SAN FRANCISCO — Kecerdasan buatan sumber terbuka (AI Open Source) mempermudah peretas menyembunyikan kode berbahaya di blockchain.

Kondisi ini membuka celah baru bagi industri kripto yang sudah menghadapi peningkatan kejahatan siber.

Seperti dikutip The Straits Times, perusahaan analisis blockchain Chainalysis dalam laporan yang diterbitkan 17 September mengatakan jumlah kasus instruksi malware yang ditulis dalam transaksi blockchain dan kontrak pintar melonjak 440% dalam waktu kurang dari setahun.

Kasus tersebut kini rata-rata mencapai 11 kejadian per hari.

Sebelum model AI sumber terbuka asal China yang memiliki kemampuan tinggi dirilis pada pertengahan 2025, kasus tercatat hanya terdapat sekitar 2 kejadian per harinya.

Menurut laporan Chainalysis, model-model tersebut tidak memiliki pembatasan untuk menghasilkan kode berbahaya.

Serangan malware menggunakan perangkat lunak berbahaya yang ditanamkan ke komputer atau jaringan untuk mencuri informasi, kata sandi, atau dana.

Dalam serangan yang didokumentasikan dalam laporan tersebut, peretas menggunakan blockchain untuk menyimpan instruksi bagi malware, seperti lokasi server yang mengendalikannya.

Teknik ini dikenal sebagai blockchain dead drop.

Cara tersebut membuat serangan lebih sulit dihentikan karena informasi yang sudah tercatat di blockchain tidak mudah untuk dihapus.

“Ketika malware menggunakan blockchain untuk menyampaikan informasi penting, misalnya lokasi server aktif terbaru yang mengendalikan serangan, upaya untuk kembali terhubung dengan pelaku menjadi jauh lebih sulit untuk diblokir secara permanen ,” kata Vitaly Kamluk, pendiri konsultan keamanan siber TitanHex.

Chainalysis juga melaporkan kelompok yang didukung negara, termasuk yang terkait dengan Korea Utara dan Iran, kini menyumbang sebagian besar aktivitas tersebut.

Menurut Kamluk, blockchain dapat menarik minat kelompok yang terkait dengan pemerintah di negara-negara yang menghadapi pemeriksaan keamanan ketika menyewa server atau kendala pembayaran untuk layanan hosting.

Temuan tersebut menambah bukti bahwa AI generatif turut mendorong peningkatan ancaman siber.

Teknologi tersebut memungkinkan pelaku menemukan lebih banyak celah keamanan perangkat lunak dan melancarkan lebih banyak serangan.

Di industri kripto, jumlah peretasan meningkat sekitar 150% menjadi 207 kasus pada paruh pertama 2026, berdasarkan data dari perusahaan intelijen blockchain, TRM Labs.

Eric Jardine, Kepala Riset Chainalysis, mengatakan blockchain biasanya baru digunakan setelah perangkat terinfeksi. Infeksi awal umumnya terjadi melalui cara konvensional, seperti menyusupi sistem lewat pihak ketiga atau undahan file berbahaya.

Jardine mengatakan Chainalysis tidak dapat menentukan dari data blockchain berapa banyak serangan yang berhasil atau berapa besar kerugian yang ditimbulkan.

Menyembunyikan malware di blockchain bukanlah teknik baru, kata Chainalysis.

Namun, model AI sumber terbuka yang semakin canggih memungkinkan peretas melakukan serangan dalam skala yang lebih besar.

Keterlibatan kelompok yang didukung negara juga membuat serangan menjadi semakin canggih.

Ancaman tersebut semakin besar karena model AI sumber terbuka dapat beroperasi tanpa adanya instruksi langsung dari manusia..

Peretas juga dapat memodifikasi model tersebut atau menghapus pengaman yang dirancang untuk mencegah penyalahgunaan dalam kejahatan siber.

“Model AI sumber terbuka memberi pelaku lebih banyak kendali sekaligus menjaga privasi mereka karena mereka tidak perlu menyerahkan kode sumber kepada penyedia layanan cloud besar yang dapat memantau platform mereka untuk mendeteksi penyalahgunaan,” kata Kamluk.

Sebaliknya, perusahaan seperti OpenAI dan Google milik Alphabet dapat memblokir akses ke layanan AI mereka ketika mendeteksi penyalahgunaan.

Namun, transparansi blockchain juga memiliki sisi lain.

Setiap pembaruan yang dipublikasikan oleh peretas tercatat secara permanen.

Transparansi blockchain juga memudahkan penyelidik melacak infrastruktur yang digunakan peretas dan mengungkap keterkaitan antara serangan-serangan yang sebelumnya tampak terpisah. (ARF)