sama.
Kode tidak boleh dipercaya hanya karena berasal dari repositori yang dikenal, ditandatangani oleh penerbit yang diakui, melewati pipeline build, atau belum pernah terlihat menunjukkan perilaku berbahaya sebelumnya. Indikator-indikator itu berguna, tetapi tidak konklusif. Zero Trust untuk Kode menjawab masalah ini. Sebelum perangkat lunak berjalan, perilaku yang diharapkan harus dievaluasi terhadap kebijakan. Jika perilaku dapat diterima, eksekusi dapat dilanjutkan. Jika tidak, artefak harus diblokir, dibatasi, diisolasi, atau dinaikkan untuk ditinjau.
Organisasi dapat memulai dengan memetakan setiap jalur masuknya kode ke lingkungan atau dieksekusi dengan hak istimewa yang berarti. Ini mencakup saluran pengembangan formal seperti repositori, paket open-source, container, dan pipeline CI/CD, serta lampiran email, file yang diunduh, makro, ekstensi browser, penginstal endpoint, integrasi pihak ketiga, dan skrip yang diperkenalkan melalui alat AI atau otomasi.
Setelah itu, identifikasi di mana jalur tersebut mengandalkan kepercayaan warisan. Jika eksekusi diizinkan karena perangkat lunak berasal dari sumber yang disetujui, ditandatangani, melewati proses build, atau tidak memiliki riwayat berbahaya, kontrolnya tidak lengkap. Perilaku tetap harus dievaluasi sebelum artefak diizinkan berjalan.
Baca Juga:
Seiring AI mengambil lebih banyak pekerjaan dalam menciptakan kode yang sah dan berbahaya, perusahaan tidak bisa lagi berasumsi bahwa kode yang lolos pemeriksaan yang ada harus diizinkan berjalan. Eksekusi harus menjadi keputusan keamanan yang disengaja. Kecepatan AI dalam menghasilkan kode menuntut pergeseran paradigma dari sekadar memvalidasi asal-usul kode menjadi mengatur perilaku eksekusinya secara ketat.
Artikel ini merupakan bagian dari TechRadar Pro Perspectives, kanal untuk menampilkan pemikiran terbaik di industri teknologi saat ini. Pandangan yang diungkapkan di sini adalah milik penulis dan tidak mencerminkan TechRadarPro atau Future plc.
[CONTENT_END]
Komentar
Belum ada komentar.