Trend Micro menganalisis lebih dari 200 log sesi Gemini CLI milik aktor ancaman bernama bandcampro yang menggunakan AI untuk melakukan migrasi server command-and-control botnet hidup hanya dalam enam menit, dengan AI menangani 89% dari seluruh pekerjaan teknis.
APA YANG TERJADI?
Aktor ancaman berbahasa Rusia ini menggunakan Google Gemini CLI untuk mengelola dan mengoperasikan infrastruktur C&C botnet. Dalam satu insiden pada 23 Maret 2026, aktor memerintahkan AI untuk mempelajari migrasi C2 dengan satu instruksi singkat dalam bahasa Rusia. AI kemudian membaca panduan migrasi, menyiapkan bundel kode server, payload, dan file skill, meluncurkan server C&C baru di VPS, mengkonfigurasi Cloudflare tunnel, dan menyelesaikan debugging tanpa intervensi manusia. Ketika muncul error 502 Bad Gateway, AI mendiagnosis masalah dan menambahkan header yang diperlukan. Ketika Cloudflare masih memblokir, AI mengidentifikasi bahwa User-Agent header diperlukan untuk bypass WAF. Seluruh migrasi selesai dalam enam menit, dengan debugging tambahan selama sepuluh menit untuk menyelesaikan masalah split-brain di mana traffic dibagi antara server lama dan baru.
DETAIL TEKNIS
Arsitektur botnet terdiri dari tiga file teks polos dengan total ukuran sekitar 5KB yang dapat dicetak dalam empat halaman: GEMINI.md berfungsi sebagai jailbreak yang menginstruksikan AI sebagai authorized pen tester, SKILL.md berisi playbook arsitektur C&C lengkap, dan C2_MIGRATION_GUIDE.md berisi resep deployment enam langkah. Bot yang terinfeksi mengirimkan beacon outbound ke server C&C melalui HTTPS setiap lima detik menggunakan PowerShell script. Server C&C adalah Python HTTP server sederhana yang menulis semua state ke memori tanpa jejak forensik di disk, menggunakan path /api/v1 yang menyerupai traffic OpenAI-compatible. Persistence pada mesin korban menggunakan WMI event subscription dan scheduled task dengan hak SYSTEM jika administrator, atau HKCU Environment UserInitMprLogonScript jika tidak. File agent disimpan dengan nama acak win_update_svc_[random].ps1 di %TEMP%. Log menunjukkan AI juga digunakan untuk password cracking, credential mutation, eksploitasi WordPress, dan perencanaan penipuan kripto berbasis telepon yang menargetkan lansia di AS dan Kanada.
DAMPAK TERHADAP INDONESIA
Penetrasi AI coding assistant di kalangan pengembang Indonesia sangat tinggi, dengan banyak programmer menggunakan GitHub Copilot, ChatGPT, atau model lokal untuk mempercepat pengembangan. Namun, hampir tidak ada regulasi atau awareness tentang potensi penyalahgunaan tool AI untuk kegiatan malicious. Aktor ancaman lokal atau transnasional yang beroperasi di Indonesia dapat dengan mudah mengadopsi model operasi yang sama: menggunakan file skill sederhana untuk mengotomatisasi pembangunan infrastruktur C&C, sehingga mengurangi ketergantungan pada skill teknis yang mendalam. Hal ini berarti barrier to entry untuk operasi siber kriminal menurun drastis. Selain itu, teknik migrasi C&C yang cepat membuat takedown infrastruktur oleh BSSN atau provider hosting lokal menjadi kurang efektif, karena aktor dapat merebuild lebih cepat daripada waktu yang dibutuhkan untuk proses hukum takedown.
REKOMENDASI MITIGASI
Defender harus beralih dari deteksi berbasis indikator statis ke behavioral detection: pantau polling HTTP GET berulang setiap lima detik ke path /api/v1/update, header HTTP non-standar yang membawa nama komputer dan username, User-Agent string browser yang dikirim dari PowerShell script, dan svchost.exe yang berjalan dari path tidak standar. Pantau juga pembuatan WMI subscription pada Win32_PerfFormattedData_PerfOS_System dan scheduled task startup yang mencurigakan. Harden kredensial dengan MFA phishing-resistant dan pantau kredensial karyawan terhadap breach database. Rencanakan respons yang memadai karena takedown server tidak lagi mengakhiri operasi; pair setiap takedown dengan blocking jaringan dan monitoring untuk upaya reconnection. Batasi penggunaan Gemini CLI atau AI coding agent di lingkungan sensitif melalui DLP dan network segmentation.
Analisa Retasan
Laporan Trend Micro ini menandakan titik balik dalam evolusi threat landscape: AI bukan lagi sekadar assistant untuk menulis code snippet, melainkan menjadi primary hacking agent yang menangani arsitektur, coding, deployment, debugging, dan manajemen infrastruktur. Fakta bahwa aktor hanya memberikan 11% dari teks yang diproduksi dalam sebulan, sementara AI menghasilkan 89%, menunjukkan pergeseran fundamental dalam model operasi kriminal siber. Aktor berfungsi sebagai product manager yang memberikan arah strategis, sementara AI adalah seluruh tim engineering. Ini mengurangi ketergantungan pada skill teknis yang mendalam dan memungkinkan aktor dengan imaginasi serta kemampuan social engineering yang baik untuk menjalankan operasi teknis yang kompleks. File skill yang portabel, berukuran 5KB, dan dapat dibagikan melalui forum atau pesan instan berarti model ini dapat direplikasi dan diskalakan dengan cepat oleh komunitas kriminal.
Secara teknis, metodologi ini sangat berbeda dari Malware-as-a-Service (MaaS) tradisional. MaaS biasanya memerlukan infrastruktur terpusat yang dapat dilacak dan di-takedown, serta transfer teknis antara pengembang dan operator. Model AI-powered C&C menghilangkan centralized service; setiap aktor dapat membangun infrastrukturnya sendiri dalam hitungan menit menggunakan panduan AI, sehingga attribution dan takedown menjadi jauh lebih sulit. Selain itu, disposable infrastructure yang seluruhnya dienkode dalam file teks polos berarti tidak ada binary jahat yang dihosting secara permanen untuk dianalisis. IOCs seperti nama file, registry key, atau path API dapat dirotasi secara on-demand dengan meminta AI untuk meregenerasi komponen. Ini menciptakan environment di mana static defense menjadi hampir tidak relevan dan behavioral detection menjadi satu-satunya harapan.
Bagi Indonesia, implikasi ini serius. Ketergantungan pada AI assistant yang tidak diawasi di kalangan pengembang lokal, ditambah dengan kurangnya kemampuan deteksi behavioral pada banyak SOC nasional, menciptakan asymmetry yang menguntungkan penyerang. Jika aktor ancaman dapat membangun botnet dalam enam menit tanpa skill teknis mendalam, maka defender harus dapat mendeteksi dan merespons dalam waktu yang sama cepatnya. Ini memerlukan otomatisasi SOC, integrasi threat intelligence real-time, dan kemampuan hunting yang jauh melampaui signature-based detection. Tanpa investasi serius dalam defensive capabilities, gap antara attacker dan defender akan terus melebar, terutama di lingkungan di mana AI digunakan secara asimetris oleh pihak penyerang.
Sumber: Trend Micro
