
News, Article, and Solution in Cybersecurity Realms.

Mengapa Pen-Test Tahunan Sudah Tidak Lagi Cukup di Tengah Lanskap Ancaman Siber yang Terus Berubah
Tidak sedikit orang yang rutin melakukan medical check-up setiap tahun untuk memastikan kondisi kesehatannya tetap baik. Namun, tidak ada yang benar-benar berasumsi bahwa hasil pemeriksaan tersebut menjamin semuanya akan baik-baik saja selama setahun penuh. Kondisi tubuh bisa berubah. Pola hidup berubah. Risiko penyakit baru dapat muncul sewaktu-waktu. Karena itu, menjaga kesehatan bukan hanya soal melakukan pemeriksaan tahunan, tetapi juga soal pemantauan dan kebiasaan yang dilakukan secara berkelanjutan. Prinsip yang sama berlaku dalam dunia keamanan siber. Selama bertahun-tahun, penetration test tahunan telah menjadi praktik yang umum dilakukan perusahaan. Organisasi menjadwalkan assessment, menerima laporan, melakukan perbaikan, lalu mengulang proses yang sama pada tahun berikutnya. Pada masanya, pendekatan ini cukup memadai karena lingkungan teknologi belum berubah secepat sekarang. Namun situasinya berbeda saat ini. Cloud semakin banyak digunakan. API menjadi fondasi berbagai layanan digital. Tim pengembang merilis fitur baru secara berkala, sementara integrasi dengan pihak ketiga semakin kompleks. Dalam kondisi seperti ini, permukaan serangan sebuah organisasi juga berubah secara terus-menerus. Sebuah sistem yang dinyatakan aman enam bulan lalu bisa saja memiliki profil risiko yang sangat berbeda hari ini. Hal tersebut



Recent Highlights

AI Agent Mengubah Skill yang Dibutuhkan Tim Cybersecurity
NIST sedang membangun AI agent untuk salah satu sumber data cybersecurity publik yang banyak digunakan. Pada 17 September, Information Technology Laboratory NIST mempresentasikan pengembangan agentic workflow untuk membantu proses enrichment informasi vulnerability di National Vulnerability Database. NIST menyebut pekerjaan ini sebagai respons terhadap jumlah dan kompleksitas vulnerability yang terus meningkat. Presentasinya membahas architecture, masalah yang ditemukan selama implementation serta hasil awal penggunaan sistem tersebut. Proyek tersebut menunjukkan perubahan yang lebih luas. AI mulai bergerak dari menghasilkan informasi menuju menjalankan serangkaian pekerjaan. NIST menggambarkan AI agent sebagai sistem yang dapat melakukan tindakan secara otonom serta berinteraksi dengan sistem eksternal dan data internal. Bagi profesional cybersecurity, ada lapisan kemampuan baru yang perlu dipelajari. SECURITY HARUS MENGIKUTI TINDAKANNYA Aplikasi AI biasa menerima prompt lalu menghasilkan jawaban. Agent dapat memiliki akses ke tool, data dan permission yang membuatnya mampu melanjutkan pekerjaan sendiri. Pertanyaan security ikut berubah. * Sistem apa saja yang bisa diakses agent? * Tindakan apa yang dapat dilakukan tanpa approval? * Identity dan permission apa yang digunakan? * Bagaimana sensitive context disimpan antar task? * Bisakah

SOC Tidak Bisa Mendeteksi Sesuatu yang Tidak Pernah Dipelajari
Sebuah security alert muncul. Analyst membukanya, memeriksa aktivitas di sekitarnya lalu mulai menyusun apa yang sebenarnya terjadi. Kelihatannya seperti awal pekerjaan detection. Padahal banyak pekerjaan sudah dilakukan sebelumnya. Seseorang menentukan event apa yang perlu dicatat, mengonfigurasi sistem untuk menghasilkan log, mengumpulkannya secara terpusat lalu memastikan data tersebut memiliki detail yang cukup untuk investigasi. Kalau tahap itu buruk, analyst yang sangat bagus sekalipun memulai investigasi dengan beberapa halaman yang hilang. Latihan cybersecurity ITU di Dushanbe memberikan contoh yang menarik. Dalam program tiga hari pada 21 sampai 23 September 2026, peserta harus mengonfigurasi centralized monitoring dan telemetry collection sebelum menghadapi simulasi ransomware, data exfiltration, server compromise dan command and control traffic. Ada satu aturan yang membuat latihannya lebih realistis: keberhasilan peserta menghadapi serangan pada hari ketiga bergantung pada kualitas monitoring yang mereka bangun sendiri pada hari kedua. Model seperti ini layak dibawa ke pelatihan SOC. VISIBILITY JUGA SEBUAH SKILL Pengembangan SOC sering berfokus pada bagian pekerjaan yang mudah terlihat: menganalisis alert, threat hunting dan incident response. Semua kemampuan itu bergantung pada sesuatu yang jauh lebih sederhana. Log-nya harus

Pelatihan Cybersecurity yang Baik Perlu Membiarkan Peserta Salah
SOC analyst menerima beberapa alert lalu memilih yang salah untuk diinvestigasi lebih dulu. Penetration tester melewatkan sebuah vulnerability. Seseorang membuat asumsi yang membawa investigasi insiden ke arah yang keliru. Di lingkungan nyata, kesalahan seperti itu bisa mahal. Di lingkungan latihan yang terkontrol, kesalahan tersebut justru memberikan data yang berguna. Webinar NICE dari NIST pada 16 September membahas persiapan talenta cyber melalui reality based education dan pengalaman hands on. Salah satu prinsip yang dibawa cukup menarik: kegagalan dapat menjadi data untuk membaca kesiapan tenaga kerja. Pembahasannya melihat bagaimana pendidikan dan perusahaan dapat menggunakan controlled realism agar peserta mengembangkan kemampuan kerja yang sebenarnya. Ada perbedaan besar antara berhasil menyelesaikan soal dan menunjukkan bagaimana seseorang bekerja. JAWABAN BENAR BELUM MENCERITAKAN SELURUH PROSES Asesmen tradisional cukup bagus untuk menjawab satu pertanyaan: apakah peserta mengetahui jawabannya? Operasi cybersecurity membutuhkan informasi lebih banyak. Bayangkan dua analyst akhirnya menemukan compromised account yang sama. Analyst pertama langsung melihat authentication pattern yang aneh. Analyst kedua menghabiskan 40 menit memeriksa aktivitas lain sebelum mencapai kesimpulan serupa. Keduanya mungkin sama sama mendapatkan tanda centang untuk “berhasil menemukan insiden.” Kemampuannya belum
.png)