Tim keamanan bisa menemukan lebih banyak kerentanan dan tetap tertinggal. Setiap temuan baru membutuhkan penanggung jawab, keputusan, dan perbaikan yang benar-benar bekerja di produksi. AI mempercepat pencarian celah. Antrean perbaikannya tetap harus diselesaikan.

Dalam laporan bertanggal 1 Oktober 2026, Google Threat Intelligence Group (GTIG) membahas penemuan dan eksploitasi kerentanan pada era AI. Laporan itu mencatat kenaikan jumlah pengungkapan, bertambahnya eksploitasi yang teramati, serta banyaknya celah eksekusi kode di antara kerentanan yang diidentifikasi kemungkinan ditemukan dengan AI.

Bagi pengembang dan tim keamanan, pertanyaan praktisnya adalah apa yang perlu berubah dalam antrean patch besok. Tentukan prioritas sistem terdampak berdasarkan paparan sebenarnya, bukti eksploitasi, dan akses yang bisa diperoleh penyerang. Jumlah peringatan saja tidak cukup untuk mengambil keputusan tersebut.

Apa yang ditunjukkan data kerentanan Google

Laporan ini meneliti pengungkapan kerentanan dari Januari 2025 sampai Agustus 2026. Jumlah pengungkapan bulanan naik dari 5.045 pada Januari 2026 menjadi 10.740 pada Agustus. GTIG juga melaporkan kenaikan rata-rata kerentanan yang teramati dieksploitasi, dari sekitar 10,5 per bulan pada 2025 menjadi 18 per bulan selama Januari sampai Agustus 2026.

Angka tersebut menggambarkan kondisi kerentanan secara keseluruhan. Angka itu tidak berarti AI menemukan setiap celah baru, atau semua celah yang diumumkan sudah dieksploitasi. GTIG menjelaskan bahwa praktik pengungkapan dan jadwal rilis vendor yang terkonsentrasi ikut memengaruhi jumlahnya. Peringkat risiko yang dipakai juga merupakan penilaian risiko ancaman GTIG sendiri, bukan skor keparahan CVSS.

Perbandingan khusus AI memerlukan batasan tersendiri. Di antara kerentanan yang dapat diidentifikasi GTIG sebagai kemungkinan ditemukan oleh AI, 50% memungkinkan eksekusi kode jarak jauh, dibandingkan 26% pada ekosistem CVE yang lebih luas. Eksekusi kode jarak jauh berarti penyerang dapat membuat kode berjalan pada sistem lain; hak akses dan dampaknya bergantung pada komponen yang terkena.

Temuan itu penting, tetapi bukan eksperimen terkontrol yang membandingkan peninjau AI dengan manusia. Laporan tersebut menyebut bahwa peneliti sengaja mengarahkan agen ke infrastruktur penting dan batas hak akses yang sensitif. Catatan publik juga belum memiliki metadata atribusi AI yang seragam, sementara sebagian perbaikan layanan cloud tidak mendapat nomor CVE. Gunakan persentasenya untuk memahami sampel yang diamati, bukan sebagai tingkat keberhasilan universal alat keamanan AI.

Patch yang diumumkan bisa memulai perlombaan berikutnya

Zero-day dieksploitasi sebelum perbaikannya tersedia. N-day adalah kerentanan yang sudah diketahui publik. Tim pertahanan perlu menangani keduanya, tetapi kategori kedua mudah diremehkan setelah vendor mengumumkan patch.

GTIG menilai bahwa sebagian besar pertumbuhan eksploitasi terbaru terkonsentrasi pada upaya menjadikan n-day siap digunakan untuk serangan. GTIG juga mengemukakan kemungkinan penyerang memakai AI untuk menganalisis patch, pemberitahuan keamanan, dan perbedaan antarversi produk. Ini merupakan penilaian atas tren, bukan bukti bahwa setiap serangan yang diamati menggunakan AI.

Satu contoh dalam laporan itu memperjelas persoalan waktunya. GTIG menyatakan bahwa eksploitasi CVE-2026-1731, kerentanan BeyondTrust yang penemuannya diatribusikan kepada Hacktron AI, teramati dalam empat hari setelah pengungkapan publik. Celah yang ditemukan dengan bantuan AI tidak otomatis berarti eksploitasi berikutnya juga memakai AI. Namun, kasus ini menunjukkan bagaimana publikasi temuan defensif dapat segera menjadi tenggat operasional.

Tersedianya patch baru menyelesaikan bagian vendor. Tim Anda masih perlu memastikan apakah versi rentan digunakan, apakah fitur terkait dapat dijangkau, dan apakah pembaruan sudah diterapkan pada seluruh instance yang terdampak.

Komponen AI juga memerlukan keamanan perangkat lunak

Laporan yang sama mencatat lebih dari 1.500 pengungkapan kerentanan terkait AI dari Januari sampai Agustus 2026. Kategorinya mencakup orkestrasi agen, aplikasi web AI, infrastruktur inferensi, dan sistem pelacakan eksperimen.

Karena itu, tinjauan perlu melampaui jawaban model. Editor alur kerja mungkin dapat menjalankan kode. Gateway inferensi mungkin menyimpan kredensial penyedia. Layanan unggah dokumen mungkin menulis berkas atau mengambil konten dari jaringan. Semua ini adalah batas keamanan aplikasi yang sudah dikenal, meskipun antarmukanya berbentuk percakapan.

Jumlah temuan tersebut tidak membuktikan bahwa setiap pemasangan alat-alat itu rentan. Namun, ada pertanyaan inventaris yang perlu dijawab: komponen apa saja yang sebenarnya berada di antara input pengunjung dan alat, data, atau kredensial Anda?

Catat versi yang berjalan, paparan, penanggung jawab, dan jalur pembaruannya bersama inventaris perangkat lunak lain. Meninjau system prompt tidak membuktikan apakah endpoint administrasi mewajibkan autentikasi atau unggahan berkas tetap berada di direktori yang diizinkan.

Susun antrean patch berdasarkan paparan dan bukti

Bayangkan sebuah tim memiliki gateway AI terdampak yang terbuka ke internet dan temuan terpisah pada alat pengembangan internal. Gateway tersebut dapat mengakses layanan produksi dan menyimpan kredensial penyedia. Alat pengembangan mendapat skor pemindai lebih tinggi, tetapi terisolasi dari produksi. Tim membutuhkan konteks itu sebelum menentukan perbaikan mana yang didahulukan. Ini contoh hipotetis, bukan laporan insiden tertentu.

Catatan triase yang bisa ditindaklanjuti menjawab empat pertanyaan:

  1. Apakah sistem kita terdampak? Cocokkan versi yang berjalan, konfigurasi, dan fitur rentan dengan pemberitahuan vendor. Nama paket dalam lockfile adalah petunjuk untuk diperiksa, belum merupakan jawaban lengkap.
  2. Apakah jalur rentan dapat dijangkau? Periksa paparan internet, autentikasi, jalur akses internal, dan hak akses komponen. Layanan internal tetap penting jika penyerang dapat menjangkaunya dari workload lain yang sudah disusupi.
  3. Bukti apa yang membuatnya mendesak? Periksa pemberitahuan vendor, informasi insiden yang relevan, dan katalog Known Exploited Vulnerabilities milik CISA. CISA menyebut katalog ini sebagai salah satu masukan untuk penentuan prioritas. Tidak tercantum di dalamnya bukan bukti bahwa sebuah celah aman.
  4. Bagaimana perbaikannya akan dibuktikan? Tetapkan penanggung jawab, target waktu sesuai risiko, dan langkah verifikasi. Jika patch belum dapat diterapkan, evaluasi mitigasi vendor serta catat batas perlindungan dan masa berlakunya.

Untuk gateway tadi, verifikasi bisa mencakup pemeriksaan versi yang berjalan pada setiap replika, pengulangan pengujian berizin di lingkungan terkendali, dan konfirmasi bahwa trafik sah tetap berfungsi. Jika ada tanda penyusupan, jalankan juga prosedur respons insiden. Memasang patch tidak dengan sendirinya menghapus akses yang sudah diperoleh penyerang.

Gunakan AI untuk mempercepat pekerjaan, tetap sertakan tinjauan

AI dapat membantu mencocokkan pemberitahuan keamanan dengan inventaris, menelusuri jalur kode terdampak, atau mengusulkan uji regresi. AI juga bisa salah membaca konfigurasi yang dipasang atau menyarankan perbaikan yang mengubah aturan akses. Simpan bukti pendukung bersama rekomendasinya.

Panduan Mandiant tentang pengelolaan kerentanan dengan bantuan AI menganjurkan workload terisolasi, identitas mesin dengan izin terbatas, dan pengawasan manusia. Dalam alur pengembangan, penerapannya dapat berupa branch dengan cakupan sempit, data uji sintetis, dan patch yang ditinjau sebelum masuk produksi.

Linmas membantu pada bagian tinjauan tersebut. Gunakan tinjauan keamanan dengan cakupan jelas untuk menghubungkan usulan perubahan dengan risiko yang ditangani, lalu verifikasi perilakunya melalui jalur akses aplikasi yang sebenarnya. Linmas tidak menggantikan inventaris aset, informasi kerentanan, atau penerapan patch.

Mulai dari satu layanan AI yang terekspos minggu ini. Identifikasi penanggung jawab dan versi yang berjalan, periksa pemberitahuan yang relevan, lalu catat cara memverifikasi pembaruannya. Antrean perbaikan kecil dengan bukti yang jelas lebih berguna daripada daftar panjang yang tidak dapat ditindaklanjuti dengan yakin.

Artikel ini mengacu pada laporan GTIG dan panduan yang ditautkan, diperiksa pada 3 Oktober 2026. Contoh penentuan prioritas dan ilustrasi sampul merupakan materi editorial Linmas, bukan hasil benchmark atau diagram arsitektur Google.