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.
Riset Microsoft Mengungkap Perubahan Penting dalam Teknologi Keamanan AI
Kajian terkini dari tim keamanan Microsoft memperlihatkan bahwa perkembangan teknologi kecerdasan buatan mulai mengubah metode pemeriksaan kelemahan sistem. Melalui FORGE Lab, Microsoft menguji sistem agen keamanan otomatis yang dapat menelusuri kode sumber dalam jumlah besar. Berbeda dari pemeriksaan yang hanya mengandalkan aturan tetap, sistem berbasis AI berpotensi memahami hubungan antarbagian kode. Inovasi tersebut membuka peluang untuk membantu peneliti mengidentifikasi masalah sebelum dimanfaatkan penyerang. Namun demikian, temuan otomatis tetap harus melalui validasi sebelum dianggap sebagai kerentanan nyata.
Berdasarkan pemaparan FORGE Lab, Microsoft mengidentifikasi tiga tantangan utama dalam pendeteksian kerentanan otomatis. Aspek awal adalah upaya mengubah kemampuan eksperimen menjadi proses yang konsisten. Perubahan kedua berkaitan dengan pengelolaan sumber daya komputasi. Pada bagian terakhir, perubahan ketiga adalah penggabungan validasi dan perbaikan. Perubahan yang dijelaskan Microsoft menegaskan bahwa efektivitas perlindungan perangkat lunak tidak hanya bergantung pada kecepatan pemindaian. Sebaliknya, pengembang sebaiknya mengevaluasi apakah pembaruan berhasil diterapkan secara konsisten.
Cara Kerja Teknologi AI Microsoft dalam Menganalisis Kerentanan
Komponen penting dalam penelitian Microsoft adalah MDASH, yaitu platform penelitian keamanan yang mengoordinasikan model AI. Sistem penelitian ini dirancang untuk menggabungkan berbagai komponen analisis otomatis dalam satu alur pemeriksaan. Melalui pendekatan tersebut, sebagian komponen dapat menelusuri lokasi program yang mencurigakan. Sementara itu, agen lainnya dapat membantu melakukan validasi. Arsitektur tersebut berpotensi memperluas efisiensi pemeriksaan kode. Namun demikian, peneliti manusia tetap diperlukan untuk menafsirkan hasil.
Berdasarkan penelitian FORGE Lab, penggunaan sistem tersebut berkontribusi pada penemuan kerentanan Windows yang berjumlah 140 CVE dalam periode Mei hingga September 2026. Pada periode pengujian itu, sebanyak 52 CVE masuk dalam rilis perbaikan September 2026. Di luar pemeriksaan sistem operasi Microsoft, anggota FORGE menyampaikan 155 laporan yang telah divalidasi secara internal pada 23 proyek perangkat lunak sumber terbuka. Target pemeriksaan ini menyertakan proyek dengan penggunaan luas. Data yang dipublikasikan menggambarkan kemampuan penerapan keamanan berbasis AI, tetapi tidak menunjukkan seluruh masalah telah selesai diperbaiki. Kerentanan yang dideteksi tetap memerlukan proses penanganan sesuai tingkat risiko.
Pentingnya Pemeriksaan Hasil Pendeteksian Celah Perangkat Lunak
Hambatan utama dalam penggunaan teknologi pemindaian cerdas adalah membedakan kerentanan nyata dari dugaan keliru. Agen penelitian otomatis mungkin memberikan dugaan kelemahan dengan penjelasan terperinci meskipun bukti teknisnya belum cukup. Masalah validasi tersebut dapat menghasilkan false positive sehingga proses pemeriksaan menjadi lebih panjang. Di samping laporan yang keliru, hasil pemeriksaan yang sama berpotensi membebani proses triase. Untuk meningkatkan kualitas, tim keamanan harus memprioritaskan temuan yang telah melalui validasi daripada hanya mengejar volume pemindaian.
Dalam penelitiannya Microsoft menjelaskan bahwa kecepatan menemukan kerentanan perlu disertai proses validasi yang memadai. Ketika melakukan evaluasi perangkat lunak, laporan yang berpotensi berdampak biasanya perlu diperiksa melalui lingkungan pengujian terkontrol. Untuk memberikan gambaran, dugaan penggunaan memori yang tidak aman sebaiknya menyertakan bukti perilaku program. Ketika pengujian belum mendukung laporan, tim keamanan mungkin perlu melakukan investigasi tambahan. Langkah validasi semacam ini bertujuan mengurangi perbaikan yang tidak diperlukan. Dengan demikian, hasil penelitian menjadi lebih dapat dipercaya.
Efisiensi Biaya dan Otomatisasi Validasi dalam Riset Keamanan Microsoft
Selain ketepatan hasil, Microsoft memberikan perhatian pada efisiensi komputasi model ketika pemindaian dilakukan terhadap kode berukuran besar. Konsep reasoning economics menjadi penting karena setiap proses analisis membutuhkan sumber daya. Melalui penelitian tersebut, MDASH mengidentifikasi ribuan lokasi mencurigakan pada kernel Linux dan menghasilkan bukti pendukung untuk 627 temuan. Dari aktivitas tersebut, Microsoft mencatat biaya pembuatan bukti konsep. Pengukuran tersebut membantu menentukan apakah hasil pengujian sebanding dengan biaya. Dengan pendekatan ini, tim keamanan memiliki dasar menilai kebutuhan pemeriksaan lanjutan secara lebih sistematis.
Dalam pengujian tertentu, Microsoft mengungkapkan bahwa pembuatan proof of concept untuk 182 temuan crash yang terkonfirmasi membutuhkan rata-rata biaya model sebesar 3,61 dolar AS dengan lama pengujian rata-rata 21,5 menit. Sementara itu, enam kasus terpilih yang diuji kemungkinan local privilege escalation memiliki pengeluaran model sekitar 8,56 dolar AS dan waktu sekitar 25,4 menit. Namun demikian, pengukuran performa itu tidak mewakili total biaya penelitian seperti investigasi manusia. Dengan pertimbangan tersebut, hasil pengujian sebaiknya dipahami sebagai indikator efisiensi dalam kondisi penelitian, bukan standar tetap seluruh pengujian kerentanan.
Kolaborasi Manusia dan AI Menjadi Kunci Perbaikan Keamanan Siber
Penelitian FORGE Lab turut memperlihatkan bahwa identifikasi masalah belum menyelesaikan seluruh pekerjaan. Ketika kerentanan berhasil diidentifikasi, peneliti bersama pemelihara proyek perlu menentukan penyebab masalah. Ketika menangani komponen publik, komunikasi dengan maintainer perlu diperhatikan karena mekanisme pengungkapan dapat bervariasi. Sebagian kerentanan perlu ditangani sebelum diumumkan kepada publik. Di samping prosedur pelaporan, perbaikan perangkat lunak harus dipastikan tidak merusak fungsi lain. Dengan demikian, temuan AI berpotensi berubah menjadi perbaikan bermanfaat bagi komunitas pengembang.
Untuk memperluas kerja sama penelitian, Microsoft turut mendukung Akrites, yaitu inisiatif Linux Foundation yang bertujuan membantu penanganan celah pada proyek penting. Dalam kegiatan Akrites, tim FORGE melaporkan sembilan temuan Linux yang dinilai memiliki skor CVSS internal lebih tinggi dari 7,0. Sebuah laporan dari rangkaian itu tercatat sebagai laporan pertama melalui Akrites dengan perbaikan diterima yang masuk ke proyek kernel Linux. Perkembangan tersebut menunjukkan pentingnya pengelolaan laporan yang bertanggung jawab. Seiring meningkatnya kemampuan AI, organisasi perlu membangun mekanisme validasi yang konsisten agar temuan penting memperoleh prioritas.
Pentingnya Validasi dan Perbaikan dalam Penelitian Kerentanan Modern
Kajian Microsoft mengenai AI keamanan mengungkapkan bahwa teknologi kecerdasan buatan memberikan manfaat baru dalam mendeteksi kerentanan perangkat lunak. Dengan bantuan kerangka pemindaian multiagen, Microsoft berhasil meningkatkan skala penelitian pada beragam lingkungan pengembangan. Walaupun hasil penelitian menjanjikan, volume laporan tidak otomatis menentukan keamanan. Validasi temuan, pengelolaan biaya komputasi, serta pengawasan proses remediasi tetap memiliki peran penting. Melalui perpaduan otomatisasi penelitian dan pengawasan profesional, organisasi berpotensi meningkatkan efektivitas perlindungan sistem. Menurut Anda, apakah teknologi penelitian kerentanan berbasis AI akan berkembang pesat? Mari berbagi pemikiran Anda mengenai masa depan keamanan digital.
