Komputer kecil di kamera keamanan, alat medis, mesin pabrik, dan sensor kota pintar kini bekerja jauh lebih pintar daripada satu dekade lalu. Perangkat ini tidak lagi sekadar mengirim data ke pusat data besar di internet, tetapi memprosesnya sendiri di dekat lokasi kejadian melalui sistem yang disebut edge computing. Teknologi ini membuat respons menjadi lebih cepat, lebih hemat bandwidth, dan lebih andal. Namun, kemajuan ini juga membuka pintu bagi bentuk serangan siber yang jauh lebih canggih karena para penyerang kini menggunakan kecerdasan buatan atau machine learning untuk menyerang sistem tersebut.

Dalam dunia digital modern, serangan siber tidak lagi dilakukan secara manual oleh satu orang yang mengetik perintah. Banyak serangan sekarang dijalankan oleh program yang bisa belajar, beradaptasi, dan mencari celah secara otomatis. Inilah yang disebut sebagai serangan yang diorkestrasi oleh machine learning. Program jahat ini dapat mengamati perilaku sistem target, mengenali pola pertahanan, lalu menyesuaikan cara serangan agar tidak terdeteksi. Ketika teknologi semacam ini menyerang sistem edge computing, risikonya menjadi sangat serius karena edge devices sering mengontrol proses penting seperti lalu lintas, energi, kesehatan, dan keamanan gedung.

Baca juga artikel tentang: Bagaimana Machine Learning Mengubah Cara Gedung Menggunakan Energi?

Edge computing berarti pemrosesan data terjadi dekat sumbernya. Kamera di gedung pintar menganalisis wajah di tempat. Sensor kesehatan memproses detak jantung langsung di tubuh pengguna. Mesin pabrik mengambil keputusan otomatis tanpa menunggu perintah dari server pusat. Semua ini membuat sistem menjadi cepat dan efisien. Namun, perangkat edge sering memiliki daya komputasi terbatas dan sistem keamanan yang lebih sederhana dibandingkan pusat data besar. Di sinilah penyerang melihat peluang.

Para penyerang menggunakan machine learning untuk mempelajari bagaimana sistem edge bekerja. Mereka mengirim lalu lintas palsu ke jaringan untuk melihat bagaimana sistem bereaksi. Dari situ, mereka melatih algoritma untuk mengenali kapan sistem lengah dan bagaimana melewati deteksi. Serangan semacam ini tidak bersifat statis. Jika sistem keamanan berubah, program penyerang ikut belajar dan menyesuaikan diri. Inilah yang membuat serangan modern jauh lebih berbahaya dibandingkan virus komputer lama.

Diagram ini menunjukkan bagaimana sistem Business Intelligence mengirim data transaksi ke modul keamanan berbasis enkripsi dan pembelajaran mesin yang lalu menganalisisnya untuk mendeteksi ancaman dan menghasilkan peringatan secara otomatis (Wisdom, dkk. 2026).

Defensive walls atau dinding pertahanan digital menjelaskan bahwa cara lama dalam melindungi jaringan sudah tidak cukup. Dinding pertahanan tradisional seperti firewall dan daftar hitam alamat internet hanya bekerja jika serangan memiliki pola tetap. Dalam dunia serangan berbasis machine learning, pola itu terus berubah. Program jahat dapat menyamar sebagai lalu lintas normal, meniru perilaku pengguna sah, dan bahkan berpura pura menjadi perangkat yang dipercaya.

Karena itu, sistem pertahanan modern juga harus menjadi cerdas. Para peneliti mengusulkan penggunaan kecerdasan buatan untuk melawan kecerdasan buatan. Sistem keamanan di edge harus mampu mempelajari perilaku normal perangkat dan pengguna. Ketika sesuatu menyimpang dari pola tersebut, sistem dapat segera mencurigainya sebagai ancaman. Pendekatan ini disebut sebagai deteksi berbasis perilaku, bukan sekadar aturan tetap.

Bayangkan sebuah kamera keamanan di gedung pintar. Dalam kondisi normal, kamera mengirim gambar setiap beberapa detik dan menerima perintah tertentu dari sistem pusat. Jika tiba tiba kamera mulai mengirim data dalam jumlah besar ke alamat asing atau menerima perintah yang tidak biasa, sistem pertahanan berbasis AI akan mendeteksinya sebagai anomali. Sistem ini tidak perlu tahu jenis serangan apa yang terjadi. Ia hanya perlu tahu bahwa perilaku itu tidak sesuai dengan kebiasaan normal.

Selain mendeteksi, sistem pertahanan juga harus mampu merespons dengan cepat. Di lingkungan edge computing, waktu sangat penting. Jika sistem menunggu analisis dari server pusat, serangan mungkin sudah menyebabkan kerusakan. Karena itu, pertahanan harus berada di lokasi yang sama dengan perangkat. AI pertahanan di edge dapat memutus koneksi, mengisolasi perangkat, atau menurunkan fungsi tertentu untuk mencegah penyebaran serangan.

Namun, kecerdasan buatan tidak bekerja sendirian. Para peneliti menekankan pentingnya menggabungkan keahlian manusia dengan sistem otomatis. AI sangat cepat dalam menganalisis data besar dan mendeteksi pola, tetapi manusia tetap unggul dalam memahami konteks dan membuat keputusan strategis. Ketika AI mendeteksi ancaman, pakar keamanan dapat menilai apakah itu serangan nyata atau kesalahan teknis, lalu menentukan langkah lanjutan.

Serangan yang diorkestrasi oleh machine learning juga sering memanfaatkan kelemahan kecil yang terlewatkan. Misalnya, sebuah sensor suhu mungkin menggunakan kata sandi default atau perangkat lunak lama yang belum diperbarui. Program penyerang dapat memindai ribuan perangkat edge untuk mencari celah semacam ini secara otomatis. Begitu menemukan satu pintu terbuka, mereka dapat menyusup dan menyebar ke perangkat lain.

Untuk melawan hal ini, pertahanan modern mencakup beberapa lapisan. Pertama, sistem harus memastikan identitas setiap perangkat. Hanya perangkat yang terdaftar dan terpercaya yang boleh berkomunikasi. Kedua, data harus dienkripsi agar tidak bisa dibaca atau diubah oleh pihak luar. Ketiga, sistem harus terus memantau lalu lintas dan perilaku untuk mendeteksi aktivitas mencurigakan.

Pendekatan berlapis ini menyerupai benteng dengan banyak dinding. Jika satu lapisan gagal, lapisan lain masih melindungi. Inilah yang disebut sebagai defensive walls dalam dunia edge computing. Dengan cara ini, bahkan jika penyerang menggunakan AI yang cerdas, mereka harus menembus banyak pertahanan sekaligus, yang membuat serangan jauh lebih sulit dan mahal.

Ke depan, pertempuran antara penyerang dan pembela di dunia digital akan semakin mirip dengan permainan catur antara dua AI. Keduanya belajar dari setiap langkah, menyesuaikan strategi, dan mencoba mengungguli lawan. Dalam konteks ini, keamanan tidak lagi menjadi produk yang dipasang sekali lalu dilupakan. Keamanan menjadi proses yang terus berkembang.

Bagi masyarakat umum, semua ini mungkin terdengar sangat teknis, tetapi dampaknya sangat nyata. Jika sistem edge di rumah sakit terkena serangan, alat pemantau pasien bisa memberikan data yang salah. Jika jaringan lalu lintas kota diretas, lampu jalan bisa menjadi kacau. Jika sistem gedung pintar disusupi, keamanan fisik juga terancam. Oleh karena itu, investasi dalam pertahanan cerdas bukan hanya soal teknologi, tetapi juga soal keselamatan dan kepercayaan publik.

Riset tentang defensive walls terhadap serangan berbasis machine learning menunjukkan bahwa dunia keamanan siber harus bergerak cepat dan cerdas. Dengan menggabungkan AI, pemantauan perilaku, enkripsi, dan keahlian manusia, kita dapat membangun benteng digital yang cukup kuat untuk melindungi perangkat di ujung jaringan. Di era ketika mesin dapat menyerang dan bertahan, kecerdasan manusia dan buatan harus bekerja bersama agar teknologi tetap menjadi pelayan, bukan ancaman, bagi kehidupan modern.

Baca juga artikel tentang: ACP, Material Ringan Yang Mengubah Wajah Arsitektur Kota

REFERENSI:

Wisdom, Daniel Dauda dkk. 2026. Defensive walls against sophisticated ML-orchestrated attacks in edge computing. Cybersecurity Defensive Walls in Edge Computing, 275-315.