Dalam dunia keamanan siber modern, email masih menjadi salah satu jalur utama serangan, terutama untuk phishing, business email compromise (BEC), dan social engineering. Tantangan terbesar saat ini bukan lagi sekadar mendeteksi malware atau link berbahaya, tetapi mengenali email yang terlihat normal namun sebenarnya berbahaya.
Artikel dari Abnormal AI menjelaskan bahwa perbedaan utama sistem mereka dibanding solusi keamanan tradisional adalah pendekatan behavioral AI, yaitu sistem yang memahami perilaku normal setiap pengguna dan organisasi, bukan sekadar mencari tanda-tanda serangan yang sudah dikenal.
Masalah Utama Email Security Tradisional
Sebagian besar solusi keamanan email tradisional bekerja dengan cara:
-
Memeriksa signature malware
-
Mencocokkan dengan threat intelligence
-
Memfilter domain atau URL berbahaya
-
Menggunakan rule-based detection
Namun pendekatan ini punya kelemahan besar:
-
Serangan modern sering tidak mengandung malware
-
Email dibuat menyerupai komunikasi bisnis normal
-
AI memungkinkan penyerang membuat email yang sangat realistis
-
Tidak ada “jejak teknis” yang bisa dideteksi
Akibatnya, banyak serangan lolos karena tidak terlihat “berbahaya” secara teknis.
Pendekatan Abnormal AI: Dari Taktik ke Intent
Perbedaan paling mendasar yang dijelaskan Abnormal AI adalah perubahan fokus dari:
“Apa yang dilakukan email ini?”
menjadi
“Apa maksud dari email ini?”
Sistem mereka tidak hanya membaca konten email, tetapi juga memahami konteks perilaku dan hubungan antar identitas dalam organisasi.
Behavioral AI: Fondasi Utama Sistem Abnormal
Abnormal membangun model perilaku untuk setiap individu dan entitas (user, vendor, partner) dalam organisasi.
Model ini mencakup:
-
Pola komunikasi normal
-
Jam dan frekuensi aktivitas email
-
Hubungan antar pengguna
-
Jenis permintaan yang biasa dilakukan
-
Perilaku login dan autentikasi
Dengan begitu, sistem memiliki “baseline normal behavior” untuk setiap entitas.
Tabel 1. Perbandingan Pendekatan Keamanan Email
| Aspek | Tradisional | Abnormal AI (Behavioral AI) |
|---|---|---|
| Fokus | Signature & rules | Perilaku & konteks |
| Deteksi | Known threats | Unknown & novel threats |
| Sumber data | Threat intelligence | Data internal organisasi |
| Analisis | Email per email | Korelasi antar aktivitas |
| Tujuan | Cari “ancaman” | Deteksi “ketidaknormalan” |
Bagaimana Abnormal AI Mendeteksi Serangan?
1. Membangun Baseline Normal
Sistem mempelajari bagaimana setiap user biasanya berinteraksi:
-
Siapa yang sering mereka email
-
Bagaimana gaya komunikasi mereka
-
Apa jenis permintaan yang umum
2. Menganalisis Konteks Hubungan
Bukan hanya isi email, tetapi juga:
-
Apakah pengirim biasanya berhubungan dengan penerima?
-
Apakah jenis permintaan ini pernah terjadi sebelumnya?
-
Apakah pola komunikasi ini “masuk akal” secara organisasi?
3. Deteksi Anomali Berbasis Intent
Jika ada penyimpangan dari pola normal, sistem menilai:
-
Apakah ini perubahan wajar atau serangan?
-
Apakah ini upaya rekayasa sosial?
-
Apakah ini penyamaran identitas?
Mengapa Pendekatan Ini Lebih Kuat?
Serangan modern sering tidak memiliki ciri teknis yang mencurigakan. Contohnya:
-
Email invoice palsu tanpa link
-
Permintaan transfer dana dari “CEO”
-
Vendor palsu dengan domain mirip
Secara teknis terlihat normal, tetapi secara perilaku tidak sesuai.
Behavioral AI mampu menangkap perbedaan ini.
Tabel 2. Kelebihan Behavioral AI
| Keunggulan | Dampak |
|---|---|
| Deteksi zero-day attack | Tidak butuh signature |
| Analisis berbasis konteks | Lebih akurat |
| False positive rendah | Mengurangi beban SOC |
| Adaptif terhadap AI-generated email | Lebih tahan serangan modern |
| Fokus pada intent | Tidak mudah tertipu manipulasi teks |
Mengapa AI Generatif Membuat Masalah Ini Lebih Serius?
Dengan AI generatif, penyerang dapat:
-
Menulis email yang sangat natural
-
Meniru gaya bahasa perusahaan
-
Membuat variasi phishing tanpa batas
Namun satu hal tidak berubah:
tujuan serangan tetap sama (mencuri uang, data, atau akses)
Abnormal AI menggunakan prinsip ini untuk mendeteksi niat (intent), bukan bentuk emailnya.
Perbedaan Fundamental: Rules vs Behavior
Sistem lama:
-
“Apakah email ini cocok dengan pola serangan yang dikenal?”
Abnormal AI:
-
“Apakah perilaku ini masuk akal untuk orang ini?”
Perubahan ini sangat penting karena:
-
Serangan baru tidak perlu pernah terlihat sebelumnya
-
Sistem tetap bisa mendeteksi penyimpangan
Tabel 3. Dampak pada Dunia Keamanan Siber
| Area | Perubahan |
|---|---|
| Deteksi ancaman | Lebih proaktif |
| Respons SOC | Lebih otomatis |
| Akurasi | Lebih tinggi |
| Ketergantungan rule | Berkurang drastis |
| Ketahanan terhadap AI attack | Lebih kuat |
Kesimpulan
Perbedaan utama Abnormal AI dibanding sistem keamanan email lainnya terletak pada pendekatan behavioral AI berbasis konteks dan identitas, bukan sekadar deteksi signature atau rule.
Dengan memahami:
-
siapa yang berkomunikasi,
-
bagaimana pola normal mereka,
-
dan apakah aktivitas tersebut sesuai kebiasaan,
sistem dapat mendeteksi serangan yang tidak memiliki jejak teknis sama sekali.
Di era serangan berbasis AI, pendekatan ini menjadi semakin penting karena ancaman tidak lagi terlihat sebagai malware, tetapi sebagai percakapan bisnis yang tampak normal namun dimanipulasi.
Abnormal Indonesia merupakan bagian dari PT. iLogo Infralogy Indonesia, yang bertindak sebagai partner resmi Abnormal.
Selain itu, kami juga berperan sebagai penyedia layanan (vendor) sekaligus distributor berbagai produk Infrastruktur IT dan Cybersecurity terbaik di Indonesia.