Laporan Keamanan AI Check Point Research 2026: AI Berpindah dari Asisten Keamanan Siber ke Operator Aktif

Laporan Check Point Research AI Security Report 2026, yang diterbitkan oleh Check Point Software Technologies (CHKP ), menggambarkan lanskap keamanan siber di mana kecerdasan buatan (AI) tidak lagi hanya membantu penyerang dalam melakukan penelitian target, menulis email phishing, atau menghasilkan fragmen kode berbahaya. AI kini semakin banyak digunakan dalam rantai serangan langsung, menjalankan perintah, menganalisis informasi yang dicuri, mengembangkan malware dengan kualitas produksi, dan mengoordinasikan serangan di beberapa sistem. Pada saat yang sama, adopsi AI oleh perusahaan memaparkan data sensitif, memperluas risiko rantai pasokan perangkat lunak, dan melemahkan banyak sinyal yang biasanya digunakan untuk memverifikasi identitas.

AI Memasuki Rantai Serangan Langsung

Temuan paling penting dalam laporan ini bukanlah bahwa AI telah menciptakan bentuk-bentuk kejahatan siber yang sama sekali baru. Sebaliknya, AI telah secara dramatis mengurangi waktu, keahlian, dan biaya yang dibutuhkan untuk melakukan serangan yang sudah ada.

AI kini memainkan peran dalam teknik sosial, pengembangan malware, penelitian kerentanan, pengintaian, pemanenan kredensial, pergerakan lateral, dan analisis data. Operator dengan risiko tertinggi tidak selalu menggunakan model yang paling canggih, tetapi mereka yang telah belajar menghubungkan beberapa alat AI dan mengautomasi beberapa tahap intrusi.

Satu kampanye espionage yang dilaporkan dan terkait dengan China menggunakan Claude Code untuk melakukan sekitar 80% hingga 90% pekerjaan taktis di sekitar 30 organisasi yang ditargetkan. AI tersebut dilaporkan menangani pengintaian, eksploitasi, pemanenan kredensial, pergerakan lateral, dan triage data, meninggalkan operator manusia untuk memberikan arahan strategis yang lebih luas.

Contoh yang lebih jelas melibatkan kompromi terhadap sembilan lembaga pemerintah Meksiko antara akhir Desember 2025 dan pertengahan Februari 2026. Operasi ini memaparkan sekitar 400 juta catatan yang mencakup data pajak, registri sipil, kendaraan, pasien, dan pemilu. Peneliti merekonstruksi serangan dari infrastruktur operator dan menemukan bahwa 1.088 instruksi yang ditulis oleh manusia menghasilkan 5.317 perintah yang dijalankan oleh AI di 34 sesi.

Penyerang menggunakan Claude Code untuk mengeksplorasi dan mengompromikan sistem, sementara GPT-4.1 menganalisis data yang dicuri dan menghasilkan instruksi untuk sesi berikutnya. Ketika Claude awalnya menolak membantu, operator memasukkan instruksi pengujian penetrasi ke dalam file konfigurasi CLAUDE.md yang dipercaya. Setiap sesi berikutnya secara otomatis mewarisi perilaku yang diubah, menghilangkan kebutuhan untuk mengulangi jailbreak.

Hal ini menunjukkan masalah yang lebih luas. Banyak agen AI secara otomatis mempercayai file proyek dan konfigurasi sistem. File yang teracuni dapat mempengaruhi sesi di masa depan, mengubah apa yang awalnya merupakan teknik manipulasi prompt sementara menjadi kompromi yang persisten.

Alat AI Mainstream Tetap menjadi Pilihan Utama

Penyerang umumnya mengakses AI melalui layanan komersial, model sumber terbuka yang dihosting sendiri, atau platform kriminal yang dirancang khusus. Meskipun ada diskusi yang meningkat tentang model lokal yang tidak terbatas, alat komersial mainstream tetap menjadi pilihan yang paling praktis.

Penyerang menggunakan akun yang sah atau dicuri untuk layanan seperti ChatGPT, Gemini, Claude, DeepSeek, Kimi, dan Qwen. Mereka sering membagi permintaan berbahaya menjadi tugas-tugas kecil yang tampak tidak berbahaya ketika dilihat secara individu, secara bertahap memandu model menuju hasil yang dilarang.

Kredensial AI telah menjadi target yang berharga. Kampanye Bissa Scanner dilaporkan mencuri detail login untuk Anthropic, OpenAI, Google, dan penyedia lainnya dari lebih dari 30.000 file lingkungan pengembang yang terbuka. Akun AI adalah jenis kredensial yang paling umum yang dikumpulkan.

Akun yang dicuri dapat dijual kembali melalui praktik yang dikenal sebagai LLMjacking. Pembeli mendapatkan akses ke sumber daya AI organisasi lain, menghindari biaya penggunaan, berpotensi mengakses informasi yang disimpan, dan membuat aktivitas mereka tampak berasal dari pengguna yang sah. Dalam satu kasus, kunci antarmuka pemrograman aplikasi Google Gemini yang dicuri menghasilkan sekitar $82.000 dalam biaya hanya dalam dua hari.

Model yang dihosting sendiri menawarkan lebih sedikit batasan dan pengawasan penyedia yang lebih sedikit, tetapi penyerang sering melaporkan bahwa mereka memerlukan perangkat keras yang mahal, keahlian teknis, dan penyetelan yang ekstensif. Layanan kriminal seperti WormGPT juga kehilangan kredibilitas karena kinerja yang buruk. WormGPT sendiri dilaporkan diretas, memaparkan detail pembayaran yang dimiliki lebih dari 19.000 pelanggan.

Grup ransomware-as-a-service yang dikenal sebagai The Gentlemen menggambarkan bagaimana grup kriminal biasa mendekati AI. Operasi ini memiliki lebih dari 330 korban yang dipublikasikan hingga Mei 2026, namun anggotanya mengakui bahwa mereka tidak tahu cara menjalankan model AI mereka sendiri. Sebaliknya, mereka membandingkan platform AI komersial berdasarkan yang memiliki perlindungan terlemah. Administrator grup tersebut dilaporkan menggunakan AI untuk membuat alat manajemen dalam hanya tiga hari.

Malware yang Dibangun oleh AI Mencapai Kualitas Profesional

Pengembangan malware yang dibantu oleh AI telah melampaui prototipe kasar. Dalam banyak kasus, malware yang selesai tidak mengandung AI sama sekali. Model digunakan selama pengembangan untuk menulis, menguji, meng-debug, dan memperbaiki kode, meninggalkan sedikit bukti yang terlihat dari keterlibatannya setelah malware diterapkan.

VoidLink adalah contoh terkuat dalam laporan ini. Kerangka kerja perintah dan kontrol Linux modular ini termasuk kemampuan stealth dan persistensi, serta lebih dari 30 plugin pasca-eksploitasi. Kualitasnya awalnya menunjukkan bahwa tim pengembang telah menghabiskan beberapa bulan untuk membangunnya.

Kesalahan operasional pengembang mengungkapkan bahwa VoidLink telah dibuat oleh satu orang menggunakan lingkungan pengkodean AI TRAE SOLO. Melalui spesifikasi rinci dan pengujian yang dibantu oleh AI berulang kali, pengembang menghasilkan sekitar 88.000 baris kode fungsional dalam waktu kurang dari satu minggu.

Grup lainnya telah mengadopsi metode serupa. Transparent Tribe, juga dikenal sebagai APT36, dilaporkan menggunakan lini perakitan yang didorong oleh AI untuk menghasilkan malware yang dapat dibuang yang menargetkan sistem pemerintah India. Grup GREYVIBE yang terkait dengan Rusia menggunakan ChatGPT dan Gemini untuk membuat malware khusus untuk operasi melawan Ukraina, sementara grup KONNI yang terkait dengan Korea Utara menggunakan AI untuk menghasilkan backdoor PowerShell.

Malware yang berkomunikasi dengan model AI saat berjalan masih kurang umum. LAMEHUG menggunakan Qwen melalui API Hugging Face untuk menghasilkan perintah sesuai kebutuhan, sementara PromptLock menerapkan konsep serupa pada ransomware. Contoh-contoh ini tetap terbatas, tetapi mereka menunjukkan bahwa perilaku berbahaya yang dihasilkan secara dinamis secara teknis memungkinkan.

Waktu yang Tersedia untuk Pembaruan Keamanan Semakin Menyusut

AI mempercepat penemuan kerentanan untuk kedua belah pihak, baik pembela maupun penyerang. Hal ini mengurangi jendela waktu antara pengungkapan publik, eksploitasi, dan perbaikan.

Laporan ini menjelaskan Proyek Glasswing Anthropic, yang menggunakan model yang belum dirilis yang disebut Claude Mythos Preview untuk mengidentifikasi lebih dari 10.000 kerentanan zero-day dengan tingkat keparahan tinggi dan kritis di seluruh sistem operasi utama dan browser dalam bulan pertamanya. Model tersebut dilaporkan menghasilkan eksploitasi yang berfungsi pada upaya pertamanya dalam sekitar 83% kasus.

Anthropic menahan model dari rilis publik karena kekhawatiran bahwa itu bisa disalahgunakan, tetapi berkomitmen $100 juta dalam kredit penggunaan untuk organisasi yang dipilih. Kasus ini menunjukkan bagaimana penemuan kerentanan menjadi lebih murah dan semakin otomatis.

Pedoman pemerintah sudah mencerminkan lingkungan yang lebih cepat ini. Badan Keamanan Siber dan Infrastruktur Amerika Serikat telah memerlukan agen sipil federal untuk memperbaiki kerentanan risiko tinggi tertentu dalam waktu tiga hari. CERT-In India telah menyarankan organisasi untuk mengatasi kelemahan internet yang menghadap kritis dalam waktu 12 jam.

Penemuan teknis kerentanan mungkin tidak lagi menjadi bottleneck utama. Tinjauan manusia, pengujian, persetujuan, dan penerapan bisa menjadi bagian yang lebih lambat dan lebih rentan dari proses.

Aplikasi AI Menjadi Target

Ketika organisasi membenamkan AI ke dalam browser, platform email, dokumen, lingkungan pengkodean, dan alur kerja bisnis, teknologi ini mendapatkan akses ke data sensitif dan kemampuan untuk bertindak menggunakan izin pengguna yang ada.

Injeksi prompt tetap menjadi salah satu ancaman paling penting. Injeksi prompt langsung terjadi ketika penyerang berkomunikasi dengan model dan mencoba untuk menggantikan aturannya. Injeksi prompt tidak langsung menyembunyikan instruksi berbahaya di dalam konten yang AI proses kemudian, seperti halaman web, email, undangan kalender, dokumen, atau bidang metadata.

Satu studi yang dikutip dalam laporan ini memindai 1,2 miliar URL dan mengidentifikasi sekitar 15.300 payload injeksi prompt tidak langsung. Sekitar 70% di antaranya disembunyikan dalam HTML yang tidak dirender, termasuk komentar, header, dan metadata yang pengunjung manusia biasanya tidak akan melihat.

Telemetri Check Point mencatat peningkatan tajam dalam payload berbahaya yang lebih panjang. Antara Maret dan Mei 2026, deteksi meningkat sekitar lima kali lipat dan mendekati 1% dari prompt yang diamati pada Mei. Payload yang lebih panjang sangat relevan dengan agen yang memproses halaman web penuh, dokumen, dan output dari alat yang terhubung.

Browser yang ditenagai AI menciptakan risiko tambahan karena mereka beroperasi di dalam sesi yang telah diautentikasi. Dalam satu tes yang dikontrol, undangan kalender berbahaya menyebabkan browser Comet Perplexity mengungkapkan kata sandi yang disimpan. Dalam eksperimen lain, browser AI menyelesaikan seluruh alur phishing dalam waktu kurang dari empat menit tanpa keterlibatan manusia.

Rantai Pasokan Agensi yang Membentang Meningkatkan Permukaan Serangan

Agen AI mendapatkan kemampuan melalui server Protokol Konteks Model, ekstensi, file konfigurasi, hub model, dan keterampilan yang dapat diunduh. Komponen-komponen ini sering dipercaya secara otomatis dan dipasang dengan tinjauan manusia yang terbatas.

Peneliti Check Point mengidentifikasi kerentanan dalam file proyek Claude Code yang dapat menjalankan perintah yang dikendalikan oleh penyerang ketika pengembang membuka repositori yang teracuni. Masalah serupa telah muncul di Gemini CLI, Cursor, Windsurf, dan lingkungan pengkodean lainnya, menunjukkan kelemahan arsitektur yang lebih luas daripada masalah vendor yang terisolasi.

Malware GlassWorm dilaporkan menyebar melalui paket Protokol Konteks Model di lebih dari 150 repositori. Peneliti juga meninjau sekitar 46.500 paket perangkat lunak yang dipublikasikan dan menemukan bahwa 428 paket secara tidak sengaja mengandung file pengaturan Claude Code lokal. Sekitar satu dari 13 file tersebut termasuk kredensial langsung seperti token NPM, kunci GitHub, atau kunci Hugging Face.

Tinjauan terpisah dari 10.000 server Protokol Konteks Model menemukan kelemahan keamanan pada 40% di antaranya. Dari 221 keterampilan agen OpenClaw yang diperiksa, 70% meminta lebih banyak kredensial daripada yang diperlukan dan 43% mengandung pola injeksi perintah.

Kampanye ClawHavoc menempatkan 44 keterampilan berbahaya di pasar, di mana mereka diunduh lebih dari 12.500 kali. Di tempat lain, ekstensi pengkodean yang ditrojan mengumpulkan kode dari sekitar 1,5 juta pengembang, sementara model Hugging Face yang berbahaya yang menyamar sebagai filter privasi OpenAI menerima 244.000 unduhan sebelum dideteksi.

Identitas Sintetis Mengancam Kepercayaan Digital

AI generatif telah membuat suara, wajah, dokumen, dan persona online lebih mudah untuk dipalsukan dan lebih sulit untuk diverifikasi. Suara yang familiar, panggilan video langsung, atau dokumen identitas pemerintah tidak lagi dapat berfungsi sebagai bukti independen bahwa seseorang adalah asli.

Platform ATHR dilaporkan menggunakan agen suara otonom untuk melakukan panggilan pemulihan akun dan mencuri kode satu kali. Satu operator dapat mengelola beberapa percakapan secara bersamaan tanpa menggunakan panggilan manusia.

Pertukaran wajah waktu nyata juga muncul dalam pencurian cryptocurrency, penipuan romansa, penipuan investasi, dan operasi yang terkait dengan negara. Otoritas Eropa membongkar satu jaringan yang dilaporkan menggunakan video deepfake dari selebriti dan organisasi berita untuk mempromosikan investasi palsu dan mencuci lebih dari €700 juta.

Peneliti juga mengidentifikasi lebih dari 23.000 domain yang mengarahkan korban ke grup pesan di mana bot chat AI menyamar sebagai penasihat keuangan. Layanan OnlyFake menjual lebih dari 10.000 dokumen identitas yang dihasilkan AI yang mencakup Amerika Serikat dan sekitar 56 negara lain, memungkinkan pelanggan untuk melewati verifikasi di bank dan pertukaran cryptocurrency.

Skema pekerja jarak jauh yang terkait dengan Korea Utara telah lebih jauh dengan menggunakan resume yang dipalsukan, dokumen identitas yang diubah, foto yang dihasilkan, dan persona yang disesuaikan untuk mendapatkan pekerjaan yang sah di perusahaan Barat. Otoritas AS menghubungkan satu jaringan dengan sekitar $800 juta dalam pendapatan untuk program senjata Korea Utara.

Manusia tidak terlalu andal dalam mendeteksi palsu-palsu ini. Dalam satu studi yang dikontrol, pengenal super yang terlatih hanya dapat mengidentifikasi 41% wajah yang dihasilkan AI. Pengamat biasa mendeteksi sekitar 30%.

Penggunaan AI Perusahaan Menciptakan Paparan Data yang Persisten

Rata-rata organisasi sekarang menggunakan 10 aplikasi AI yang berbeda setiap bulan. Jumlah rata-rata prompt per karyawan meningkat dari 56 pada Desember 2025 menjadi 70 pada Mei 2026, yang mewakili pertumbuhan 25%.

Antara 87% dan 93% organisasi mengalami setidaknya satu interaksi AI generatif berisiko tinggi setiap bulan. Bagian prompt yang mengandung informasi perusahaan, pribadi, atau teratur yang sensitif meningkat dua kali lipat dari 2% menjadi 4%, bergeser dari sekitar satu prompt berisiko dalam setiap 50 interaksi menjadi satu dalam setiap 25 interaksi.

Eropa mencatat tingkat regional tertinggi sebesar 3,95%, diikuti oleh Amerika Latin sebesar 3,76%, Amerika Utara sebesar 3,33%, dan Asia-Pasifik sebesar 2,88%. Layanan Bisnis memiliki tingkat industri tertinggi sebesar 5,91%, atau sekitar satu interaksi berisiko dalam setiap 17 prompt. Pada Mei, tingkat bulanannya naik menjadi 6,98%, mendekati satu dari setiap 14 prompt.

Banyak kebocoran yang dihasilkan dari penggunaan biasa daripada aktivitas berbahaya. Dalam satu demonstrasi, koneksi yang sah antara ChatGPT dan Google Drive mengambil lebih dari 400 file internal yang sensitif dalam waktu kurang dari satu detik setelah satu pertanyaan.

Pihak ketiga memperkenalkan paparan tambahan. Aplikasi konsumen yang disebut Chat & Ask AI dilaporkan memaparkan sekitar 300 juta pesan yang dimiliki lebih dari 25 juta pengguna. Chatbot dukungan pelanggan yang digunakan oleh Sears Home Services memaparkan 3,7 juta catatan, termasuk rekaman panggilan, transkrip, dan informasi pribadi.

Implikasi Masa Depan

Laporan Check Point Research AI Security Report 2026 ini menggambarkan lingkungan keamanan di mana AI memperkuat penyerang, menciptakan kelemahan rantai pasokan perangkat lunak baru, melemahkan verifikasi identitas jarak jauh, dan meningkatkan risiko paparan data konfidensial sehari-hari. Peringatan utamanya adalah bahwa organisasi tidak dapat mengelola keamanan AI hanya melalui kebijakan dan tinjauan tahunan. Mereka memerlukan visibilitas yang berkelanjutan ke aplikasi AI, agen, infrastruktur, izin, penyedia pihak ketiga, dan data yang dibagikan karyawan. Ketika AI mulai beroperasi pada kecepatan mesin, tim keamanan harus mendeteksi, memverifikasi, dan merespons dengan kecepatan yang setara.