GLM-5.3 Mampu Bikin Eksploit Siber Secara Otomatis

Perkembangan Artificial Intelligence (AI) mulai membawa perubahan besar di dunia keamanan siber. Model AI kini tidak hanya mampu membantu pekerjaan sehari-hari, tetapi juga dapat menemukan kerentanan perangkat lunak dan mengembangkan eksploit secara otomatis.

Salah satu model yang menjadi perhatian adalah GLM-5.3, AI yang dikembangkan Zhipu AI atau Z.ai. Model ini dinilai memiliki kemampuan untuk mengembangkan eksploit siber secara menyeluruh, mulai dari menemukan kelemahan hingga menghasilkan eksploit yang dapat digunakan.

Namun, kemampuan tersebut juga memunculkan kekhawatiran karena mekanisme perlindungan GLM-5.3 dinilai relatif mudah dilewati. Dalam pengujian simulasi, perlindungan model dapat dilewati dengan teknik tertentu dengan tingkat keberhasilan 64% hingga 100%.

Mampu Kembangkan Eksploit

Kemampuan siber GLM-5.3 diuji melalui sejumlah benchmark dalam lingkungan yang terisolasi dan sandbox. Pengujian dilakukan untuk melihat sejauh mana model mampu menemukan serta mengeksploitasi kerentanan.

Pada ExploitBench, GLM-5.3 berhasil mengembangkan eksploit end-to-end dalam 50 dari 410 percobaan. Sebagai pembanding, Claude Mythos Preview berhasil dalam 56 dari 410 percobaan.

Pengujian lain melalui benchmark Binary Exploitation menunjukkan GLM-5.3 mampu melakukan full control-flow hijack dalam 4% percobaan. Claude Mythos Preview mencatat 6%.

Hasil ini tetap penting karena model sebelumnya, seperti Claude Opus 4.6 dan GLM-5.2, tidak berhasil menyelesaikan satu pun tugas dalam pengujian tersebut.

Temukan Kerentanan Browser

Kemampuan GLM-5.3 juga terlihat ketika diuji bersama peneliti keamanan.

Dalam salah satu sesi, model dijalankan pada versi Linux sebuah browser populer. Dengan perhatian manusia yang terbatas selama sekitar satu hari, GLM-5.3 menemukan beberapa kerentanan yang sebelumnya belum diketahui pada mesin JavaScript browser.

Model kemudian menggabungkan kerentanan tersebut menjadi eksploit yang memungkinkan sebuah halaman web membaca file secara arbitrer dari komputer pengguna.

Peneliti juga menemukan bahwa GLM-5.3 dapat membantu mengidentifikasi kerentanan pada sejumlah sistem lain, termasuk driver nirkabel, driver grafis, dan perangkat lunak perangkat yang terhubung ke jaringan. Temuan tersebut kemudian ditinjau dan dilaporkan kepada pengelola perangkat lunak.

GLM-5.3-Flash Bekerja dalam Hitungan Jam

Kemampuan serupa juga ditemukan pada GLM-5.3-Flash, versi yang lebih kecil dari GLM-5.3. Dalam pengujian, model tersebut digunakan untuk mengembangkan eksploit terhadap kerentanan yang telah diketahui pada Google Chrome, termasuk CVE-2026-11645.

Dengan informasi publik mengenai kerentanan tersebut dan satu kelemahan lainnya, GLM-5.3-Flash mampu menggabungkannya menjadi rangkaian eksploit untuk target ARM64. Model juga berhasil melewati mekanisme pengamanan Pointer Authentication (PAC).

Proses tersebut membutuhkan sekitar 20 menit perhatian manusia dan delapan jam pekerjaan model. Berdasarkan harga API Zhipu yang digunakan dalam analisis, biayanya diperkirakan sekitar US$20,40.

Perlindungan GLM-5.3 Mudah Dilewati

Persoalan utama bukan hanya kemampuan sibernya, tetapi juga mekanisme perlindungan yang menyertainya. GLM-5.3 memang memiliki sistem yang membuat model menolak permintaan berbahaya. Namun, pengujian menunjukkan perlindungan tersebut dapat dilewati.

Salah satu metode yang diuji adalah abliteration, teknik yang dapat mengurangi kecenderungan model untuk menolak permintaan berbahaya. Karena GLM-5.3 merupakan model open-weight, pengguna dapat memodifikasi bobot model.

Pengujian terhadap versi yang telah melalui abliteration menggunakan JailbreakBench, HarmBench, dan StrongREJECT menunjukkan tingkat penolakan model turun drastis. Pada dua benchmark pertama, tingkat penolakan turun dari lebih dari 90% menjadi sekitar 3% dan 2%, sedangkan pada StrongREJECT menjadi 12%.

Menariknya, abliteration tidak secara signifikan mengurangi kemampuan umum model. Pada GPQA-Diamond, model standar dan versi yang telah dimodifikasi mendapatkan hasil yang sama.

Tanpa Modifikasi Pun Bisa Dilewati

Perlindungan GLM-5.3 ternyata juga dapat dilewati tanpa mengubah model. 

Dalam simulasi, peneliti menemukan beberapa pendekatan yang dapat membuat model merespons permintaan berbahaya. Salah satunya menggunakan konteks menipu yang membuat model seolah-olah bertindak sebagai agen red team. Cara tersebut berhasil membuat GLM-5.3 merespons dalam 64% pengujian.

Teknik lain menghasilkan respons dalam 92% pengujian, sedangkan versi model yang telah melalui abliteration mencapai 100%.

Sebaliknya, teknik tersebut tidak berhasil membuat model Claude yang memiliki perlindungan menjalankan tugas berbahaya yang sama.

NIST Ikut Soroti Kemampuan GLM-5.3

Temuan tersebut sejalan dengan penilaian Center for AI Standards and Innovation (CAISI) di bawah NIST. CAISI menyebut GLM-5.3 sebagai model open-weight dengan kemampuan siber paling tinggi yang telah dirilis hingga saat ini. Meski demikian, kemampuan model tersebut masih tertinggal sekitar empat bulan dari model AI terdepan di Amerika Serikat berdasarkan benchmark siber CAISI.

Perbedaannya terletak pada akses. Sebagian model Amerika Serikat dalam perbandingan hanya tersedia untuk pengguna yang telah diverifikasi, sedangkan GLM-5.3 dapat diunduh secara bebas.

Karena itu, perhatian bukan hanya tertuju pada kemampuan model, tetapi juga pada seberapa mudah kemampuan tersebut dapat digunakan oleh pihak yang berniat menyalahgunakannya.

AI Bisa Jadi Ancaman Sekaligus Pertahanan

Kemampuan seperti GLM-5.3 berpotensi membantu pelaku serangan menemukan dan mengeksploitasi kerentanan dengan lebih cepat. Risiko tersebut semakin besar ketika model dapat diakses secara luas dan perlindungannya mudah dilewati.

Namun, AI dengan kemampuan tinggi juga dapat digunakan untuk tujuan defensif. Peneliti keamanan dapat memanfaatkannya untuk menemukan kerentanan sebelum diketahui penyerang dan membantu organisasi memperkuat sistem mereka.

Sebelumnya, melalui Project Glasswing, para pembela keamanan siber telah menggunakan AI untuk menemukan ribuan kerentanan pada perangkat lunak penting. Pendekatan ini memungkinkan kelemahan diperbaiki sebelum dimanfaatkan oleh penyerang.

Pemerintah Perlu Perkuat Pengujian AI

Munculnya model dengan kemampuan siber tinggi menunjukkan pentingnya pengujian keamanan secara independen. Pemerintah dinilai perlu ikut menguji model AI yang memiliki kemampuan signifikan, termasuk generasi penerus GLM-5.3.

Evaluasi diperlukan agar risiko penyalahgunaan dapat diketahui lebih awal, sebelum model digunakan secara luas.

Pada akhirnya, perkembangan GLM-5.3 menunjukkan bahwa kemampuan AI dalam keamanan siber semakin maju. Tantangannya bukan hanya meningkatkan kecanggihan model, tetapi memastikan teknologi tersebut memiliki perlindungan yang memadai.

Dengan keseimbangan antara keterbukaan, inovasi, keamanan, dan pengawasan, AI dapat dimanfaatkan untuk memperkuat pertahanan siber tanpa sekaligus memberikan keuntungan besar bagi para penyerang.