MATRANEWS.id — Kita Mengira Komputasi Kuantum Akan Membobol Keamanan Siber dengan Matematika. AI Sedang Belajar Membobolnya dengan Kecerdikan.
Selama bertahun tahun, saya mengira komputasi kuantum akan menjadi teknologi yang memaksa kita membangun ulang keamanan siber.
Alasannya cukup jelas. Keamanan digital modern sangat bergantung pada matematika.
Enkripsi melindungi transaksi keuangan, komunikasi, informasi perusahaan, sistem pemerintahan dan identitas digital.
Jika suatu hari komputer kuantum menjadi cukup kuat untuk menyelesaikan persoalan matematika tertentu yang tidak mampu diselesaikan komputer klasik dalam waktu yang masuk akal, sebagian sistem kriptografi yang melindungi dunia digital dapat menjadi rentan.
Ancaman itu nyata. NIST telah menetapkan standar kriptografi pasca kuantum dan pada Oktober 2026 menerbitkan peta jalan transisi untuk membantu organisasi meninggalkan standar yang rentan terhadap komputasi kuantum.
Peralihan dimulai jauh sebelum komputer kuantum yang benar benar relevan secara kriptografis tersedia, karena mengganti infrastruktur kriptografi dalam organisasi besar membutuhkan waktu bertahun tahun.
Ada masalah lain yang lebih panjang. Informasi yang dicuri dan masih terenkripsi hari ini mungkin tetap bernilai bertahun tahun dari sekarang.
Penyerang dapat menyimpannya dan menunggu sampai teknologi komputasi di masa depan mampu membuka enkripsi tersebut.
Inilah ancaman keamanan siber yang selama ini saya bayangkan. Sebuah mesin dengan kemampuan matematika luar biasa pada akhirnya akan menantang matematika yang melindungi sistem kita.
Artificial Intelligence datang lebih dulu dan memilih jalan yang berbeda.
AI tidak harus membobol kriptografi. AI cukup mencari kelemahan pada semua hal yang berada di sekelilingnya.
Dan itu mungkin jauh lebih mudah.
Kriptografi Bisa Tetap Bekerja Sementara Keamanan Siber Gagal
Kriptografi dan keamanan siber saling berkaitan, tetapi keduanya bukan hal yang sama.
Kriptografi melindungi informasi dengan matematika. Keamanan siber harus melindungi lingkungan yang jauh lebih besar tempat kriptografi itu digunakan.
Manusia memakai sistemnya. Pengembang menulis perangkat lunaknya. Administrator mengatur hak akses. Pemasok terhubung ke jaringan. Karyawan menyetujui transaksi dan organisasi menentukan seberapa cepat suatu kerentanan harus diperbaiki.
Salah satu lapisan itu bisa gagal sementara enkripsinya tetap bekerja sempurna.
Penyerang tidak perlu memecahkan password jika password bisa dicuri. Tidak ada alasan untuk membobol sistem perbankan secara matematis jika karyawan yang memiliki kewenangan bisa diyakinkan untuk mengirimkan uang.
Enkripsi yang kuat tidak dapat menutupi hak administrator yang terlalu luas, server yang salah konfigurasi atau perangkat lunak yang dibangun di atas asumsi yang keliru.
Di sinilah AI menjadi ancaman keamanan siber yang sangat menarik.
Otomasi serangan siber sejak dulu sangat baik dalam melakukan hal yang sama berulang kali.
Bot dapat memindai jutaan alamat, mencoba kerentanan yang sudah dikenal atau mengirim phishing dalam jumlah besar.
AI menambahkan kemampuan untuk memahami konteks, menghubungkan informasi dari berbagai sumber dan menyesuaikan langkah berikutnya berdasarkan apa yang ditemukan.
Perubahan pentingnya bukan sekadar serangan siber menjadi lebih cepat. Serangannya mulai menjadi lebih adaptif.
Indonesia Sudah Menunjukkan Skalanya
Pada 9 November 2026, Warta Ekonomi melaporkan bahwa FortiGuard Labs mendeteksi dan memblokir sekitar 657.000 aktivitas siber berbahaya yang menargetkan Indonesia dalam waktu 24 jam.
Sektor perbankan, jasa keuangan dan asuransi menyumbang sekitar 262.000 aktivitas.
Target pemerintahan mencatat sekitar 102.000 dan manufaktur sekitar 81.000. Sektor teknologi, pendidikan, transportasi, pertanian, kesehatan dan sektor lainnya juga menjadi sasaran.
Angka tersebut harus dibaca dengan benar. Ini tidak berarti 657.000 sistem berhasil diretas. Banyak di antaranya merupakan pemindaian otomatis, lalu lintas botnet, percobaan eksploitasi dan mesin yang terus menerus mencari sistem yang rentan.
Menurut saya, justru di situlah angka ini menjadi lebih penting.
Mesin untuk melakukan serangan dalam skala sangat besar sudah tersedia. Sistem otomatis sudah terus menerus memindai jaringan, menguji sistem dan mencari titik lemah.
Banyak yang masih bekerja dengan pola yang relatif mudah diprediksi karena hanya mencari kerentanan yang sudah dikenal dan mengulang teknik yang sama ke banyak target.
AI tidak perlu menciptakan serangan siber berskala besar. AI hanya perlu membuat mesin yang sudah ada menjadi lebih pintar.
Pemindai konvensional mungkin memeriksa satu juta server untuk mencari kerentanan yang sama. AI yang lebih mampu dapat membantu memeriksa satu sistem tertentu dan mengajukan pertanyaan yang berbeda: apa yang salah dengan sistem ini?
Perubahan ini penting karena risiko besar berikutnya mungkin bukan berasal dari jumlah serangan yang jauh lebih banyak. Risikonya bisa datang dari kualitas setiap percobaan yang menjadi jauh lebih baik.
Kepercayaan Lebih Mudah Dibobol daripada Enkripsi
Kasus penipuan deepfake di Hong Kong adalah contoh yang sangat jelas karena pelaku tidak perlu membobol kriptografi perusahaan.
Pada Januari 2024, seorang karyawan perusahaan multinasional menerima pesan yang tampak berasal dari Chief Financial Officer kantor pusat perusahaan di Inggris. Karyawan tersebut kemudian mengikuti konferensi video yang tampak dihadiri beberapa kolega yang dikenalnya.
Orang orang di layar terlihat nyata dan suara mereka terdengar meyakinkan. Karyawan itu akhirnya menyetujui transfer ke lima rekening bank lokal dan perusahaan kehilangan sekitar HK$200 juta.
Kepolisian Hong Kong kemudian menyimpulkan bahwa konferensi video rekaman tersebut dibuat menggunakan video dan audio publik dari orang orang yang ditiru.
Infrastruktur perbankan tidak perlu gagal agar penipuan berhasil. Karyawan tersebut memang memiliki kewenangan yang sah dan dapat memakai kredensial yang sah untuk menyetujui transfer. Pelaku hanya perlu membuatnya percaya bahwa instruksi tersebut benar.
Kerentanannya adalah kepercayaan.
Selama bertahun tahun, keamanan siber memperlakukan wajah yang dikenal, suara yang familiar, gaya penulisan dan percakapan video sebagai lapisan tambahan untuk memastikan identitas.
AI melemahkan semua sinyal itu pada saat yang sama.
Karena itu deepfake tidak lagi hanya menjadi masalah misinformasi. Deepfake juga menjadi masalah autentikasi.
Pelatihan keamanan siber tradisional mengajarkan karyawan untuk memperhatikan tata bahasa yang buruk, kalimat yang janggal dan permintaan yang mencurigakan.
Generative AI dapat menghilangkan banyak tanda itu. Pesan palsu sekarang dapat ditulis dengan bahasa, nada dan gaya profesional yang sesuai. Kloning suara dan video sintetis menambahkan lapisan kredibilitas lainnya.
Bahayanya bukan sekadar AI bisa membuat sesuatu yang palsu terlihat nyata. AI dapat membuat sesuatu yang palsu terasa familiar.
AI Mulai Masuk Lebih Dalam ke Perangkat Lunak
Social engineering hanyalah salah satu bagian dari perubahan ini.
Pada Mei 2026, Google Threat Intelligence melaporkan apa yang mereka nilai sebagai kasus pertama yang mereka amati ketika pelaku ancaman menggunakan zero day exploit yang tampaknya dikembangkan dengan bantuan AI.
Kerentanan tersebut memungkinkan bypass terhadap autentikasi dua faktor pada sistem administrasi web yang banyak digunakan.
Kasus ini penting karena banyak kerentanan serius bukan sekadar kesalahan pemrograman. Banyak yang merupakan kegagalan dalam cara kita berpikir.
Pengembang dapat menganggap bahwa sebuah permintaan tertentu hanya mungkin datang dari sumber terpercaya. Satu sistem mungkin menganggap sistem lain sudah melakukan autentikasi pengguna.
Suatu hak akses mungkin diberikan karena urutan kejadian tertentu dianggap mustahil. Setiap bagian perangkat lunak bisa bekerja persis seperti yang dirancang, tetapi asumsi yang menghubungkan bagian bagian itu justru menciptakan kerentanan.
Peneliti keamanan yang berpengalaman mencari kesalahan seperti ini dengan memahami bagaimana sistem bekerja dan menanyakan apa yang terjadi jika sebuah asumsi ternyata salah.
AI semakin berguna untuk pekerjaan seperti ini karena dapat membaca kode dalam jumlah besar, membandingkan bagian yang berbeda dari suatu sistem dan menalar bagaimana komponen komponen tersebut saling berinteraksi.
Riset Google yang lebih luas pada 2026 juga menunjukkan bahwa jumlah pengungkapan kerentanan bulanan meningkat dari 5.045 pada Januari menjadi 10.740 pada Agustus.
Rata rata kerentanan yang teramati aktif dieksploitasi juga meningkat dari 10,5 per bulan pada 2025 menjadi 18 per bulan selama delapan bulan pertama 2026.
Google tidak menyatakan bahwa seluruh peningkatan itu disebabkan AI, tetapi para penelitinya menyimpulkan bahwa AI mulai memengaruhi kecepatan dan karakter proses penemuan serta eksploitasi kerentanan.
Ini tidak berarti AI tiba tiba membuat semua sistem menjadi tidak aman. Artinya, biaya dan waktu untuk mencari kesalahan sedang berubah.
Dan itu penting karena penyerang tidak perlu menemukan ribuan kerentanan baru. Mereka hanya perlu menemukan satu kerentanan yang relevan pada sistem yang sedang mereka incar.
Peretas Mulai Menjadi Supervisor
Perubahan lain mungkin jauh lebih penting.
Generasi awal alat AI membantu peretas menulis kode, memperbaiki pesan phishing, merangkum dokumentasi dan meneliti target. Manusia masih bertanggung jawab atas hampir seluruh keputusan operasional penting.
Batas itu mulai bergeser.
Pada November 2025, Anthropic melaporkan telah menggagalkan apa yang mereka sebut sebagai kampanye spionase siber berskala besar pertama yang dijalankan dengan tingkat otonomi AI yang luas.
Menurut Anthropic, kelompok yang disponsori negara China memanipulasi Claude Code untuk mencoba menyusup ke sekitar 30 organisasi, termasuk perusahaan teknologi, lembaga keuangan, produsen kimia dan lembaga pemerintah. Sebagian kecil upaya tersebut berhasil.
Investigasi Anthropic menemukan bahwa AI menjalankan bagian penting dari reconnaissance, pencarian kerentanan, eksploitasi, pengumpulan kredensial, lateral movement dan analisis data, sementara operator manusia tetap menentukan tujuan yang lebih besar dan keputusan strategis penting.
Hal yang menarik bukan bahwa peretas mulai menggunakan AI. Itu sudah dapat diperkirakan.
Perubahan yang lebih penting adalah manusia mulai dapat mendelegasikan lebih banyak bagian dari operasi.
Secara tradisional, peretas memberi tahu perangkat lunak secara rinci apa yang harus dilakukan.
AI agent semakin mungkin diberi tujuan yang lebih luas lalu menentukan sebagian langkah untuk mencapainya.
Ini mengubah ekonomi serangan siber.
Peretas yang sangat ahli selalu berbahaya, tetapi keahlian manusia sulit diperbanyak. Satu orang memiliki waktu terbatas dan hanya dapat menyelidiki sejumlah target tertentu.
AI memungkinkan orang yang sama mengawasi lebih banyak aktivitas dan mengotomatisasi lebih banyak pekerjaan teknis.
Mesin tidak perlu menggantikan peretas untuk menciptakan masalah besar. Mesin cukup memperbesar kapasitas peretas tersebut.
Keunggulan Sesungguhnya Mungkin Bukan Kecerdasan, tetapi Kecepatan
AI tidak harus menjadi lebih pintar daripada peneliti keamanan terbaik untuk mengubah keamanan siber. Membuat serangan yang cukup kompeten menjadi jauh lebih cepat mungkin sudah cukup.
Microsoft Digital Defense Report 2026 menyebut median waktu antara ditemukannya kerentanan di dunia nyata dan proses weaponization kini dapat turun menjadi jauh di bawah 24 jam. Pada saat yang sama, organisasi dapat membutuhkan 30 sampai 60 hari untuk memperbaiki kerentanan kritis yang terbuka ke internet.
Perbedaan ini membuka kelemahan yang hampir tidak ada hubungannya dengan enkripsi.
Ketika kerentanan serius diumumkan, organisasi perlu mengidentifikasi sistem yang terdampak, mengevaluasi risiko operasional, menguji solusi, mendapatkan persetujuan, menentukan jadwal pemeliharaan dan akhirnya memasang patch.
Semua langkah itu mungkin memang diperlukan karena perubahan pada sistem produksi juga dapat menciptakan risiko bisnis.
Penyerang bekerja dengan aturan yang berbeda.
AI dapat membantu menganalisis kerentanan, memahami perangkat lunak yang terdampak dan mempercepat pembuatan exploit ketika organisasi masih menentukan seberapa mendesak masalah tersebut harus ditangani.
Hasilnya adalah ketidakseimbangan yang semakin sulit diabaikan. Penyerang semakin mampu bergerak mendekati kecepatan mesin sementara banyak organisasi masih bergerak dengan kecepatan organisasi.
Ini bukan terutama masalah kriptografi.
Ini masalah manajemen.
Perusahaan dapat memiliki teknologi keamanan yang sangat baik dan tetap kalah karena proses pengambilan keputusan internal membutuhkan waktu lebih lama daripada yang dibutuhkan penyerang.
Mungkin Kita Mengukur Hal yang Salah
Angka 657.000 aktivitas berbahaya yang dilaporkan menyerang Indonesia juga menimbulkan pertanyaan lain tentang cara kita mengukur risiko siber.
Selama bertahun tahun, volume serangan menjadi salah satu indikator penting. Organisasi menghitung alamat berbahaya, phishing yang diblokir, deteksi malware dan percobaan eksploitasi karena angka tersebut memang memberi gambaran berguna mengenai lingkungan ancaman.
Angka itu akan tetap penting, tetapi kecerdasan di balik setiap serangan mungkin akan sama pentingnya.
Bayangkan satu penyerang mengirim satu juta percobaan yang identik terhadap kerentanan yang sama. Volumenya sangat besar, tetapi perilakunya mudah diprediksi. Setelah pola dikenali, sebagian besar percobaan dapat diblokir secara otomatis.
Sekarang bayangkan penyerang lain hanya melakukan seribu percobaan, tetapi mengubah pendekatan setelah setiap kegagalan.
Satu server ternyata sudah dipatch, maka sistem lain diperiksa. Seorang karyawan mengabaikan pesan, maka orang lain menjadi target.
Informasi publik menunjukkan perangkat lunak apa yang digunakan, siapa yang mengelola infrastruktur dan pemasok mana yang memiliki akses. Percobaan berikutnya berubah berdasarkan apa yang baru dipelajari.
Penyerang kedua menghasilkan lalu lintas jauh lebih kecil tetapi mungkin merupakan ancaman yang jauh lebih besar.
Volume serangan memberi tahu kita seberapa sering seseorang mengetuk pintu.
Volume tidak memberi tahu kita seberapa baik ia memahami bangunannya.
AI membuat perbedaan itu semakin penting.
AI Tidak Perlu Membobol Kriptografi
Inilah bagian yang mengubah asumsi awal saya tentang masa depan keamanan siber.
Autentikasi multifaktor mengasumsikan bahwa orang yang menyetujui permintaan memahami apa yang sedang disetujui.
Verifikasi video mengasumsikan bahwa orang di layar benar benar asli. Access control mengasumsikan hak akses telah dikonfigurasi dengan benar.
Perangkat lunak mengasumsikan pengembang memahami cara penting sistem tersebut dapat digunakan. Organisasi mengasumsikan tim keamanan memiliki cukup waktu untuk merespons.
Semua itu bukan asumsi matematika.
Itu adalah asumsi manusia, teknis dan organisasi.
AI dapat menyerang semua asumsi tersebut tanpa membobol enkripsi.
Komputasi kuantum suatu hari mungkin menantang kekuatan matematika dari kunci pengaman.
AI dapat mempelajari perangkat lunak yang mengontrol kunci itu, administrator yang mengelolanya, pemasok yang terhubung, prosedur yang mengatur akses dan orang yang memegang kuncinya.
Penyerang tidak membutuhkan semua lapisan gagal.
Satu kegagalan saja mungkin cukup.
Komputasi kuantum tetap menjadi tantangan serius di masa depan. Organisasi harus terus mempersiapkan kriptografi pasca kuantum dan melindungi informasi yang harus tetap rahasia selama bertahun tahun.
Tetapi AI dan komputasi kuantum menyerang keamanan siber dengan cara yang berbeda.
Komputasi kuantum mengancam matematika yang berada di bawah sistem keamanan.
AI mengancam asumsi yang berada di sekelilingnya.
Masalah pertama membutuhkan kriptografi yang lebih kuat.
Masalah kedua membutuhkan sistem yang lebih kuat, verifikasi identitas yang lebih baik, respons yang lebih cepat, kontrol akses yang lebih ketat dan pertahanan yang lebih cerdas.
Masalah kedua itu sudah hadir sekarang.
Serangan Siber AI Datang Terlalu Cepat
Selama bertahun tahun, saya mengira gangguan teknologi besar berikutnya dalam keamanan siber akan datang ketika komputasi kuantum menjadi cukup kuat untuk menantang kriptografi modern.
Saya membayangkan matematika akan melawan matematika.
AI datang lebih dulu dan menemukan jalan lain.
AI tidak harus membobol enkripsi terkuat jika ia dapat meyakinkan karyawan, menemukan asumsi perangkat lunak yang salah, mengidentifikasi akun dengan hak akses berlebihan, memanfaatkan pemasok dengan perlindungan lebih lemah atau mencapai server yang rentan sebelum organisasi sempat memasang patch.
Kriptografi dapat terus bekerja dengan sempurna sementara keamanan siber gagal di sekelilingnya.
Itulah mengapa saya merasa serangan siber AI datang terlalu cepat.
Kita masih mempersiapkan diri menghadapi mesin yang cukup kuat untuk membobol keamanan siber dengan matematika. AI sedang belajar bahwa membobolnya dengan kecerdikan mungkin jauh lebih mudah.
© 2026 MATRANEWS.ID. Cantumkan tautan artikel asli saat mengutip.
