Cacing Siber Berbasis AI Dapat Belajar dan Menyerang Jaringan Secara Mandiri

Nalar Media - Sumbawanews.com,- Para peneliti dari Universitas Toronto berhasil mengembangkan prototipe cacing siber berkecerdasan buatan yang mampu belajar, beradaptasi, dan menyerang jaringan tanpa bantuan manusia. Berbeda dengan worm konvensional yang hanya mengeksploitasi kerentanan spesifik, sistem ini mampu mengidentifikasi dan memanfaatkan berbagai celah keamanan secara dinamis—baik di sistem Linux, Windows, maupun perangkat IoT—dengan cara yang terus berkembang seiring pergerakannya di dalam jaringan.

Cacing ini tidak hanya menyerang; ia juga merekam data sensitif seperti kata sandi, mencari titik lemah baru, dan bahkan mengalihkan daya pemrosesan dari mesin yang terinfeksi untuk memperkuat kemampuan analisis dan strateginya sendiri. Artinya, semakin banyak korban yang berhasil dikuasai, semakin kuat pula serangannya. “Dulu, peretas harus memilih target bernilai tinggi karena keterbatasan waktu dan sumber daya komputasi,” kata Nicolas Papernot, pemimpin penelitian. “Sekarang, begitu worm ini dilepaskan, biaya operasionalnya hampir nol.”

Prototipe ini masih terbatas pada eksploitasi kerentanan yang sudah diketahui. Namun, kekhawatiran muncul karena teknologi serupa—seperti model Mythos dari Anthropic yang baru-baru ini mampu menemukan lebih dari 10.000 kerentanan baru—menunjukkan bahwa kemampuan mencari celah tak terdeteksi sudah ada di tangan publik. Jika kedua kemampuan ini digabungkan, maka muncullah ancaman yang nyaris tak terbendung: worm yang tidak hanya menyerang, tetapi juga menemukan celah baru sambil bergerak, dan terus berkembang tanpa henti.

Perusahaan keamanan siber seperti Cloudflare telah mengonfirmasi temuan puluhan ribu kerentanan kritis berkat alat berbasis AI, membuktikan bahwa teknologi ini bukan lagi fiksi ilmiah. Papernot memperingatkan: “Di dunia yang saling terhubung, tidak ada sistem yang kebal terhadap ancaman ini.” Penelitian ini sengaja dilakukan dalam lingkungan tertutup dengan pengamanan ketat, bukan untuk menakut-nakuti, tetapi untuk memicu aksi kolektif—dari akademisi, industri, hingga pembuat kebijakan—sebelum waktu habis.