DI YOGYAKARTA — Google Threat Intelligence Group mendeteksi pergeseran serangan siber ke penggunaan multi-agent framework berbasis AI yang mampu memindai dan mengeksploitasi celah secara otomatis. Temuan ini muncul dari analisis statistik September 2026 yang mencatat lonjakan pengungkapan kerentanan hampir dua kali lipat sepanjang Januari–Agustus 2026. Bagi pengguna dan pelaku bisnis digital, otomatisasi serangan berarti jendela waktu untuk menambal celah keamanan semakin sempit.
Tim intelijen ancaman Google memetakan staging server yang menampung framework riset kerentanan multi-agen sekaligus persenjataan eksploitasi. Framework itu diberi nama exploit_agent dan terhubung ke sejumlah model bahasa besar (LLM) frontier maupun versi lokal.
Server tersebut tidak dikendalikan penuh oleh manusia. Perangkat berjalan otomatis selama tersambung ke internet, mulai dari riset celah sampai eksekusi.
Framework Apa Saja yang Terdeteksi
Google Threat Intelligence Group (GTIG) menyoroti sejumlah autonomous workflow yang dipakai pelaku: ARTEX, CAIRN, CyberStrikeAI, dan PentAGI. Keempatnya disebut mampu mengeksekusi target dengan kecepatan operasional tinggi.
Masing-masing punya pola sasaran berbeda. Operator exploit_agent memfokuskan serangan ke situs web di Prancis yang berkaitan dengan industri media, hiburan, dan pendidikan.
PentAGI terpantau memindai kerentanan sejumlah organisasi di Asia. Sementara CAIRN terdeteksi dalam upaya serangan terhadap target di sektor penerbangan Amerika Serikat.
Peran LLM dalam Eksekusi Otomatis
Menurut GTIG, pelaku ancaman kian memanfaatkan LLM dan agentic framework untuk mengotomatiskan reverse engineering patch lewat analisis diferensial. Proses yang biasanya butuh analis manusia kini berjalan tanpa intervensi.
"GTIG mengidentifikasi staging server yang menampung (hosting) framework riset kerentanan multi-agen dan persenjataan, yang disebut exploit_agent, yang terintegrasi dengan beberapa LLM frontier dan lokal," tulis GTIG dalam unggahan blog resminya, Selasa (17/11).
Sejumlah pelaku juga menguji perangkat custom-built harnesses. Alat itu mengeksploitasi kerentanan, mengoperasikan LLM, dan menyesuaikan taktik berdasarkan umpan balik real-time.
Lonjakan Kerentanan dan Modus LLMJacking
Analisis statistik GTIG pada September 2026 menunjukkan pengungkapan dan eksploitasi kerentanan naik hampir dua kali lipat pada Januari–Agustus 2026. Artinya, laju penemuan celah berjalan lebih cepat daripada kemampuan organisasi menambalnya.
GTIG juga menemukan praktik LLMJacking. Pelaku membajak kredensial LLM dan cloud tanpa izin, lalu menjual kembali akses ke model AI berkinerja tinggi melalui layanan proxy bawah tanah seperti LLM Mixers.
Kelompok yang disponsori negara dan vendor penjahat siber komersial disebut memakai LLM untuk produksi media sintetis dalam skala besar. Penggunaannya mencakup pembuatan persona lokal hingga otomatisasi distribusi konten lintas platform.
Spektrum Ancaman Melebar
LLM juga dipakai untuk meriset target dan menganalisis data temuan secara otomatis. Salah satu modusnya memanipulasi konfigurasi asisten koding otomatis agar menyisipkan backdoor saat eksekusi lokal.
"Kelompok spionase yang disponsori negara, penjahat siber yang termotivasi secara finansial, dan aktor ancaman Information Operations (IO) mengoperasionalkan LLM di lapangan," jelas GTIG.
Google menyebut ada bukti pelaku terafiliasi China yang dicurigai mengembangkan teknologi mata-mata untuk operasi serangan siber. Sebagian pelaku bermotif finansial dan pelaku spionase disebut bereksperimen terpisah dengan framework tersebut.
"Kami mengamati beberapa pelaku ancaman bereksperimen secara terpisah menggunakan framework dan alat-alat ini, termasuk pelaku yang bermotif finansial serta pelaku spionase yang diduga terkait dengan China," kata GTIG.
Jejak yang Masih Tertinggal
Otomatisasi penuh belum sepenuhnya menguntungkan pelaku. GTIG mencatat framework otonom masih mengorbankan stealth karena eksekusi otomatis meninggalkan jejak pada traffic.
Jejak itu mempermudah deteksi forensik oleh tim keamanan. Google Security Operations (SecOps) sudah menerapkan aturan deteksi perilaku khusus untuk pola serangan semacam ini.
Unit keamanan siber Google, Mandiant, juga merilis panduan pertahanan untuk meredam kecepatan serangan berbasis LLM. Panduan itu menyasar organisasi yang menghadapi laju eksploitasi otomatis.
Bagi pelaku bisnis digital di Indonesia, temuan ini menegaskan bahwa siklus patch keamanan tidak lagi bisa mengandalkan ritme bulanan. Celah yang belum ditambal dalam hitungan hari berpotensi dipindai dan dieksploitasi mesin dalam waktu jauh lebih singkat.