Cloudflare Luncurkan Adaptive Intelligence, Pertahanan Siber yang Terus Belajar dari Serangan

Perkembangan kecerdasan buatan (AI) dan semakin murahnya perangkat untuk melakukan serangan siber membuat serangan bot semakin mudah dilancarkan. 

Cloudflare merespons kondisi tersebut dengan memperkenalkan Adaptive Intelligence, mesin deteksi baru yang dirancang terus mempelajari trafik dan mengubah sistem pertahanannya secara otomatis.

Adaptive Intelligence terintegrasi langsung dengan Cloudflare Bot Management. Teknologi tersebut menganalisis sinyal dari trafik yang melintasi jaringan global Cloudflare untuk mendeteksi pola ancaman baru ketika serangan berlangsung.

Salah satu pendekatan utamanya adalah menghasilkan aturan keamanan yang bersifat sementara dan sangat spesifik terhadap ancaman tertentu. 

Aturan tersebut kemudian terus berubah sehingga penyerang tidak mendapatkan target pertahanan yang statis untuk dipelajari dalam jangka panjang.

Pendekatan itu dirancang untuk membuat biaya dan waktu yang dibutuhkan dalam menjalankan serangan otomatis semakin besar. 

Ketika pola serangan berhasil dipelajari dan diblokir, penyerang harus kembali menyesuaikan tekniknya.

Cloudflare menilai hambatan untuk melancarkan serangan siber otomatis telah menurun. Serangan yang sebelumnya membutuhkan kemampuan teknis tinggi kini semakin mudah dilakukan dengan bantuan AI, perangkat lunak yang tersedia bebas, serta layanan berbiaya relatif murah.

Pelaku, misalnya, dapat menyewa jaringan perangkat yang telah disusupi, menyamarkan lokasi menggunakan alamat internet rumah, serta memanfaatkan perangkat lunak yang meniru perilaku dasar manusia.

Situasi tersebut menimbulkan tantangan bagi perusahaan. Penyerang dapat melakukan percobaan berkali-kali dengan biaya relatif rendah, sementara sistem keamanan harus mampu membedakan aktivitas berbahaya dari pengguna sebenarnya agar pelanggan tidak ikut terblokir.

Chief Technology Officer (CTO) Cloudflare Dane Knecht mengatakan pertahanan statis semakin sulit menghadapi pola serangan seperti itu.

“Membangun tembok yang lebih tinggi tidak akan berhasil ketika biaya untuk memperbesar skala serangan praktis mendekati nol. Untuk menghentikan ancaman bot modern, kita harus membalik aspek ekonominya bagi penyerang,” kata Knecht.

Menurut dia, sistem pertahanan konvensional memberikan target yang relatif statis sehingga dapat dipelajari penyerang secara sistematis.

“Adaptive Intelligence Cloudflare menciptakan target yang terus bergerak, sehingga upaya rekayasa penyerang menjadi usang sebelum operasi mereka dapat mencapai skala besar,” lanjutnya.

Cloudflare menyebut Adaptive Intelligence memanfaatkan skala jaringan global perusahaan untuk mempelajari pola serangan baru. 

Sistem tersebut diklaim menganalisis lebih dari satu triliun kunjungan web setiap hari.

Model machine learning di dalamnya terus dilatih menggunakan trafik aktual. Pola dari kerangka bot baru maupun teknik untuk melewati sistem keamanan kemudian dapat dimasukkan ke mesin deteksi tanpa harus menunggu pembaruan manual atau jadwal rilis berikutnya.

Adaptive Intelligence selanjutnya dapat menghasilkan aturan keamanan berumur pendek untuk menghadapi ancaman tertentu.

Perputaran aturan ini dirancang untuk mencegah pelaku memiliki cukup waktu mempelajari sistem, memetakan pertahanan, kemudian menyempurnakan serangan berdasarkan informasi tersebut.

Cloudflare juga membekali sistem dengan kemampuan menganalisis pola perilaku dalam beberapa rentang waktu sekaligus. 

Pendekatan itu ditujukan untuk mendeteksi serangan yang sengaja dilakukan secara perlahan agar tidak mudah dikenali.

Salah satu contohnya adalah credential stuffing, yakni penggunaan kredensial atau kombinasi nama pengguna dan kata sandi yang diperoleh dari kebocoran sebelumnya untuk mencoba mengambil alih akun. 

Sistem juga ditujukan mendeteksi kampanye scraping yang dijalankan secara perlahan.

Tantangan lain dalam memblokir bot adalah menghindari kesalahan yang membuat pengguna sebenarnya ikut dianggap sebagai ancaman.

Untuk mengatasinya, Adaptive Intelligence menggabungkan sinyal perilaku sesi pada tingkat peramban dari Cloudflare Precursor dengan telemetri jaringan edge global perusahaan.

Arsitektur berlapis tersebut digunakan untuk mengevaluasi aktivitas otomatis dan potensi penyalahgunaan berdasarkan lebih banyak konteks, bukan hanya menentukan apakah sebuah aktivitas berasal dari bot atau manusia melalui pengujian sederhana.

Pembaruan keamanan juga dapat diuji terlebih dahulu terhadap trafik aktual di balik layar. 

Proses tersebut digunakan untuk memeriksa akurasi dan mengurangi risiko false positive sebelum aturan baru diterapkan tanpa menghentikan layanan.

Perubahan pendekatan ini menjadi penting ketika pola serangan siber dapat beradaptasi dalam hitungan jam bahkan menit, sementara sistem keamanan konvensional dapat membutuhkan waktu lebih panjang untuk mendapatkan pembaruan.