Ramutė Varnelytė, CEO IPXO – Seri Wawancara

Ramutė Varnelytė, CEO IPXO, membawa lebih dari 15 tahun pengalaman kepemimpinan komersial dan ditunjuk untuk memimpin perusahaan pada awal 2025. Dalam perannya, dia mengarahkan pertumbuhan strategis, keunggulan operasional, dan posisi pasar, memastikan IPXO tetap berada di garis depan inovasi dalam penyewaan dan pengelolaan alamat IP.

IPXO, singkatan dari Internet Protocol Exchange Organization, didirikan pada 2021 untuk mengatasi kekurangan IPv4 global dengan menciptakan platform penyewaan dan monitisasi dinamis. Ini telah tumbuh menjadi pasar otomatis terbesar di dunia untuk penyewaan alamat IP. Platform ini mendukung jutaan alamat IP secara global, didukung oleh hubungan yang kuat dengan Registri Internet Regional dan misi untuk membangun ekosistem IP yang terintegrasi dan efisien.

Kami akan membahas bagaimana IPXO menggunakan profil risiko berbasis perilaku dan pembelajaran mesin untuk membedakan antara otomatisasi AI yang tidak berbahaya dan aktivitas bot yang berbahaya. Percakapan ini akan mengeksplorasi meningkatnya agen AI dalam lalu lintas internet, tantangan keamanan siber ISP, dan strategi untuk menyeimbangkan keamanan dengan efisiensi operasional.

Apa tren yang menyebabkan Anda menyimpulkan bahwa agen AI—bukan hanya bot pengambil data—sekarang mendominasi pola lalu lintas di banyak organisasi?

Bot ada di mana-mana sekarang, jauh melebihi lalu lintas manusia. Lebih dari sepertiga lalu lintas bot terdiri dari bagian “bot buruk” yang menyebabkan banyak aktivitas berbahaya. Tren ini jelas dalam berbagai laporan insiden: ketika perusahaan menyelidiki lalu lintas yang tidak biasa atau berbahaya, lonjakan API yang aneh, atau ketidakkonsistenan lainnya, bukti menunjukkan bahwa banyak sistem otomatis ini berperilaku seperti agen AI, karena mereka berpura-pura menjadi browser atau perangkat yang berbeda (spoofing user-agent), mengubah IP mereka dengan cepat (rotasi IP cepat), tidak konsisten dibandingkan dengan aktivitas bot pengambil data, dan sebagainya. Secara dasar, volume lalu lintas yang besar, serta kompleksitas tindakan mereka, menunjukkan agen AI, bukan hanya bot sederhana.

Apa sinyal perilaku yang digunakan untuk membangun profil risiko IP—seperti frekuensi permintaan, header, atau pola geografis?

Memungkinkan untuk mengevaluasi “skor reputasi” IP tanpa melihat isi permintaan, tetapi hanya dengan mengamati bagaimana IP berperilaku di jaringan. Pola ini tidak terkait dengan konten, yang berarti Anda tidak perlu data sebenarnya. Metadata dan perilaku khusus cukup untuk mengevaluasi profil risiko IP. Ini juga berlaku pada skala besar, karena perilaku mencurigakan tidak disembunyikan oleh enkripsi modern seperti TLS 1.3 atau ECH. Masih banyak data yang dapat diamati yang tidak dienkripsi.

Bagaimana sistem Anda membedakan antara otomatisasi AI yang tidak berbahaya dan aktivitas berbahaya seperti pengambilan data, botnet, atau pengisian kredensial—terutama tanpa memeriksa konten payload?

Penting untuk mempertimbangkan bagaimana otomatisasi berperilaku selama periode waktu tertentu, bukan hanya apa yang diminta. “Bot baik” biasanya sangat dapat diprediksi, memiliki struktur tertentu dan langkah-langkah yang diikuti. Bot berbahaya, di sisi lain, sering melompat tidak terduga, menggunakan identifikasi yang dapat dibuang, mempertahankan tempo “mesin” yang kaku, dan menyebarkan permintaan di banyak server untuk menghindari deteksi. Ini berkaitan dengan pemodelan perilaku yang diperluas, mengevaluasi bagaimana ia bergerak di sekitar situs selama waktu.

Bagaimana ISP yang ada berjuang untuk menangani lalu lintas proksi yang meningkat sambil mempertahankan pertahanan yang kuat melawan serangan siber?

Protokol modern menyembunyikan lebih banyak detail koneksi untuk meningkatkan privasi, sehingga semakin sulit dan mahal bagi ISP untuk mengevaluasi jenis lalu lintas serta mengklasifikasinya dengan benar. Karena semakin sulit untuk melihat apa yang ada di dalam, ISP lebih mengandalkan perilaku lalu lintas, bukan konten. Perjuangan terletak pada pergeseran paksa untuk mengubah cara mereka dari mengandalkan inspeksi lalu lintas, yang telah meningkatkan biaya operasional, dan mengintegrasikan alat intelijen ancaman baru untuk memenuhi pendekatan baru.

Apa pertukaran keamanan siber yang dihadapi ISP jika mereka melonggarkan pembatasan untuk mengakomodasi lalu lintas agen AI?

Melonggarkan filter mungkin mengurangi positif palsu dan gesekan, untuk menjaga agen tetap berjalan dengan lancar. Namun, ini juga mungkin meningkatkan jumlah ancaman dan serangan, karena “bagian bot buruk” sudah membuat sebagian besar lalu lintas. Filter yang lebih longgar sama dengan risiko yang lebih tinggi. Salah satu cara untuk mempertahankan keseimbangan antara keduanya adalah dengan pendekatan penguncian berbasis risiko. Misalnya, jika ada lalu lintas yang mencurigakan, langkah pertama bisa memperlambatnya, bukan memblokirnya sepenuhnya. Kontrol yang lebih halus perlu diatur.

Apa teknologi inti yang memungkinkan skoring risiko waktu nyata—apakah Anda menggunakan pembelajaran mesin, umpan intelijen ancaman, atau deteksi anomali perilaku?

Kami menggunakan campuran sehat dari pemantauan data langsung dan evaluasi, pembelajaran mesin, dan berbagai alat intelijen ancaman. Tujuannya adalah untuk dengan cepat menemukan ketidakkonsistenan dalam perilaku, memahami niat lalu lintas dan jika ada alasan untuk percaya bahwa itu berbahaya; jika ya – tandai kasus risiko tinggi dan menangani dengan tepat.

Bagaimana sistem Anda terintegrasi dengan alur kerja ISP atau SOC perusahaan yang ada—bisakah itu memicu peringatan atau mitigasi secara otomatis?

Ya, sistem kami mengirim peringatan ke alur kerja yang ada, serta memblokir ancaman tertentu pada tingkat jaringan. Ini dapat berjalan dalam berbagai mode, tergantung pada toleransi risiko.

Apakah sistem profil ini mengungkapkan pola serangan atau kasus penyalahgunaan yang mengejutkan selama pengujian atau penerapan awal?

Ya, ada beberapa kasus. Salah satu contoh di industri bisa “hallucination crawls”, ketika LLMs menciptakan URL yang tidak ada, lalu mencoba mengambilnya. Atau lonjakan permintaan tiba-tiba, berulang pada interval waktu yang sama, seperti 15 menit atau satu jam. Semua pola ini berguna bagi kami untuk lebih memperhalus pelacakan perilaku dan mengurangi positif palsu.

Apa implikasi privasi dan keamanan dari membangun profil berbasis perilaku tanpa memeriksa konten yang dienkripsi—terutama di bawah hukum perlindungan data global?

Metadata perilaku dapat dianggap sebagai data pribadi, tetapi ada pengecualian, misalnya, jika kepentingan itu sah, dapat dibenarkan, dan diperlukan untuk pemantauan keamanan. Namun, kepentingan untuk mengakses dan jumlah data yang disimpan harus sebanding dengan risiko yang dievaluasi.

Bagaimana Anda mencegah positif palsu dari penandaan otomatisasi yang tidak berbahaya, seperti pengambil data penelitian atau agen AI yang diizinkan, sebagai ancaman siber?

Kami menguji perlindungan baru dan aturan sebelum menerapkannya, mengevaluasi beberapa sinyal sebelum mengambil tindakan, juga menggunakan tantangan lembut terlebih dahulu untuk menguji legitimasi lalu lintas, bukan memblokirnya secara langsung. Ini adalah daftar periksa yang berlapis-lapis, yang terus diperbarui.

Terima kasih atas wawancara yang bagus, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi IPXO.