Keamanan Siber Berbasis AI dalam Finansial Digital: Mengamankan Masa Depan

Pada hari Kamis, pasar cryptocurrency mengalami penurunan tajam dengan Bitcoin jatuh kembali di bawah angka 90.000 dolar AS. Penurunan ini merupakan sinyal terbaru bahwa pasar sedang mengalami gelombang kekhawatiran yang baru terkait kondisi ekonomi dan teknologi. Salah satu faktor utama yang melatarbelakangi penurunan ini adalah laporan dari perusahaan cloud Amerika, Oracle, yang menyatakan proyeksi pendapatan dan laba mereka tidak sesuai dengan harapan. Selain itu, mereka juga mengindikasikan peningkatan pengeluaran yang menyebabkan keraguan dalam efektivitas investasi di sektor kecerdasan buatan. Bitcoin turun sekitar 2,5 persen menjadi 90.056,24 dolar AS sementara Ether yang merupakan mata uang digital lain juga terjerembab sekitar 4,3 persen ke angka 3.196,62 dolar AS. Hal ini menghapus kenaikan yang terjadi dalam dua hari sebelumnya dan memperpanjang tren penurunan yang mulai terlihat pada sesi perdagangan Amerika Serikat pada Rabu. Penurunan ini terjadi bersamaan dengan melemahnya saham teknologi di Asia yang mempengaruhi pasar saham di Eropa dan Amerika Serikat. Langkah Federal Reserve yang memangkas suku bunga juga belum mampu mengembalikan optimisme di sektor crypto karena ketidakpastian masih mendominasi pasar. Menurut analis pasar Tony Sycamore dari IG di Sydney, meskipun beberapa aset berisiko lain menunjukkan perbaikan, pasar cryptocurrency tidak merespon dengan sama positifnya, yang menunjukkan adanya kekhawatiran mendalam mengenai keberlanjutan keuntungan dari teknologi AI dan pasar itu sendiri.

Teknologi kecerdasan buatan generatif kini semakin banyak digunakan para penipu untuk meniru suara dan video yang sulit dibedakan dengan aslinya. Hal ini menyebabkan kerugian besar bagi bank-bank di Amerika Serikat, dengan angka yang diperkirakan naik dari 12,3 miliar dolar pada 2023 menjadi 40 miliar dolar pada 2027. Regulator dan perusahaan keuangan harus segera mencari cara agar mampu melawan ancaman ini yang terus berkembang. Salah satu metode penting adalah penggunaan autentikasi suara multi-faktor, yang menggabungkan biometrik suara dengan kode PIN, pertanyaan keamanan, dan biometrik perilaku. Selain itu, sistem autentikasi konteks juga dipakai agar bisa memeriksa siapa yang menelepon, kapan, dan dari mana asal panggilan tersebut, untuk mendeteksi panggilan mencurigakan yang berpotensi penipuan. Robocall atau panggilan otomatis yang digunakan untuk menipu juga terus menjadi masalah. Namun, berbagai perusahaan mendapatkan manfaat dengan menggunakan kecerdasan buatan untuk memantau dan menganalisis pola panggilan secara real-time. AI dapat membantu memperkirakan dan mencegah ancaman sebelum mereka menyebar lebih luas. Selain teknologi, faktor manusia juga sangat penting. Pelatihan dan pendidikan tentang skenario penipuan dan penggunaan deepfake harus diberikan kepada eksekutif dan agen call center agar tahu cara mengenali serta menangani penipuan berbasis suara. Keamanan data suara pun perlu diperketat dengan enkripsi dan kontrol akses agar tidak mudah disalahgunakan. Kesimpulannya, meskipun penipuan berbasis AI menimbulkan risiko besar, dengan investasi strategis pada autentikasi, deteksi, edukasi, serta kemitraan antar lembaga, perusahaan keuangan dapat mengubah risiko menjadi peluang untuk menciptakan lingkungan finansial yang lebih aman dan terpercaya di masa depan.

Model bahasa besar seperti ChatGPT dirancang untuk mencegah pengguna mendapat informasi berbahaya dengan menggunakan filter eksternal yang mencegah prompt tertentu mencapai model. Namun, filter ini sering kali lebih kecil dan kurang kuat dibandingkan model utama sehingga rentan terhadap eksploitasi. Para peneliti mengadaptasi teknik kriptografi sederhana seperti substitution cipher untuk menyembunyikan pesan berbahaya dalam bentuk teka-teki yang bisa dipecahkan oleh model bahasa, namun tidak dikenali oleh filter. Ini membuka celah keamanan yang mereka sebut controlled-release prompting. Selain substitution cipher, mereka juga menguji konsep time-lock puzzle yang menggunakan operasi matematika berat untuk membuat pesan berbahaya tersembunyi dalam bentuk angka acak. Dengan memasukkan angka ini sebagai seed acak, prompt berbahaya bisa disamarkan di balik permintaan prompt yang netral seperti membuat puisi. Riset ini menunjukkan bahwa selama filter memiliki sumber daya komputasi lebih kecil dibanding model yang dilindunginya, celah keamanan seperti jailbreak akan selalu ada. Hal ini menjadi bukti bahwa filter eksternal tidak cukup untuk menyelaraskan model besar secara sempurna. Kesimpulannya, tantangan ke depan adalah mengembangkan teknik penyelarasan AI yang lebih mendalam dan mengerti cara kerja internal model, bukan hanya menyandarkan pada filter eksternal. Ini penting agar teknologi AI dapat dipercaya dan aman tanpa risiko bocor informasi berbahaya.