Riset Keamanan Microsoft Ungkap Tantangan Baru dalam Pendeteksian Celah Menggunakan AI

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

Penelitian keamanan terbaru Microsoft menunjukkan bahwa peningkatan kemampuan model AI mulai mengubah metode pemeriksaan kelemahan sistem. Berdasarkan penelitian tim FORGE, Microsoft menguji pendekatan penelitian keamanan berbasis agen yang dirancang menganalisis berbagai komponen perangkat lunak. Tidak seperti pendekatan pencarian kesalahan konvensional, sistem berbasis AI mampu menganalisis alur eksekusi program. Kemampuan tersebut menawarkan manfaat untuk memperluas cakupan pengujian sebelum menjadi ancaman yang lebih besar. Meskipun potensinya besar, hasil analisis AI tetap harus melalui validasi sebelum diproses untuk perbaikan.

Melalui publikasi penelitian Oktober 2026, Microsoft mengidentifikasi tiga tantangan utama dalam pendeteksian kerentanan otomatis. Perubahan pertama adalah peralihan dari kemampuan menemukan celah menuju penerapan berskala besar. Perubahan kedua berkaitan dengan perhitungan biaya penggunaan model. Adapun, perubahan ketiga adalah penggabungan validasi dan perbaikan. Perubahan yang dijelaskan Microsoft menegaskan bahwa efektivitas perlindungan perangkat lunak tidak cukup dinilai melalui jumlah temuan. Dalam praktiknya, tim keamanan harus memperhatikan apakah laporan dapat dibuktikan secara bertanggung jawab.

Microsoft FORGE Lab dan MDASH Mempercepat Pendeteksian Celah Keamanan

Komponen penting dalam penelitian Microsoft adalah MDASH, yaitu platform penelitian keamanan yang mengoordinasikan model AI. Teknologi tersebut dikembangkan guna mengoordinasikan berbagai komponen analisis otomatis dalam proses penelitian terstruktur. Dengan sistem tersebut, bagian sistem dapat menganalisis bagian perangkat lunak yang membutuhkan perhatian. Sementara itu, komponen tambahan bisa menyiapkan bukti pengujian. Strategi penggunaan beberapa agen berpotensi memperluas kemampuan menemukan kerentanan kompleks. Walaupun prosesnya semakin otomatis, pengawasan profesional masih penting untuk memastikan ketepatan laporan.

Menurut hasil yang dipaparkan Microsoft, penggunaan sistem tersebut mendukung pengungkapan kerentanan Windows yang berjumlah 140 CVE dalam periode Mei hingga September 2026. Dari jumlah tersebut, sebanyak 52 CVE ditangani dalam pembaruan keamanan September. Di luar pemeriksaan sistem operasi Microsoft, anggota FORGE menyampaikan 155 laporan yang mendapatkan validasi awal pada 23 proyek perangkat lunak sumber terbuka. Proyek yang diteliti menyertakan sejumlah komponen open source penting. Pencapaian penelitian ini menggambarkan kemampuan penerapan keamanan berbasis AI, tetapi bukan bukti bahwa semua temuan telah diumumkan. Temuan yang diterima tetap membutuhkan verifikasi lanjutan sesuai tingkat risiko.

Pentingnya Pemeriksaan Hasil Pendeteksian Celah Perangkat Lunak

Masalah penting dalam penerapan AI untuk keamanan adalah memastikan setiap temuan benar-benar valid. Model kecerdasan buatan dapat menghasilkan laporan yang terlihat meyakinkan meskipun masalah sebenarnya belum terbukti. Masalah validasi tersebut berpotensi menimbulkan laporan positif palsu sehingga waktu peneliti terbuang. Selain itu, temuan yang berulang mungkin memperlambat penanganan masalah penting. Oleh karena itu, organisasi perlu mengutamakan laporan dengan bukti kuat daripada hanya mengejar volume pemindaian.

Tim FORGE menggarisbawahi bahwa volume pemeriksaan menggunakan AI harus diimbangi dengan proses validasi yang memadai. Pada kegiatan penelitian profesional, temuan yang dianggap penting biasanya harus diuji melalui prosedur pembuktian teknis. Sebagai contoh, dugaan penggunaan memori yang tidak aman perlu menunjukkan bukti perilaku program. Apabila bukti tidak tersedia, pengembang perlu memeriksa bagian kode terkait. Pendekatan tersebut dapat membatasi perbaikan yang tidak diperlukan. Dengan demikian, penanganan celah berlangsung lebih terarah.

Tantangan Penggunaan Sumber Daya dalam Teknologi Pendeteksi Celah

Di samping kualitas laporan, Microsoft turut membahas efisiensi komputasi model ketika penelitian mencakup banyak proyek. Konsep reasoning economics menjadi penting karena setiap proses analisis membutuhkan sumber daya. Dalam evaluasi FORGE Lab, MDASH menandai ribuan lokasi mencurigakan pada kernel Linux dan menyiapkan hasil validasi untuk 627 temuan. Pada kelompok evaluasi yang dipublikasikan, Microsoft mengukur pengeluaran komputasi untuk proof of concept. Evaluasi biaya ini membantu menentukan apakah hasil pengujian sebanding dengan biaya. Melalui analisis ekonomi tersebut, tim keamanan memiliki dasar menilai kebutuhan pemeriksaan lanjutan secara lebih terukur.

Pada kelompok kasus yang berhasil divalidasi, Microsoft mencatat 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 lama pemrosesan sekitar 25,4 menit. Perlu dipahami, hasil evaluasi tersebut tidak mencakup seluruh pengeluaran seperti pemeriksaan awal. Oleh sebab itu, hasil pengujian sebaiknya dipahami sebagai indikator efisiensi dalam kondisi penelitian, bukan jaminan biaya untuk semua proyek.

Kolaborasi Manusia dan AI Menjadi Kunci Perbaikan Keamanan Siber

Evaluasi kerentanan berbasis AI tersebut memberikan gambaran bahwa pendeteksian kerentanan merupakan bagian dari proses keamanan. Setelah masalah ditemukan, pengembang perlu memahami dampak terhadap sistem. Ketika menangani komponen publik, proses koordinasi menjadi sangat penting karena mekanisme pengungkapan dapat bervariasi. Sebagian kerentanan perlu ditangani sebelum diumumkan kepada publik. Di samping prosedur pelaporan, pembaruan kode sumber harus dipastikan tidak merusak fungsi lain. Melalui pendekatan menyeluruh, hasil analisis otomatis dapat memberikan dampak positif bagi organisasi yang menggunakan sistem tersebut.

Sebagai bagian dari pengembangan tersebut, Microsoft berkontribusi terhadap Akrites, yaitu program koordinasi keamanan dari Linux Foundation yang dikembangkan untuk mendukung penanganan celah pada proyek penting. Dalam kegiatan Akrites, tim FORGE mengirimkan sembilan temuan Linux yang dinilai memiliki skor CVSS internal lebih tinggi dari 7,0. Satu dari temuan yang disampaikan berhasil menghasilkan pembaruan kode pertama melalui jalur Akrites yang masuk ke proyek kernel Linux. Hasil kolaborasi tersebut memperlihatkan manfaat koordinasi antara peneliti dan pengembang. Ke depan, pengembang harus mempertimbangkan mekanisme validasi yang konsisten agar jumlah laporan tidak melampaui kapasitas penanganan.

Kesimpulan tentang Riset Microsoft dan Teknologi Pendeteksian Celah AI

Penelitian FORGE Lab memperlihatkan bahwa teknologi kecerdasan buatan semakin berperan penting dalam menemukan kelemahan kode. Berkat penerapan teknologi analisis otomatis, Microsoft menunjukkan kemampuan pemeriksaan yang lebih luas pada sejumlah sistem perangkat lunak penting. Meskipun jumlah temuan meningkat, volume laporan tidak otomatis menentukan keamanan. Pemeriksaan bukti teknis, perhitungan pengeluaran penelitian, serta penerapan patch yang aman tetap menjadi prioritas. Berkat kerja sama antara teknologi pemeriksaan cerdas dan koordinasi pengembang, pengembang memiliki kesempatan memperbaiki ketahanan perangkat lunak. Dari sudut pandang Anda, apakah AI akan semakin berperan dalam keamanan siber? Silakan bagikan pendapat Anda mengenai manfaat AI untuk perlindungan perangkat lunak.