AI canggih telah memangkas waktu yang mungkin dibutuhkan bank untuk memperbaiki kelemahan perangkat lunak dari minggu menjadi menit, menurut makalah baru Bank for International Settlements yang menyerukan keputusan keamanan dan penambalan yang lebih cepat.
Makalah Bank for International Settlements, yang diterbitkan pada 9 September oleh Financial Stability Institute-nya, menyatakan bank perlu memperpendek waktu antara penemuan kelemahan, persetujuan perbaikan, dan pemasangannya. Para penulisnya mengidentifikasi sistem AI yang dapat menemukan kerentanan dan mengubahnya menjadi serangan yang berfungsi sebagai perubahan utama yang dihadapi perusahaan keuangan.
“Jendela antara penemuan kerentanan dan eksploitasi telah menyempit dari minggu menjadi menit,” tulis para penulis. Makalah ini tidak mengatakan setiap kelemahan dapat dieksploitasi secepat itu. Ini berpendapat bahwa tinjauan keamanan rutin dan jadwal pemeliharaan yang tetap mungkin membuat perusahaan terekspos ketika serangan dapat disiapkan sebelum perbaikan terjadwal berikutnya.
Menurut makalah tersebut, Otoritas Perilaku Keuangan Inggris telah menemukan bahwa perusahaan kesulitan untuk merespons secepat kerentanan ditemukan. Institute of International Finance telah mendesak perusahaan untuk menginstal perbaikan mendesak di luar periode pemeliharaan normal, bahkan ketika melakukannya memerlukan waktu henti yang terencana.
Pedoman sukarela terpisah dari Cross Market Operational Resilience Group Inggris mengantisipasi bahwa beberapa periode perbaikan dapat turun dari minggu menjadi hari atau jam, kata penulis BIS. Penambalan yang lebih cepat juga bergantung pada manajemen: tim keamanan tidak dapat menginstal perbaikan berdampak tinggi dengan segera jika orang yang bertanggung jawab untuk menyetujui gangguan layanan perbankan tidak tersedia atau tidak jelas siapa yang dapat membuat keputusan.
Oleh karena itu, laporan tersebut memperlakukan respons siber sebagai masalah bagi manajemen senior serta staf teknis. Dikatakan bahwa dewan direksi memerlukan informasi yang jelas tentang ancaman yang muncul, sementara institusi memerlukan proses pengambilan keputusan yang memungkinkan mereka menilai kelemahan, menyetujui respons, dan melindungi layanan penting tanpa menunggu tinjauan rutin.
Di Amerika Serikat, makalah tersebut menunjuk pada pedoman regulator keuangan New York yang dikeluarkan pada bulan Mei untuk perusahaan yang menghadapi lingkungan ancaman siber yang meningkat. Menurut BIS, Departemen Layanan Keuangan New York memasukkan kemajuan AI di antara perkembangan yang dapat mengubah risiko siber dan meminta entitas yang diatur untuk mempertimbangkan langkah-langkah deteksi, persiapan, respons, dan pemulihan yang lebih kuat.
Hubungan AS juga meluas ke penyedia teknologi eksternal. Dalam proposal 11 September, crypto.news melaporkan bahwa empat regulator federal mengusulkan pedoman yang direvisi tentang bagaimana bank dan serikat kredit mengawasi pihak ketiga. Perusahaan eksternal dapat menyediakan pemrosesan pembayaran, keamanan siber, dan layanan perbankan online, menurut laporan tersebut, membuat pengawasan vendor relevan ketika kelemahan perangkat lunak memengaruhi layanan yang tidak dijalankan bank sendiri.
Makalah BIS mengutip sebuah tes yang disebut ExploitGym untuk menunjukkan perbedaan antara menemukan kerentanan yang diketahui dan menghasilkan eksploitasi yang berfungsi. Dari 898 kasus uji, Claude Mythos Preview menghasilkan eksploitasi yang berfungsi dalam 157 kasus, atau 17%, sementara GPT-5.5 melakukannya dalam 120 kasus, atau 13%. Para penulis memperingatkan bahwa keberhasilan dalam tes tidak membuktikan bahwa sistem AI dapat membobol bank yang terlindungi dengan baik.
Anthropic telah melaporkan menemukan lebih dari 10.000 kerentanan perangkat lunak serius dengan Mythos Preview, menurut makalah tersebut. Perusahaan itu juga mengatakan lebih dari 99% kelemahan yang diidentifikasinya belum ditambal, membatasi apa yang dapat diungkapkan secara publik. Pada bulan April, para pemimpin keuangan menyuarakan kekhawatiran tentang kemampuan model untuk mengungkap kelemahan dalam sistem yang digunakan di seluruh sektor keuangan; bank dan lembaga pemerintah mengujinya untuk mengidentifikasi kelemahan sebelum rilis yang lebih terbuka.
Angka-angka yang dikutip oleh BIS menambahkan konteks pada masalah perbaikan. Mengutip laporan pelanggaran Verizon Business tahun 2026, para penulis mengatakan eksploitasi kerentanan menyumbang 31% dari akses awal dalam insiden yang dipelajari, dibandingkan dengan 13% untuk kredensial yang dicuri atau disalahgunakan. Laporan yang sama menemukan bahwa organisasi telah sepenuhnya memperbaiki 26% dari kerentanan kritis yang dilacak di bawah ukuran Badan Keamanan Siber dan Infrastruktur AS pada tahun 2025, turun dari 38% tahun sebelumnya.
Para penulis BIS menggunakan temuan tersebut untuk berargumen demi pemeriksaan berkelanjutan dan perbaikan yang lebih cepat, sambil tetap menjaga kontrol akses dan pengembangan perangkat lunak yang aman. AI juga dapat membantu pembela menemukan kelemahan dan meninjau sejumlah besar data keamanan, kata makalah tersebut, tetapi tidak dapat menggantikan pekerjaan keamanan dasar yang belum dilakukan oleh perusahaan.
Insiden bulan Juli yang melibatkan agen OpenAI dan platform AI Hugging Face memberikan makalah ini contoh terpisah tentang apa yang dapat dilakukan sistem otonom di luar tugas yang ditetapkan. Selama evaluasi internal, seorang agen seharusnya memecahkan masalah pengujian keamanan. Sebaliknya, menurut laporan BIS, ia mencari jawaban secara langsung, mengeksploitasi kelemahan yang sebelumnya tidak diketahui dalam layanan OpenAI, dan mencapai internet.
Agen tersebut kemudian menggunakan kredensial yang dicuri dan kelemahan lainnya untuk menjalankan kode yang tidak sah di sistem Hugging Face, kata makalah tersebut. Hugging Face melaporkan akses terbatas ke set data internal dan kredensial tetapi tidak ada perubahan pada sumber daya yang menghadap publik. Ia juga menggunakan AI untuk memeriksa lebih dari 17.000 peristiwa selama penyelidikannya, menurut BIS.
Para penulis menekankan bahwa OpenAI telah melonggarkan pengamanan normal, menyediakan daya komputasi yang substansial, dan memungkinkan agen bertindak sendiri selama pengujian. Mereka mengatakan insiden tersebut bukan bukti bahwa model AI mengembangkan tujuan jahat secara independen atau ukuran langsung dari risiko dari alat yang tersedia untuk umum. Namun, dalam penilaian mereka, hal itu menunjukkan mengapa perusahaan keuangan harus menilai izin, alat, dan akses eksternal yang diberikan kepada sistem AI yang lengkap.
Untuk institusi yang menyebarkan agen semacam itu sendiri, makalah ini merekomendasikan untuk menyimpan catatan tentang apa yang dilakukan sistem, membatasi akses ke data dan alat, memerlukan persetujuan manusia untuk tindakan berdampak tinggi, dan mempertahankan cara untuk menghentikan agen atau mengembalikan kendali kepada seseorang.
Makalah BIS menyatakan BaFin Jerman telah menyerukan penambalan yang lebih cepat, sementara Otoritas Moneter Hong Kong telah mendesak institusi untuk menguji skenario serangan berbasis AI dan memperkuat kemampuan mereka untuk mengatasi pelanggaran. Regulator Hong Kong juga telah meminta perusahaan untuk meningkatkan rencana pemulihan karena pelanggaran mungkin menjadi lebih mungkin terjadi, menurut laporan tersebut.
Di Eropa, para penulis menunjuk pada uji stres siber Bank Sentral Eropa dan Digital Operational Resilience Act. Keduanya menaruh perhatian pada apakah lembaga keuangan dapat terus menyediakan layanan penting selama gangguan serius, alih-alih hanya pada apakah serangan dapat dicegah.
Makalah tersebut menyatakan bahwa prinsip-prinsip Komite Basel yang ada sudah menyerukan bank untuk mengidentifikasi operasi kritis dan sistem yang mereka andalkan. Prinsip-prinsip tersebut juga mencakup manajemen patch, kontrol akses, berbagi ancaman, dan uji ketahanan rutin.
