Bagaimana Peretas Menggunakan Kecerdasan Buatan

Kecerdasan buatan telah terbukti menjadi teknologi yang menambah nilai di seluruh perekonomian global.

Ketika bisnis berusaha beradaptasi dengan peristiwa terkini selama beberapa tahun terakhir, beberapa di antaranya menemukan cara untuk memadatkan setengah dekade transformasi digital ke dalam kerangka waktu yang jauh lebih singkat. Dalam kasus Frito-Lay, misalnya, Harris Poll dan Appen menemukan bahwa anggaran kecerdasan buatan meningkat sebesar 55% selama pandemi global.

Seperti alat lainnya, kecerdasan buatan tidak memiliki nilai moral bawaan. Kegunaan atau potensi kecerdasan buatan untuk menyebabkan kerusakan tergantung pada bagaimana sistem “belajar” dan apa yang manusia lakukan dengannya.

Beberapa upaya untuk memanfaatkan kecerdasan buatan – seperti “memprediksi” kejahatan sebelum terjadi – menunjukkan bahwa model yang dilatih dengan data yang bias dapat mereplikasi kelemahan manusia. Sampai saat ini, pelatihan kecerdasan buatan menggunakan data dari sistem peradilan Amerika Serikat telah menghasilkan penalaran kecerdasan buatan yang tragis.

Dalam contoh lain, manusia memilih cara yang lebih sengaja untuk memanfaatkan potensi kehancuran kecerdasan buatan. Peretas menunjukkan kemampuan inovatif mereka lagi dengan menggunakan kecerdasan buatan untuk meningkatkan jangkauan, efektivitas, dan profitabilitas serangan mereka. Dan karena perang siber menjadi lebih umum di seluruh dunia, kita pasti akan melihat aplikasi kecerdasan buatan dalam peretasan berkembang lebih lanjut.

Kecerdasan Buatan adalah Kesempatan dan Risiko

Kecerdasan buatan menyediakan dunia kemungkinan bagi bisnis yang ingin meningkatkan peramalan, optimasi bisnis, dan strategi retensi pelanggan. Ini juga merupakan angin segar bagi mereka yang bermaksud untuk mengompromikan kedaulatan digital orang lain.

Berikut beberapa cara kecerdasan buatan mungkin rentan terhadap penyusupan yang halus dan upaya yang lebih terbuka untuk mengarahkannya ke tindakan agresif.

1. Mengompromikan Logika Mesin

Kelebihan utama kecerdasan buatan bagi konsumen dan perusahaan adalah bahwa ia melakukan tindakan logika yang dapat diprediksi dan diulang tanpa intervensi manusia. Ini juga merupakan kelemahan terbesarnya.

Seperti konstruksi digital lainnya, kecerdasan buatan mungkin rentan terhadap penetrasi oleh kekuatan luar. Peretas yang mengakses dan mengompromikan logika mesin yang memuat kecerdasan buatan dapat menyebabkannya melakukan tindakan yang tidak terduga atau berbahaya. Misalnya, kecerdasan buatan yang ditugaskan untuk memantau kondisi industri mungkin memberikan pembacaan palsu atau membiarkan pemberitahuan pemeliharaan tidak terkirim.

Karena tujuan utama investasi kecerdasan buatan adalah untuk menghilangkan intervensi manusia dan keraguan hasil, kerusakan pada infrastruktur atau kualitas produk yang disebabkan oleh serangan seperti ini mungkin tidak terdeteksi sampai kegagalan yang sangat parah.

2. Menggunakan Algoritma Penerusan Balik

Salah satu jalur potensial lain untuk kerusakan – terutama di mana kekayaan intelektual (IP) dan data konsumen atau komersial terlibat – adalah konsep penerusan balik. Peretas mungkin bahkan mencuri kode kecerdasan buatan itu sendiri. Dengan waktu yang cukup untuk mempelajari bagaimana ia bekerja, mereka akhirnya menemukan kumpulan data yang digunakan untuk melatih kecerdasan buatan pada awalnya.

Hal ini dapat menyebabkan beberapa hasil, yang pertama adalah keracunan kecerdasan buatan. Contoh lain dapat melibatkan peretas yang menggunakan data pelatihan kecerdasan buatan itu sendiri untuk mendapatkan informasi yang mengompromikan tentang pasar, pesaing, pemerintah, vendor, atau konsumen umum.

3. Belajar tentang Target yang Dimaksud

Pengawasan target kemungkinan merupakan salah satu implikasi yang paling mengganggu dari kecerdasan buatan jatuh ke tangan peretas. Kemampuan kecerdasan buatan untuk menarik kesimpulan tentang kemampuan seseorang, area pengetahuan, temperamen, dan kemungkinan menjadi korban penargetan, penipuan, atau penyalahgunaan sangat mengkhawatirkan bagi beberapa ahli keamanan siber.

Kecerdasan buatan dapat mengonsumsi dan mencapai kesimpulan yang sangat rinci tentang orang, tim, dan kelompok berdasarkan beberapa titik data yang tidak mungkin. Seorang individu yang “terlibat” atau “terganggu” mungkin mengetik dengan cepat, mengganggu mouse, atau berpindah antara tab browser dengan cepat. Seorang pengguna yang “bingung” atau “ragu-ragu” mungkin berhenti sebelum mengklik elemen halaman atau mengunjungi beberapa situs.

Dalam tangan yang tepat, sinyal seperti ini membantu departemen HR meningkatkan keterlibatan karyawan atau membantu tim pemasaran memoles situs web dan saluran penjualan mereka.

Bagi peretas, sinyal seperti ini dapat menghasilkan profil psikologis yang sangat rinci tentang target yang dimaksud. Penjahat siber mungkin dapat mengetahui berdasarkan petunjuk yang tidak terlihat oleh manusia siapa yang mungkin rentan terhadap phishing, smishing, ransomware, penipuan keuangan, dan jenis kerusakan lainnya. Ini juga dapat membantu aktor jahat mempelajari bagaimana cara terbaik untuk meyakinkan target mereka bahwa upaya penipuan mereka berasal dari sumber yang sah.

4. Menguji Kerentanan Jaringan

Profesional keamanan siber menerbitkan data tentang 20.175 kerentanan keamanan yang diketahui pada tahun 2021. Ini merupakan peningkatan dari tahun 2020, ketika ada 17.049 kerentanan seperti itu.

Dunia menjadi semakin terhubung secara digital – beberapa akan mengatakan saling bergantung – setiap jam. Dunia sekarang memiliki sejumlah besar jaringan skala kecil dan industri, dengan miliaran perangkat terhubung online dan lebih banyak lagi yang akan datang. Semuanya online, dari sensor pemantau kondisi hingga perangkat lunak perencanaan perusahaan.

Kecerdasan buatan menunjukkan janji dalam membantu tim keamanan siber dengan cepat menguji kerentanan jaringan, perangkat lunak, dan perangkat keras lebih cepat daripada manusia bisa saja. Kecepatan dan skala pertumbuhan infrastruktur digital bumi berarti hampir mustahil untuk mencari triliunan baris kode untuk menemukan eksploitasi keamanan untuk dipatch. Semua ini harus terjadi sambil sistem ini online karena biaya downtime.

Jika kecerdasan buatan adalah alat keamanan siber di sini, maka itu juga merupakan pedang bermata dua. Peretas dapat menggunakan mekanisme yang sama dengan “white hat” IT untuk melakukan pekerjaan yang sama: menguji jaringan, perangkat lunak, dan firmware untuk kerentanan lebih efisien daripada spesialis IT manusia.

Perang Digital

Terdapat terlalu banyak aplikasi kecerdasan buatan dalam kejahatan siber untuk disebutkan semuanya, tetapi berikut beberapa contoh lagi:

• Peretas dapat menyembunyikan kode kecerdasan buatan dalam aplikasi yang pada awalnya tidak berbahaya yang menjalankan perilaku berbahaya ketika mendeteksi pemicu atau ambang batas yang telah ditentukan sebelumnya.
• Model kecerdasan buatan yang berbahaya dapat digunakan untuk menentukan kredensial atau fitur manajemen IT dengan memantau input biometrik, seperti sidik jari dan pengenalan suara.
• Bahkan jika serangan siber yang dicoba akhirnya gagal, peretas yang dilengkapi dengan kecerdasan buatan mungkin dapat menggunakan pembelajaran mesin untuk menentukan apa yang salah dan apa yang dapat mereka lakukan secara berbeda lain kali.

Tampaknya hanya dibutuhkan satu cerita yang ditempatkan dengan baik tentang peretasan jeep saat sedang berkendara untuk memperlambatkan pengembangan kendaraan otonom. Satu serangan siber yang sangat terkenal di mana kecerdasan buatan bertindak sebagai penghubung bisa menyebabkan erosi serupa dalam opini publik. Beberapa polling menunjukkan bahwa rata-rata orang Amerika sangat meragukan tentang manfaat kecerdasan buatan sudah.

Komputasi yang ada di mana-mana datang dengan risiko keamanan siber – dan baik peretas topi putih maupun topi hitam tahu itu. Kecerdasan buatan dapat membantu menjaga kehidupan online kita aman, tetapi juga merupakan pusat dari perang digital baru.