Inisiatif Project Glasswing dari Anthropic telah memverifikasi setidaknya 129.000 kerentanan perangkat lunak antara April dan Juli 2026, dengan lebih dari 33.000 di antaranya berperingkat kritis atau tingkat keparahan tinggi, perusahaan mengungkapkan pada hari Selasa bersamaan dengan perluasan program akses keamanannya. Namun analisis independen terhadap temuan ini mengungkapkan kisah yang mengejutkan: hampir tidak ada kelemahan yang ditemukan oleh AI yang muncul dalam serangan di dunia nyata.
Skala Penemuan Berbasis AI For more context on this story, see our ongoing breaking AI news.
Total kerentanan berasal dari penghitungan Project Glasswing yang dilakukan oleh Anthropic, sebuah inisiatif yang diluncurkan pada bulan April untuk menerapkan model perbatasan Claude untuk memperkuat perangkat lunak penting. Selain 129.000 kerentanan terverifikasi yang ditemukan oleh mitra Glasswing, perusahaan tersebut mengatakan upaya pemindaian sumber terbuka mengungkap 5.500 kerentanan terverifikasi lainnya antara bulan April dan Oktober 2026.
Anthropic memperingatkan bahwa angka tingkat keparahan kemungkinan besar terlalu rendah. Lebih dari 33.000 peringkat kritis dan tingkat keparahan tinggi didasarkan pada data survei dari sebagian mitra Glasswing saja, dan perusahaan memperkirakan dampak sebenarnya setidaknya lima kali lebih tinggi.
Sebagai gambaran, Basis Data Kerentanan Nasional AS dalam beberapa tahun terakhir telah mencatat sekitar 28.000 hingga 40.000 CVE baru setiap tahunnya di seluruh ekosistem perangkat lunak global. Sebuah program berbasis AI yang memunculkan lebih dari 129.000 masalah terverifikasi dalam waktu sekitar tiga bulan menandakan betapa dramatisnya model seperti Claude Opus 5.5 dan Claude Mythos 5.1 mengubah perekonomian penelitian keamanan.
Kesenjangan Eksploitasi
Temuan yang lebih provokatif datang dari luar Anthropic. Dalam analisis yang diterbitkan pada akhir September, peneliti VulnCheck Patrick Garrity memeriksa 300 kerentanan yang dikaitkan dengan Anthropic atau Project Glasswing dan menemukan bahwa hanya 2 – sekitar 0,67 persen – yang telah dieksploitasi di alam liar.
Distribusi tingkat keparahan dari 300 kerentanan tersebut dibagi menjadi 39 kritis, 141 tinggi, 81 sedang, dan 18 rendah. Namun dua hal yang memicu eksploitasi aktif adalah hal-hal klasik yang tidak menarik:
- CVE-2026-26980, kelemahan injeksi SQL di Ghost CMS, platform penerbitan sumber terbuka yang populer.
- CVE-2026-61500, kelemahan pemalsuan sesi di Rejetto HTTP File Server, alat berbagi file yang banyak digunakan.
Keduanya merupakan jenis kerentanan aplikasi web jangka panjang yang telah diburu oleh pemindai massal dan penyerang oportunistik selama beberapa dekade. Keduanya tidak memerlukan kemampuan model perbatasan untuk dijadikan senjata – dan itulah inti dari data tersebut. AI memunculkan sejumlah besar kelemahan yang tidak pernah dicari oleh penyerang, dan kelemahan yang dieksploitasi dalam praktiknya masih didominasi oleh pola serangan yang sudah usang terhadap perangkat lunak yang terpapar internet.
Mengapa Kesenjangan Itu Penting
Kesenjangan eksploitasi memotong dua arah bagi para pembela HAM. Di satu sisi, hal ini menunjukkan bahwa penemuan yang didorong oleh AI lebih maju daripada adopsi oleh penyerang: para pembela HAM yang menambal masalah yang ditemukan oleh AI sedang memperbaiki kerentanan yang mungkin tersembunyi dan belum ditemukan selama bertahun-tahun. Di sisi lain, hal ini memperingatkan bahwa hambatan dalam bidang keamanan mulai berubah. Ketika penemuan menjadi hampir gratis, triase, distribusi patch, dan verifikasi menjadi sumber daya yang langka.
“Tidak semua kelemahan keamanan yang ditemukan oleh AI dapat dieksploitasi oleh pelaku ancaman atau mampu menyebabkan dampak yang signifikan,” seperti yang The Hacker News rangkum dari temuan VulnCheck dalam liputan pengungkapannya pada hari Selasa.
Ada juga tanda peringatan yang melekat pada sisi remediasi. Penelitian dari 1Password dan Veracode telah menunjukkan bahwa patch kerentanan yang dihasilkan oleh AI dapat menimbulkan kelemahan baru, yang berarti industri tidak bisa begitu saja mengarahkan model ke antrean CVE dan mempertimbangkan bahwa masalahnya sudah teratasi. Verifikasi manusia tetap penting di setiap langkah.
Penerimaan Ekosistem
Glasswing telah menarik perhatian melampaui basis pelanggan Anthropic. Cloudflare, salah satu mitra program, menerbitkan akunnya sendiri tentang kerja sama dengan inisiatif ini pada bulan Mei, menjelaskan model apa yang muncul di seluruh infrastruktur yang dioperasikannya. Komentator keamanan termasuk kriptografer Bruce Schneier telah melacak pembaruan program tersebut, dan pengumuman awal menarik salah satu diskusi Hacker News terbesar pada musim semi.
Angka eksploitasi sebesar 0,67 persen merupakan hal yang penting dalam perekonomian yang rentan. Analisis historis terhadap eksploitasi CVE secara konsisten menunjukkan bahwa hanya sebagian kecil dari kerentanan yang terungkap yang pernah dimanfaatkan dalam serangan yang teramati — namun banyaknya jumlah yang ditambahkan Glasswing berarti bahkan sebagian kecil dari kerentanan yang dieksploitasi mewakili insiden nyata, dan setiap kelemahan yang belum ditambal pada perangkat lunak yang terhubung ke internet adalah tiket lotre bagi penyerang oportunistik.
Dari Program Penelitian hingga Realitas Operasional
Project Glasswing dimulai pada bulan April 2026 dengan tujuan mengamankan perangkat lunak penting untuk era AI, dan pembaruan awalnya melaporkan kemajuan pesat dalam menemukan masalah keamanan memori dan kelemahan aplikasi web. Program ini kini menjadi inti dari strategi keamanan Anthropic yang lebih luas, di samping Program Verifikasi Cyber yang baru direstrukturisasi yang memberikan tim keamanan yang terverifikasi akses berjenjang ke model-model dengan perlindungan yang lebih rendah.
Pengungkapan Anthropic bahwa dampak yang dilaporkan mitra “kemungkinan besar tidak dihitung” juga mengisyaratkan kelambatan pelaporan yang melekat dalam pengungkapan kerentanan terkoordinasi. Banyak dari 129.000 temuan tersebut mungkin masih melalui siklus patch vendor – sebuah proses yang biasanya memakan waktu berbulan-bulan dan, pada skala yang diproduksi Glasswing, dapat membebani infrastruktur pengungkapan itu sendiri.
Bagi tim keamanan yang memutuskan di mana harus melakukan upaya patching yang terbatas, eksploitasi masih terkonsentrasi pada sejumlah kecil kelas bug yang dapat diakses melalui internet dan mudah dijadikan senjata – salah satunya adalah injeksi SQL dan penanganan sesi – sementara masalah-masalah yang ditemukan oleh AI menunggu dalam antrean.
Bagi pengelola perangkat lunak, pesan yang disampaikan sangat jelas: era di mana kelemahan yang tidak jelas bisa tetap tidak jelas telah berakhir. Bagi tim keamanan yang memutuskan di mana harus melakukan upaya patching yang terbatas, data VulnCheck menawarkan panduan yang berlawanan dengan intuisi — simpanan kerentanan yang ditemukan oleh AI sangat besar, namun eksploitasi masih terkonsentrasi pada sejumlah kecil kelas bug yang mudah digunakan dan dapat dijadikan senjata di internet.
Angka-angka dari enam bulan pertama Glasswing memperjelas satu hal: AI tidak hanya ikut serta dalam perlombaan penemuan kerentanan, namun juga telah memecahkan skala pengukuran perlombaan tersebut. Apa yang masih harus dilihat adalah apakah patching, pengungkapan dan eksploitasi dapat mengimbangi penemuan – atau apakah daftar hal yang harus dilakukan dalam industri ini tumbuh lebih cepat daripada yang dapat dilakukan oleh siapa pun.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
