AI Agens Menjadi Bagian dari Tenaga Kerja Keamanan Crypto: Certik

AI Agens telah mulai mengambil alih pekerjaan yang sebelumnya ditangani langsung oleh analis manusia di bidang keamanan siber, pencegahan pencucian uang, dan kepatuhan, dengan sistem otonom kini menyelidiki ancaman, melacak dana, dan bertindak atas insiden keamanan dengan intervensi manusia yang terbatas.

• AI Agens bergerak melampaui sekadar menandai aktivitas mencurigakan, dengan sistem otonom yang semakin mampu menyelidiki ancaman, melacak dana, dan bertindak atas insiden keamanan dengan keterlibatan manusia yang terbatas.
• CertiK melihat agen AI mengambil alih analisis kontrak pintar, pemantauan transaksi langsung, dan pelacakan dana lintas rantai seiring dengan semakin cepat dan kompleksnya serangan crypto.
• Pekerjaan kepatuhan dapat semakin ditangani oleh agen AI yang menyaring alamat dan transaksi secara real-time serta menyiapkan laporan regulasi menggunakan data onchain dan offchain.
• Otonomi yang lebih besar menciptakan risiko baru, termasuk keputusan yang salah, injeksi prompt, dan manipulasi agen yang memiliki izin untuk berinteraksi dengan sistem sensitif.
• CertiK menyatakan tanggung jawab tetap berada pada organisasi dan pengawas manusia, menjadikan jejak audit, batasan otoritas, dan prosedur eskalasi yang jelas diperlukan saat agen AI mengambil alih lebih banyak pekerjaan keamanan.

Menurut laporan CertiK Intel3D yang baru, perubahan ini melampaui penggunaan kecerdasan buatan untuk menandai aktivitas mencurigakan atau merangkum informasi untuk analis. Sistem agens dapat melakukan penalaran melalui beberapa langkah, memanggil alat eksternal dan API, mengumpulkan bukti, mengambil tindakan di lingkungan langsung, dan menilai hasil sebelum memutuskan apa yang harus dilakukan selanjutnya.

CertiK menggambarkan model yang muncul sebagai tenaga kerja keamanan AI, di mana sistem otonom beroperasi dalam peran yang ditentukan sementara para ahli manusia bergerak menuju pengawasan, kontrol kualitas, dan akuntabilitas.

AI Agens Beralih dari Asisten Keamanan ke Operator

Selama sebagian besar dekade lalu, AI yang digunakan dalam keamanan siber dan kepatuhan memainkan peran pendukung. Sistem pembelajaran mesin dapat mengidentifikasi anomali, sementara alat bahasa alami membantu merangkum peringatan atau menyiapkan laporan yang pada akhirnya ditinjau dan ditindaklanjuti oleh manusia.

AI Agens mengubah seberapa banyak proses itu dapat terjadi tanpa keterlibatan manusia secara langsung.

Di pusat operasi keamanan, CertiK mengatakan sistem otonom dapat menyelidiki login yang tidak biasa, mengambil sidik jari perangkat dan riwayat lokasi, membandingkan informasi tersebut dengan intelijen ancaman, memutuskan apakah akun harus ditangguhkan dan melaksanakan penangguhan tersebut. Penalarannya kemudian dapat dicatat untuk ditinjau oleh manusia.

Laporan tersebut berpendapat bahwa sistem semacam itu harus semakin diperlakukan sebagai peserta tenaga kerja dengan tanggung jawab yang ditentukan, bukan sebagai alat perangkat lunak konvensional.

Namun, tanggung jawab tetap berada pada orang dan organisasi. CertiK mengatakan sistem AI tidak memegang akuntabilitas hukum atau operasional, meninggalkan organisasi yang menerapkannya dan manusia yang mengonfigurasi serta mengawasi pekerjaan mereka bertanggung jawab atas hasilnya.

Di bawah model itu, agen AI memerlukan ruang lingkup otoritas yang ditentukan, prosedur eskalasi, dan pemilik manusia. CertiK mengatakan organisasi yang memandang AI otonom sebagai alat perangkat lunak lainnya berisiko menerapkannya tanpa jejak audit yang memadai, pemantauan perilaku, atau kontrol eskalasi.

Tekanan untuk mengotomatiskan pekerjaan keamanan sebagian berasal dari kecepatan serangan crypto. Eksploitasi pinjaman kilat dapat menguras protokol dalam hitungan detik, sementara aset yang dicuri dapat berpindah melalui beberapa alamat, jembatan, dan layanan pencampuran dalam hitungan jam.

Kerugian keamanan tetap substansial. Seperti yang dilaporkan crypto.news sebelumnya, kerugian crypto mencapai $768,4 juta pada bulan September menurut metodologi CertiK, di seluruh 97 insiden. Angka perusahaan tersebut menempatkan total kerugian selama 2026 sekitar $2,68 miliar pada akhir September.

Agen AI Mengambil Alih Pekerjaan Keamanan Kontrak Pintar

Keamanan Web3 adalah salah satu area di mana CertiK melihat sistem otonom mengambil alih tugas yang sebelumnya memerlukan insinyur berpengalaman.

Audit kontrak pintar secara tradisional menggabungkan tinjauan kode manual dengan analisis statis, eksekusi simbolis, dan alat fuzzing. Sistem-sistem tersebut dapat mengungkap potensi kerentanan, tetapi auditor manusia umumnya harus menentukan apakah temuan tersebut merupakan masalah keamanan yang nyata.

Sistem agentic kini dapat bergerak melalui grafik panggilan kontrak, menganalisis perubahan status di beberapa kontrak dan panggilan eksternal, serta mencari kerentanan yang melibatkan reentrancy, manipulasi oracle, kontrol akses, dan mekanisme peningkatan yang tidak aman.

CertiK mengatakan AI juga diterapkan pada verifikasi formal. Agen dapat menghasilkan spesifikasi formal dan mengujinya terhadap perilaku kontrak, mengurangi sebagian pekerjaan manual yang sebelumnya diperlukan dari insinyur metode formal.

Auditor manusia masih tetap menjadi bagian dari proses. Pekerjaan mereka semakin berfokus pada memverifikasi temuan yang dihasilkan oleh AI, menyelidiki metode serangan ekonomi atau teori permainan yang baru, dan memeriksa di mana sistem keamanan otomatis itu sendiri mungkin memiliki titik buta.

Audit konvensional telah menghadapi pengawasan yang semakin meningkat seiring serangan bergerak melampaui kerentanan yang terkandung langsung dalam kode kontrak pintar. Penelitian keamanan sebelumnya menemukan bahwa proyek yang telah menyelesaikan audit masih terkompromi melalui area termasuk perangkat penanda, kunci administrator, infrastruktur backend, dan validator jembatan.

Laporan CertiK memperluas keamanan otomatis di luar tahap audit ke pemantauan transaksi langsung. Sistem AI dapat mengawasi transaksi blockchain yang tertunda dan terkonfirmasi untuk serangan pinjaman kilat, manipulasi oracle, penarikan likuiditas yang tidak normal, dan pola eksploitasi lainnya.

Dalam pengaturan yang lebih canggih, deteksi dapat memicu respons otomatis dalam jendela blok yang sama. Seorang agen dapat menghentikan fungsi kontrak yang rentan, mengaktifkan pemutus sirkuit, atau membekukan kunci administrator yang terkompromi tanpa menunggu seseorang untuk secara manual mengeksekusi respons tersebut.

AI Dapat Melacak Crypto yang Dicuri di Seluruh Rantai Secara Real-Time

Pelacakan dana adalah bagian lain dari keamanan Web3 di mana laporan melihat peran yang semakin besar untuk sistem otonom.

Penyelidik secara tradisional mengikuti aset yang dicuri dari satu alamat ke alamat lain, melacak bagaimana dana melewati dompet perantara, mixer, jembatan, dan bursa. Pekerjaan ini menjadi lebih sulit saat aset dibagi menjadi jumlah yang lebih kecil dan dipindahkan di beberapa blockchain.

CertiK mengatakan sistem agentic dapat melakukan proses ini secara terus-menerus, mengikuti aset saat mereka bergerak alih-alih merekonstruksi jalur mereka hanya setelah transaksi telah terjadi.

Sistem AI juga dapat memperbarui kluster alamat saat aktivitas blockchain baru muncul. Alih-alih hanya mengandalkan heuristik tetap, agen dapat memeriksa waktu transaksi, pihak yang tumpang tindih, dan perilaku biaya gas untuk menentukan apakah beberapa alamat kemungkinan dikendalikan oleh entitas yang sama.

Pencucian lintas rantai menciptakan masalah lain karena alat pemantauan secara historis telah menganalisis jaringan individu secara terpisah. Sistem agentic dapat menggabungkan aktivitas dari berbagai rantai menjadi satu penyelidikan dan terus mengikuti dana saat aset melewati jembatan atau pertukaran lintas rantai.

Laporan tersebut mengutip pencucian yang terkait dengan eksploitasi Bybit sebagai contoh, mengatakan bahwa penelitian CertiK sebelumnya mendokumentasikan konversi 86,29% dari ETH yang dicuri menjadi Bitcoin dalam satu bulan melalui mixer, jembatan, dan broker over the counter.

CertiK sebelumnya telah memperingatkan bahwa para penyerang mengubah metode mereka bahkan ketika kerugian utama menurun. Temuan keamanan H1 2026 menunjukkan kerugian crypto sebesar $1,32 miliar selama enam bulan pertama tahun ini, turun 46,8% dari tahun sebelumnya, sementara kompromi dompet menjadi metode serangan terbesar selama kuartal kedua.

Agen AI Menciptakan Masalah Kepatuhan Baru

Sistem otonom juga mengambil fungsi kepatuhan pada saat yang sama.

CertiK mengatakan bahwa screening Know Your Address dan Know Your Transaction kini dapat dilakukan oleh agen AI sebelum transaksi blockchain diselesaikan. Agen menilai risiko yang terkait dengan alamat atau transaksi secara real-time, memungkinkan platform untuk mengidentifikasi potensi paparan terhadap aset ilegal sebelum menyelesaikan transfer.

Pelaporan regulasi juga dapat diotomatisasi. Sistem agen dapat menarik informasi blockchain, merekonsiliasi dengan catatan offchain, dan menyiapkan laporan yang melibatkan kewajiban seperti berbagi data Travel Rule dan attestasi cadangan stablecoin.

Beban regulasi yang dihadapi perusahaan kripto sudah meningkat. Laporan CertiK Skynet sebelumnya menemukan bahwa denda AML melebihi $900 juta selama paruh pertama tahun 2025 saat yurisdiksi beralih dari mengembangkan kerangka kerja kripto menuju penegakan aktif.

Masalah terpisah muncul ketika agen AI menjadi pengguna blockchain itu sendiri.

Agen otonom dapat memegang aset digital, mengeksekusi perdagangan, mengelola operasi kas, dan berinteraksi dengan protokol keuangan terdesentralisasi. CertiK mengatakan organisasi mungkin perlu mengaudit perilaku onchain agen dan menyimpan catatan yang menunjukkan informasi apa yang digunakan, bagaimana agen mencapai keputusan, dan tindakan apa yang diambil.

Skenario ini tidak lagi terbatas pada penelitian. MetaMask meluncurkan Dompet Agen AI pada bulan Juni yang memungkinkan agen otonom untuk mengeksekusi swap, perdagangan futures perpetual, dan transaksi onchain lainnya di bawah kontrol yang ditetapkan oleh pengguna.

CertiK memperingatkan bahwa keamanan otonom menciptakan permukaan serangan sendiri

Memberikan sistem AI wewenang untuk bertindak memperkenalkan satu set risiko keamanan lainnya, menurut laporan tersebut.

Sistem agen dapat menghasilkan informasi yang salah sambil menunjukkan kepercayaan tinggi. Dalam pekerjaan AML, Laporan Aktivitas Mencurigakan yang dihasilkan AI dapat mengandung jejak transaksi yang salah. Selama audit kontrak pintar, agen dapat salah menyimpulkan bahwa spesifikasi formal melindungi terhadap kerentanan.

Peninjau manusia mungkin menjadi kurang mungkin untuk menangkap kesalahan semacam itu jika mereka secara bertahap menempatkan lebih banyak kepercayaan pada output otomatis setelah melihat sistem berkinerja baik pada kasus rutin.

Penyerang memiliki akses ke banyak kemampuan yang sama. CertiK mengatakan aktor ancaman sudah menggunakan AI untuk mempercepat penemuan kerentanan, mengotomatiskan pengintaian, dan menciptakan kampanye rekayasa sosial yang lebih meyakinkan.

Perusahaan memperingatkan sebelumnya pada tahun 2026 bahwa phishing yang didorong oleh AI, deepfake, dan alat eksploitasi otomatis membuat serangan lebih cepat dan lebih sulit diidentifikasi.

Agen keamanan itu sendiri dapat menjadi target karena mereka mungkin memiliki izin untuk berinteraksi dengan sistem sensitif. CertiK mengatakan injeksi prompt atau manipulasi input agen dapat menyebabkan tindakan otonom seperti menyetujui transaksi penipuan atau menonaktifkan kontrol keamanan yang sah.

Tanggung jawab tetap belum terpecahkan di berbagai yurisdiksi ketika tindakan otonom menyebabkan kerugian, menurut laporan tersebut. CertiK mengatakan organisasi yang menerapkan sistem dan orang-orang yang bertanggung jawab untuk mengonfigurasi dan mengawasi mereka tetap bertanggung jawab, memerlukan catatan wewenang agen, ambang eskalasi, dan persetujuan manusia yang terlibat sebelum tindakan yang berdampak diambil.

Perusahaan merekomendasikan untuk menjaga jejak audit lengkap dari input agen, penalaran, dan tindakan, menetapkan batasan yang jelas pada keputusan yang dapat diambil agen secara mandiri, menguji sistem terhadap manipulasi yang bersifat adversarial, dan menetapkan pemilik manusia yang ditunjuk yang bertanggung jawab atas kinerja dan kegagalan setiap agen.