Bernasindonesia.com - Perkembangan teknologi digital yang semakin pesat membawa tantangan baru dalam bidang keamanan siber. Meskipun berbagai metode kecerdasan buatan (artificial intelligence/AI) telah mampu menghasilkan tingkat akurasi deteksi serangan siber yang sangat tinggi, para peneliti diingatkan agar tidak hanya berfokus pada capaian angka, melainkan pada kemampuan sistem dalam menghadapi ancaman yang terus berkembang di dunia nyata.
Hal tersebut disampaikan Kepala Departemen Ilmu Komputer dan Sistem Rekayasa, Fakultas Ilmu Komputer dan Telekomunikasi, University of Wroclaw, Prof. Grzegorz Kolaczek, saat memberikan kuliah tamu bersama para peneliti Pusat Kecerdasan Artifisial dan Keamanan Siber dalam kunjungan ke Gedung B.J. Habibie, Jakarta, Selasa (14/7).
Kolaczek menyampaikan apresiasi atas kesempatan yang diberikan untuk berbagi pengetahuan dengan para peneliti BRIN. Ia berharap pertemuan tersebut menjadi langkah awal memperkuat kolaborasi antara institusi riset Indonesia dan Polandia.
Menurutnya, BRIN memiliki posisi strategis sebagai lembaga yang menghimpun para ilmuwan terbaik Indonesia, sebagaimana lembaga penelitian nasional yang dimiliki Polandia. Karena itu, kerja sama antarlembaga dinilai penting untuk mempercepat kemajuan riset global.
Dalam kuliahnya, Kolaczek mengangkat tema mengenai tantangan modern keamanan siber. Ia menjelaskan bahwa selama ini banyak penelitian berlomba menghasilkan model deteksi intrusi dengan tingkat akurasi hingga mendekati 100 persen. Namun, menurutnya, capaian tersebut belum tentu mencerminkan kemampuan sistem menghadapi kondisi nyata.
"Akurasi tinggi memang terlihat mengesankan, tetapi pertanyaannya adalah apakah model tersebut benar-benar mampu bekerja pada sistem dunia nyata yang selalu berubah. Itulah tantangan sesungguhnya dalam keamanan siber," jelas Kolaczek.
Ia mengungkapkan bahwa sebagian besar penelitian keamanan siber masih menggunakan dataset publik yang telah berusia puluhan tahun sebagai acuan utama. Meskipun berguna untuk membandingkan berbagai pendekatan, dataset tersebut dinilai tidak lagi sepenuhnya merepresentasikan karakteristik sistem komputer modern yang terus berkembang.
Kolaczek menilai perkembangan teknologi AI, termasuk convolutional neural network (CNN), Long Short-Term Memory (LSTM), transformer, autoencoder, hingga graph neural network telah memberikan kontribusi besar terhadap kemajuan sistem deteksi ancaman siber. Namun, ia mengingatkan bahwa tujuan utama penelitian bukan sekadar menciptakan algoritma baru, melainkan menyelesaikan persoalan nyata yang dihadapi masyarakat dan industri.
"Sebagai ilmuwan, tujuan kita bukan hanya memperoleh hasil terbaik pada dataset tertentu, tetapi menghasilkan solusi yang benar-benar dapat diterapkan untuk mengatasi serangan siber di lingkungan operasional," tegasnya.
Lebih lanjut, ia menjelaskan bahwa kualitas data menjadi faktor yang sangat menentukan keberhasilan sistem keamanan siber berbasis AI. Menurutnya, tantangan saat ini bukan lagi kekurangan data, melainkan memastikan data yang digunakan benar-benar akurat, relevan, serta mencerminkan kondisi terkini.
Selain kualitas data, perubahan perilaku pengguna, perkembangan teknologi jaringan, serta evolusi pola serangan juga menyebabkan model keamanan siber harus mampu beradaptasi secara berkelanjutan. Sistem yang hanya mengandalkan model statis berisiko kehilangan efektivitas ketika menghadapi ancaman baru.
Kolaczek juga menyoroti karakteristik unik serangan siber. Berbeda dengan ancaman yang bersifat tetap, pelaku serangan terus mempelajari sistem pertahanan, menyesuaikan strategi, dan mencari celah baru untuk menghindari deteksi. Oleh sebab itu, penelitian keamanan siber perlu mempertimbangkan dinamika perilaku penyerang sebagai bagian dari proses pengembangan model.
Ia menjelaskan bahwa pengembangan sistem keamanan siber tidak berhenti pada tahap pelatihan model AI. Seluruh proses, mulai dari pengumpulan data, pelabelan data, pelatihan, validasi, hingga implementasi di lingkungan nyata, memiliki tantangan penelitian yang sama pentingnya. Kesalahan pada salah satu tahapan tersebut dapat memengaruhi kualitas sistem secara keseluruhan.
Sebagai arah pengembangan ke depan, Kolaczek memperkenalkan beberapa pendekatan yang dinilai menjanjikan, di antaranya adversarial training, certified robustness, serta ensemble learning dan federated learning. Pendekatan tersebut bertujuan meningkatkan ketahanan model terhadap berbagai bentuk manipulasi data maupun serangan yang semakin kompleks. Ia menambahkan bahwa meskipun metode-metode tersebut telah banyak dikembangkan, masih diperlukan penelitian lebih lanjut agar dapat diterapkan secara efektif pada lingkungan keamanan siber modern yang dinamis.
Kepala Pusat Riset Kecerdasan Artifisial dan Kemanana Siber BRIN, Anto Satriyo Nugroho menyampaikan apresiasi atas kunjungan dan sharing session tersbeut. Melalui pertukaran pengetahuan ini, ia berharap kolaborasi riset antara Indonesia dan Polandia dapat terus berkembang, khususnya dalam bidang kecerdasan buatan dan keamanan siber, sehingga mampu menghasilkan inovasi yang tidak hanya unggul secara akademik, tetapi juga memberikan solusi nyata bagi tantangan digital global.
