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.

Riset Microsoft Mengungkap Perubahan Penting dalam Teknologi Keamanan AI

Penelitian keamanan terbaru Microsoft menunjukkan bahwa peningkatan kemampuan model AI mulai mengubah proses penelitian celah keamanan. Melalui FORGE Lab, Microsoft menerapkan teknologi AI untuk analisis kerentanan yang dapat menelusuri kode sumber dalam jumlah besar. Tidak seperti pendekatan pencarian kesalahan konvensional, sistem berbasis AI mampu menganalisis alur eksekusi program. Kemampuan tersebut membuka peluang untuk memperluas cakupan pengujian sebelum menjadi ancaman yang lebih besar. Meskipun potensinya besar, temuan otomatis tetap memerlukan pembuktian sebelum diproses untuk perbaikan.

Melalui publikasi penelitian Oktober 2026, Microsoft mengidentifikasi tiga perubahan penting dalam pengembangan teknologi keamanan siber. Perubahan pertama adalah peralihan dari kemampuan menemukan celah menuju penerapan berskala besar. Perubahan kedua berkaitan dengan perhitungan biaya penggunaan model. Adapun, tantangan berikutnya adalah pembentukan alur pemeriksaan berkelanjutan. Rangkaian tantangan ini menunjukkan bahwa keberhasilan keamanan siber tidak semata-mata ditentukan kemampuan model. Dengan kata lain, pengembang sebaiknya mengevaluasi apakah laporan dapat dibuktikan secara bertanggung jawab.

Microsoft FORGE Lab dan MDASH Mempercepat Pendeteksian Celah Keamanan

Sistem yang digunakan dalam penelitian Microsoft adalah MDASH, yaitu platform penelitian keamanan yang mengoordinasikan model AI. Pendekatan MDASH dirancang untuk menggabungkan beberapa model kecerdasan buatan dalam rangkaian pengujian keamanan. Dengan sistem tersebut, agen tertentu bisa memeriksa bagian perangkat lunak yang membutuhkan perhatian. Pada tahapan berbeda, sistem berikutnya dapat memeriksa kelayakan temuan. Strategi penggunaan beberapa agen berpotensi memperluas cakupan penelitian keamanan. Meskipun beberapa tahapan dapat dijalankan AI, pengawasan profesional masih penting untuk menentukan dampak.

Menurut hasil yang dipaparkan Microsoft, penggunaan sistem tersebut membantu identifikasi kerentanan Windows yang mencapai 140 CVE dalam rentang lima bulan sejak Mei 2026. Dalam rangkaian pembaruan tersebut, sebanyak 52 CVE tercakup pada pembaruan Windows bulan September. Tidak hanya mempelajari komponen Windows, anggota FORGE juga mengirimkan 155 laporan yang melalui pemeriksaan internal pada 23 proyek perangkat lunak sumber terbuka. Lingkup penelitian tersebut menyertakan kernel Linux dan berbagai perangkat lunak populer. Pencapaian penelitian ini menunjukkan peningkatan skala keamanan berbasis AI, tetapi tidak menunjukkan seluruh masalah telah selesai diperbaiki. Kerentanan yang dideteksi tetap memerlukan proses penanganan sesuai tingkat risiko.

Tantangan Validasi Temuan AI dalam Penelitian Keamanan Microsoft

Salah satu tantangan terbesar dalam penggunaan teknologi pemindaian cerdas adalah membedakan kerentanan nyata dari dugaan keliru. Sistem AI dapat menghasilkan analisis yang tampak masuk akal meskipun bukti teknisnya belum cukup. Kondisi tersebut dapat menghasilkan false positive sehingga waktu peneliti terbuang. Di samping laporan yang keliru, laporan duplikat mungkin memperlambat penanganan masalah penting. Oleh karena itu, organisasi perlu mengutamakan kerentanan yang dapat direproduksi daripada sekadar meningkatkan jumlah laporan.

Tim FORGE menggarisbawahi bahwa kemampuan menghasilkan laporan otomatis perlu disertai pengujian bukti teknis. Dalam praktik keamanan, temuan yang dianggap penting biasanya perlu diperiksa melalui sistem reproduksi yang sesuai. Sebagai contoh, laporan kesalahan pengelolaan memori sebaiknya menyertakan kondisi yang dapat memicu masalah. Jika masalah tidak dapat direproduksi, tim keamanan mungkin perlu melakukan investigasi tambahan. Pendekatan tersebut membantu menghindari perbaikan yang tidak diperlukan. Melalui proses ini, penanganan celah berlangsung lebih terarah.

Efisiensi Biaya dan Otomatisasi Validasi dalam Riset Keamanan Microsoft

Di samping kualitas laporan, Microsoft turut membahas efisiensi komputasi model ketika penelitian mencakup banyak proyek. Pendekatan ekonomi penalaran perlu dipertimbangkan karena penggunaan model memiliki biaya komputasi. Dalam evaluasi FORGE Lab, MDASH mengidentifikasi ribuan lokasi mencurigakan pada kernel Linux dan mengumpulkan informasi pengujian untuk 627 temuan. Dalam sebagian pengujian itu, Microsoft menilai kebutuhan model dalam pengujian otomatis. Pengukuran tersebut digunakan untuk menilai apakah otomatisasi benar-benar efisien. Berkat evaluasi sumber daya, organisasi dapat mempertimbangkan manfaat tambahan setiap proses secara lebih sistematis.

Dalam pengujian tertentu, Microsoft mencatat bahwa pembuatan proof of concept untuk 182 temuan crash yang terkonfirmasi memiliki biaya komputasi model rata-rata 3,61 dolar AS dengan lama pengujian rata-rata 21,5 menit. Di sisi pengujian berbeda, enam kasus terpilih yang diuji kemungkinan local privilege escalation memiliki pengeluaran model sekitar 8,56 dolar AS dan durasi rata-rata 25,4 menit. Walaupun hasil tersebut memberikan gambaran, pengukuran performa itu tidak mencakup seluruh pengeluaran seperti persiapan perbaikan. Oleh sebab itu, informasi biaya harus dilihat sebagai pengukuran terbatas pada kasus tertentu, bukan patokan mutlak pengeluaran keamanan.

Masa Depan Teknologi Keamanan Microsoft melalui Validasi Berkelanjutan

Riset keamanan Microsoft memberikan gambaran bahwa pendeteksian kerentanan merupakan bagian dari proses keamanan. Sesudah laporan dinyatakan valid, peneliti bersama pemelihara proyek perlu menentukan langkah perbaikan yang sesuai. Ketika menangani komponen publik, proses koordinasi menjadi sangat penting karena setiap proyek memiliki aturan pelaporan berbeda. Beberapa masalah keamanan mungkin membutuhkan laporan privat. Di samping prosedur pelaporan, penerapan patch harus dipastikan tidak merusak fungsi lain. Dengan demikian, temuan AI berpotensi berubah menjadi perbaikan bermanfaat bagi organisasi yang menggunakan sistem tersebut.

Sebagai bagian dari pengembangan tersebut, Microsoft turut mendukung Akrites, yaitu upaya kolaboratif di bawah Linux Foundation yang bertujuan membantu proses perbaikan masalah keamanan sumber terbuka. Dalam kegiatan Akrites, tim FORGE melaporkan sembilan temuan Linux yang mendapatkan skor kerentanan internal melampaui 7,0. Sebuah laporan dari rangkaian itu menjadi pengajuan Akrites pertama yang menghasilkan patch yang masuk ke proyek kernel Linux. Hasil kolaborasi tersebut menjadi contoh nyata pengelolaan laporan yang bertanggung jawab. Ke depan, organisasi perlu membangun sistem penanganan kerentanan terpadu agar perbaikan dapat diterapkan tepat waktu.

Kesimpulan tentang Riset Microsoft dan Teknologi Pendeteksian Celah AI

Riset keamanan Microsoft menunjukkan bahwa sistem penelitian berbasis agen memberikan manfaat baru dalam mendukung pengujian keamanan siber. Dengan bantuan kerangka pemindaian multiagen, Microsoft berhasil meningkatkan skala penelitian pada Windows dan berbagai proyek open source. Meskipun jumlah temuan meningkat, volume laporan tidak otomatis menentukan keamanan. Validasi temuan, perhitungan pengeluaran penelitian, serta pengawasan proses remediasi tetap memiliki peran penting. Melalui perpaduan kemampuan analisis AI dan koordinasi pengembang, organisasi berpotensi meningkatkan kualitas pengelolaan kerentanan. Menurut Anda, apakah AI akan semakin berperan dalam keamanan siber? Jangan ragu menyampaikan pandangan Anda mengenai pentingnya validasi dalam riset keamanan.