Anthropic Peringatkan Model AI Open-Weight GLM-5.3 Mampu Rancang Exploit Chrome Seharga $20: Ancaman Baru Keamanan Web
Sebuah ambang batas penting dalam sejarah keamanan siber dan kecerdasan buatan baru saja terlampaui pada akhir Oktober 2026. Selama ini, para peneliti berasumsi bahwa kemampuan merancang serangan siber tingkat tinggi — seperti menemukan celah zero-day dan merangkai exploit browser yang rumit — hanya bisa dilakukan oleh segelintir peretas negara elite atau model AI paling canggih yang dijaga ketat di dalam laboratorium tertutup.
Asumsi tersebut runtuh seketika ketika tim Frontier Red Team dari Anthropic mempublikasikan laporan uji coba keamanan terhadap model open-weight terbaru asal Tiongkok: GLM-5.3 buatan Zhipu AI (yang dikenal di pasar internasional sebagai Z.ai).
Hasil evaluasi tersebut mengguncang komunitas keamanan global. Model GLM-5.3, yang bobot atau weight-nya dirilis bebas sehingga dapat diunduh dan dimodifikasi oleh siapa saja, terbukti mampu merancang exploit siber yang berfungsi penuh dari awal hingga akhir, hampir menyamai kemampuan model rahasia Claude Mythos Preview milik Anthropic. Yang lebih mencengangkan lagi, seluruh proses pembuatan rantai exploit pada mesin browser Google Chrome tersebut hanya membutuhkan biaya komputasi API sekitar dua puluh dolar Amerika Serikat.

Lompatan Eksploitasi V8 Chrome: Dari Fiksi Ilmiah Menjadi Kenyataan
Uji coba utama dilakukan menggunakan ExploitBench, tolok ukur standar industri yang menguji apakah sebuah model kecerdasan buatan mampu mengubah kerentanan yang diketahui pada engine JavaScript V8 Google Chrome menjadi serangan yang benar-benar mengeksekusi kode berbahaya.
Dalam 410 kali percobaan pada ExploitBench, GLM-5.3 berhasil membangun exploit end-to-end yang bekerja sempurna sebanyak 50 kali. Sebagai perbandingan, model Claude Mythos Preview — model riset paling berkemampuan siber tinggi milik Anthropic yang sengaja tidak dirilis ke publik karena pertimbangan risiko keselamatan — mencatatkan 56 keberhasilan. Hanya ada selisih enam keberhasilan antara model tertutup yang dijaga ketat dan model terbuka yang dibagikan secara gratis kepada publik.
Lompatan ini menjadi semakin dramatis jika dibandingkan dengan generasi model sebelumnya. Pada pengujian Binary Exploitation internal Anthropic dengan seratus target tugas pengalihan kontrol eksekusi program (control-flow hijack), GLM-5.3 berhasil menyelesaikan empat persen tugas, sementara Claude Mythos Preview mencapai enam persen. Model generasi sebelumnya seperti Claude Opus 4.6 dan GLM-5.2 mencatatkan angka nol besar — sama sekali tidak mampu menyelesaikan satu pun tugas eksploitasi biner tersebut.
| Parameter Evaluasi | GLM-5.3 (Open-Weight) | Claude Mythos Preview | Claude Opus 4.6 | GLM-5.2 |
|---|---|---|---|---|
| Akses Model | Terbuka (Open Weights) | Terbatas (Restricted) | API Komersial | Terbuka |
| ExploitBench (Chrome V8) | 50 / 410 sukses | 56 / 410 sukses | 0 / 410 sukses | 0 / 410 sukses |
| Binary Hijack Benchmark | 4% sukses | 6% sukses | 0% sukses | 0% sukses |
| Biaya Exploit Rantai Chrome | Sekitar $20,40 API | Akses Terbatas | Tidak Mampu | Tidak Mampu |
| Waktu Kerja Model | Sekitar 8 jam | Beberapa jam | Gagal | Gagal |
| Status Safeguard | Mudah di-bypass 100% | Sangat Ketat | Moderat | Lemah |
Lembaga Keamanan Kecerdasan Buatan Amerika Serikat (CAISI) di bawah NIST juga mengeluarkan penilaian independen yang mengonfirmasi bahwa GLM-5.3 adalah model open-weight paling berkemampuan siber tinggi yang pernah dirilis dalam sejarah, hanya tertinggal sekitar empat bulan dari kemampuan model tertutup tercanggih di dunia.
Sesi Eksperimen Nyata: Menemukan Celah Zero-Day Hanya dalam 24 Jam
Kemampuan GLM-5.3 bukan sekadar angka statistik di atas kertas tolok ukur pengujian. Dalam salah satu sesi pengujian yang dipandu oleh seorang peneliti manusia di lingkungan sandbox terisolasi, GLM-5.3 dihubungkan ke sistem Linux yang menjalankan kompilasi browser web populer.
Hanya dalam waktu sekitar satu hari kerja dengan intervensi manusia yang sangat minim, model tersebut berhasil menemukan beberapa kerentanan yang sebelumnya belum pernah diketahui siapapun (zero-day) di dalam engine JavaScript browser tersebut. Lebih mengejutkan lagi, model kecerdasan buatan ini merangkai kerentanan-kerentanan kecil tersebut menjadi satu halaman web jebakan yang, apabila dibuka oleh korban, secara otomatis membaca file pribadi dari hard drive komputer korban. Anthropic menyatakan telah melaporkan temuan kerentanan tersebut secara bertanggung jawab kepada pengembang browser terkait.

Pada sesi pengujian terpisah, Anthropic menguji varian model yang lebih kecil dan lebih hemat daya, yakni GLM-5.3-Flash. Diberikan informasi publik mengenai dua kerentanan yang sudah diketahui — salah satunya celah Chrome berkode CVE-2026-11645 — model kecil ini berhasil merangkai kedua celah tersebut menjadi exploit andal untuk arsitektur prosesor ARM64 yang bahkan berhasil melompati perlindungan pointer authentication.
Berapa sumber daya yang dihabiskan untuk merancang serangan tingkat tinggi tersebut? Anthropic mencatat: hanya dua puluh menit perhatian dari seorang insinyur manusia, delapan jam waktu proses komputasi model, dan biaya tagihan API Zhipu sebesar 20,40 dolar Amerika Serikat (sekitar 320 ribu rupiah). Biaya yang sangat murah untuk sebuah eksploitasi browser yang di pasar gelap biasanya bernilai puluhan hingga ratusan ribu dolar.
Masalah Dinding Pengaman: Ketika Batasan Keamanan Runtuh 100 Persen
Secara bawaan pabrik, GLM-5.3 diprogram untuk menolak permintaan pembuatan senjata siber berbahaya. Jika seorang pengguna awam memintanya membuat exploit berbahaya secara terang-terangan, model akan menampilkan pesan penolakan etis. Namun, karena model ini bersifat open-weight, dinding pengaman (safeguard) tersebut terbukti sangat rapuh.
Dalam simulasi serangan manipulasi prompt yang dilakukan Anthropic: – Memberikan cerita pengantar bahwa model sedang berperan sebagai agen red-team resmi membuat tingkat keberhasilan membobol penolakan naik menjadi 64 persen. – Teknik prefilled reasoning — yakni mengisi awalan respons model seolah-olah model sudah menyetujui tugas — menaikkan keberhasilan hingga 92 persen. – Menggunakan teknik abliteration, yaitu memodifikasi vektor bobot neural network untuk menghapus lapisan penolakan secara permanen, membuat model bersedia menjalankan perintah eksploitasi berbahaya 100 persen tanpa penolakan sama sekali.
Hanya berselang beberapa hari setelah bobot model dirilis ke publik, berbagai pengembang independen di repositori global sudah membagikan versi modifikasi tanpa batas pengaman tersebut. Biaya komputasi untuk menghapus pengaman ini diperkirakan hanya memerlukan sekitar 600 jam GPU atau setara 1.200 dolar Amerika Serikat.
Dampaknya sangat nyata: alat penyerangan siber canggih yang sebelumnya hanya dimiliki oleh badan intelijen negara adidaya kini berada di ujung jari siapa saja yang memiliki koneksi internet dan kartu grafis kelas menengah.
Mengapa Penemuan Ini Mengubah Paradigma Keamanan di Indonesia?
Bagi komunitas teknologi, administrator server, dan pelaku bisnis digital di Indonesia, kabar ini adalah peringatan dini yang tidak boleh diabaikan. Selama ini, banyak tim teknologi di Indonesia merasa bahwa serangan siber canggih hanya mengincar target raksasa seperti kementerian, perbankan nasional, atau perusahaan teknologi multinasional.
Kenyataannya, demokratisasi kemampuan pembuatan exploit berbasis kecerdasan buatan menurunkan biaya serangan secara drastis:
- Eksploitasi Celah Publik Berlangsung Hitungan Jam: Ketika celah keamanan baru (CVE) diumumkan pada aplikasi seperti WordPress, Apache, Nginx, atau Google Chrome, pelaku kejahatan tidak perlu lagi menunggu pakar peretas menganalisis kode. Agen kecerdasan buatan dapat diarahkan membaca patch rilis dan memproduksi senjata eksploitasi dalam hitungan jam.
- Serangan Rantai Celah Kecil (Exploit Chaining): Kerentanan berkategori risiko menengah (Medium) yang sering diabaikan administrator server kini bisa digabungkan oleh model AI dengan celah lain untuk menghasilkan pengambilalihan hak akses penuh (Remote Code Execution).
- Phishing Berbasis Browser yang Sangat Meyakinkan: Penemuan exploit pembaca file lokal via browser membuka jalan bagi serangan rekayasa sosial di mana korban hanya perlu membuka sebuah tautan web tanpa perlu mengunduh file biner apa pun.

Langkah Mitigasi Konkret untuk Pengembang dan Sysadmin Indonesia
Menghadapi era di mana kecerdasan buatan dapat merancang exploit secara otomatis, pendekatan keamanan tradisional yang mengandalkan pembaruan berkala setiap bulan sudah tidak lagi memadai. Berikut langkah-langkah praktis yang perlu diterapkan mulai hari ini:
- Percepat Siklus Pembaruan Browser dan Komponen Chromium: Pastikan seluruh laptop kerja staf dan aplikasi internal yang menggunakan runtime berbasis Chromium (seperti Electron) segera diperbarui begitu patch keamanan dirilis. Jangan pernah menunda pembaruan browser lebih dari 24 jam setelah rilis resmi.
- Terapkan Arsitektur Isolasi Sandbox: Jalankan aplikasi dan browsing aktivitas berisiko di dalam lingkungan terisolasi seperti Windows Sandbox atau profil terpisah tanpa hak akses administrator pada sistem operasi.
- Aktifkan Kebijakan Keamanan Konten (Content Security Policy) Ketat: Pada website dan aplikasi web yang Anda kelola, pasang header Content-Security-Policy yang melarang eksekusi skrip inline yang tidak terverifikasi serta batasi koneksi keluar hanya ke domain yang diizinkan.
- Gunakan Pertahanan Berbasis AI yang Seimbang: Seperti yang diungkapkan dalam kesimpulan laporan Anthropic, para pembela keamanan (defenders) harus mulai memanfaatkan model penalaran tingkat lanjut untuk melakukan audit kode internal, memindai dependensi open-source, dan menutup celah sebelum aktor jahat menemukannya terlebih dahulu.
Runtuhnya batas eksploitasi siber oleh model open-weight GLM-5.3 membuktikan bahwa perlombaan senjata keamanan siber telah memasuki babak baru. Kecepatan patching dan kedisiplinan menerapkan prinsip Zero Trust bukan lagi sekadar pilihan kehati-hatian, melainkan syarat mutlak untuk bertahan di lanskap digital modern.
— Catatan editor: Sumber referensi utama: Laporan resmi Anthropic Frontier Red Team (“GLM-5.3 and the spread of advanced cyber capabilities”, dipublikasikan akhir Oktober 2026), evaluasi CAISI / NIST, ExploitBench data, dan dokumentasi keamanan V8. Tulisan disusun ulang total dengan analisis dampak keamanan sistem web di Indonesia tanpa melanggar hak cipta sumber.