CrowdStrike memperkenalkan Agentic Adversary Emulation, teknologi yang dirancang untuk menguji jalur serangan end-to-end menggunakan agen berbasis kecerdasan artifisial. Pengumuman tersebut disampaikan pada 4 November 2026 dalam acara Fal.Con Europe 2026 di Barcelona.
Fitur ini masih berada dalam tahap early access dan baru tersedia untuk pelanggan tertentu. CrowdStrike menyebut teknologi tersebut dapat mensimulasikan perilaku penyerang di lingkungan pelanggan berdasarkan batas dan persetujuan yang telah ditentukan.
Berbeda dari pemindaian yang berfokus pada kerentanan individual, pendekatan ini berusaha melihat bagaimana sejumlah kelemahan dapat dirangkai menjadi jalur menuju aset penting. Area yang dianalisis mencakup kerentanan perangkat lunak, salah konfigurasi, serta celah pada identitas dan hak akses.
Cara kerja Agentic Adversary Emulation
Teknologi Agentic Adversary Emulation menggunakan keluarga model keamanan SafeMind bersama sebuah offensive harness. Kombinasi tersebut digunakan untuk mengarahkan simulasi perilaku penyerang di lingkungan yang disetujui pelanggan.
Dalam skenario yang dirancang CrowdStrike, agen tidak hanya mencari satu titik lemah. Sistem mencoba memahami kemungkinan hubungan antara berbagai kondisi keamanan, kemudian mengevaluasi apakah kombinasi tersebut dapat digunakan untuk bergerak lebih jauh di dalam lingkungan organisasi.
Rangkaian yang diuji dapat mencakup pemanfaatan kerentanan, penyalahgunaan konfigurasi, dan penggunaan hak identitas yang tersedia. Tujuannya adalah menemukan jalur yang berpotensi mengarah ke aset kritis, bukan sekadar mencatat daftar masalah secara terpisah.
Pendekatan seperti ini dapat membantu tim keamanan melihat risiko berdasarkan dampaknya terhadap lingkungan secara keseluruhan. Sebuah kerentanan dengan tingkat keparahan tertentu, misalnya, dapat memiliki konsekuensi yang berbeda bergantung pada konfigurasi sistem, keterhubungan aset, dan hak akses yang dapat dijangkau dari titik awal.
Simulasi dapat diulang untuk memeriksa perbaikan
Menurut keterangan CrowdStrike, sistem tersebut juga dapat memberikan rekomendasi perbaikan dan kontrol kompensasi setelah menemukan jalur serangan. Setelah perubahan diterapkan, simulasi dapat dijalankan kembali untuk memeriksa apakah jalur yang sebelumnya ditemukan sudah tertutup.
Fungsi pengujian ulang ini menempatkan emulasi serangan dalam siklus validasi, bukan hanya sebagai pemeriksaan satu kali. Tim keamanan dapat menggunakan hasil simulasi untuk menilai apakah perbaikan tertentu benar-benar mengurangi kemungkinan akses lanjutan.
Namun, pelaksanaan teknologi ini tetap bergantung pada batas operasi yang ditetapkan pelanggan. Karena sistem melakukan simulasi perilaku ofensif, ruang lingkup, aset yang boleh diuji, dan tindakan yang diizinkan menjadi bagian penting dari penerapannya.
Klaim CrowdStrike tentang kemampuan agen AI
CrowdStrike juga merujuk pada laporan kampanye agen AI tahun 2026 miliknya ketika menjelaskan perkembangan kemampuan agen dalam menjalankan rangkaian serangan. Perusahaan mengklaim pernah mendokumentasikan satu agen yang merangkai sebuah kerentanan hingga memperoleh akses cluster-admin dan mengekstrak 726 basis data.
CrowdStrike menyatakan aktivitas tersebut berlangsung tanpa manusia yang secara langsung berada di depan keyboard. Klaim ini menggambarkan perhatian perusahaan terhadap kemampuan agen AI dalam menghubungkan beberapa langkah serangan secara otomatis.
Meski demikian, angka dan contoh tersebut merupakan klaim dari CrowdStrike. Belum ada evaluasi independen yang ditemukan untuk mengonfirmasi efektivitas atau hasil performa Agentic Adversary Emulation. Karena itu, contoh tersebut perlu dipahami sebagai keterangan perusahaan, bukan sebagai hasil pengujian pihak ketiga.
Pergeseran dari pemindaian ke pengujian jalur serangan
Peluncuran ini menunjukkan pergeseran fokus dalam pengujian keamanan. Pemindaian kerentanan tradisional biasanya menghasilkan inventaris masalah yang perlu diprioritaskan. Agentic Adversary Emulation mencoba melangkah lebih jauh dengan menguji apakah masalah-masalah tersebut dapat dirangkai menjadi jalur serangan yang memiliki konsekuensi nyata.
Model tersebut berpotensi membantu organisasi memusatkan perhatian pada kombinasi risiko yang paling berbahaya. Kerentanan, salah konfigurasi, dan kelemahan identitas yang tampak terpisah dapat membentuk rangkaian akses apabila berada dalam lingkungan yang saling terhubung.
Dalam praktiknya, hasil emulasi masih perlu ditinjau oleh tim keamanan. Rekomendasi yang dihasilkan agen harus disesuaikan dengan arsitektur, kebutuhan operasional, serta batas risiko masing-masing organisasi. Sistem otomatis juga tidak menghilangkan kebutuhan untuk menetapkan izin, mengawasi aktivitas, dan memastikan simulasi tidak mengganggu layanan produksi.
Masih terbatas pada early access
Status early access berarti Agentic Adversary Emulation belum tersedia secara umum. Informasi mengenai cakupan pelanggan, metode evaluasi, dan hasil penggunaan di berbagai lingkungan juga masih terbatas berdasarkan pengumuman yang tersedia.
Keterbatasan ini penting bagi organisasi yang sedang mengevaluasi teknologi red team berbasis agen. Kemampuan untuk menemukan jalur serangan end-to-end perlu dinilai bersama faktor lain, seperti akurasi temuan, tingkat gangguan terhadap sistem, kualitas rekomendasi, dan kemampuan membedakan jalur yang benar-benar dapat dieksploitasi dari kemungkinan teoretis.
Pengujian independen akan membantu memberikan gambaran yang lebih objektif mengenai efektivitas pendekatan tersebut. Sampai hasil semacam itu tersedia, klaim kemampuan sebaiknya diperlakukan sebagai informasi awal dari vendor.
Implikasi bagi tim keamanan
Bagi tim keamanan, teknologi ini memperkuat pentingnya melihat hubungan antara manajemen kerentanan, keamanan identitas, konfigurasi infrastruktur, dan perlindungan aset kritis. Pengamanan satu komponen belum tentu menutup seluruh jalur apabila masih ada kombinasi kelemahan lain yang dapat digunakan untuk bergerak di dalam lingkungan.
Simulasi berbasis agen juga dapat mengubah cara organisasi memvalidasi perbaikan. Selain memeriksa apakah sebuah kerentanan telah ditambal, tim dapat menilai apakah perubahan tersebut benar-benar memutus rangkaian akses menuju aset yang dilindungi.
Untuk saat ini, Agentic Adversary Emulation CrowdStrike masih merupakan fitur tahap awal. Pengumumannya memperlihatkan arah perkembangan red team agenik, tetapi penilaian terhadap manfaat dan keterbatasannya tetap memerlukan data penggunaan yang lebih luas serta evaluasi independen.
