Peretas negara mulai menargetkan perangkat edge di sektor energi. Ini saatnya Indonesia memakai AI bukan hanya untuk optimasi jaringan, tapi juga menjaga keamanan smart grid.
AI & Keamanan Siber Energi: Pelajaran dari Serangan Edge
Pada 2025, satu pola serangan siber terus berulang di sektor energi global: peretas negara mulai berhenti “berburu celah baru” dan malah memeras habis kerentanan lama pada perangkat edge. Laporan terbaru tim intelijen ancaman Amazon menunjukkan kelompok yang dikaitkan dengan intelijen militer Rusia menembus utilitas listrik dan penyedia layanan energi hanya dengan memanfaatkan perangkat firewall dan gateway yang tidak di‑patch.
Ini bukan cuma masalah mereka di Amerika Utara atau Eropa. Indonesia sedang mendorong transisi energi, memperluas jaringan, memasang PLTS atap, smart meter, battery storage, hingga sistem SCADA dan IoT di gardu. Semua itu berarti satu hal: permukaan serangan kita melebar drastis, tepat di lapisan edge yang kini menjadi titik favorit penyerang.
Tulisan ini membahas apa yang sebenarnya terjadi dalam kasus serangan edge tersebut, mengapa model transisi energi Indonesia membuat kita rentan, dan bagaimana AI bisa menjadi lapisan proteksi kunci bagi infrastruktur energi yang makin digital.
Apa yang Terjadi: Serangan ke Perangkat Edge di Infrastruktur Kritis
Intinya sederhana: kelompok peretas yang dikaitkan dengan Rusia menargetkan perangkat edge—seperti firewall, VPN gateway, dan antarmuka manajemen jaringan—di organisasi infrastruktur kritis, terutama di sektor energi.
Begitu mereka masuk ke perangkat edge, langkah berikutnya relatif klasik:
- Mengendus trafik jaringan untuk menangkap kredensial login (user/password, token, cookie sesi).
- Menggunakan kredensial itu untuk masuk ke cloud platform dan sistem internal.
- Dari sana, mereka melakukan lateral movement: bergerak ke layanan lain, menyusup lebih dalam, dan memperkuat posisi.
Yang menarik, menurut tim Amazon, kelompok ini mengurangi investasi di eksploit zero‑day baru dan lebih memilih mengeksploitasi:
- Kerentanan lama yang sudah diumumkan vendor tapi belum di‑patch.
- Salah konfigurasi (misconfiguration) di perangkat dan layanan cloud.
Mereka menargetkan:
- Utilitas listrik.
- Managed service provider (MSP) yang mengelola sistem energi.
- Perusahaan telekomunikasi.
- Platform kolaborasi cloud dan repositori source code.
Fokusnya jelas: rantai pasok sektor energi—bukan cuma operator utama, tapi juga vendor dan penyedia jasa yang punya akses ke jaringan kritis.
Ini pola yang relevan langsung dengan Indonesia, di mana semakin banyak sistem energi dikelola pihak ketiga, dari SCADA sampai operation support system (OSS) dan smart metering.
Mengapa Edge Device Jadi Titik Lemah Baru di Sistem Energi
Perangkat edge dulu dianggap “pagar depan” yang kokoh. Sekarang justru jadi “pintu belakang” favorit penyerang. Ada beberapa alasan utama.
1. Permukaan serangan makin luas, tapi tim kecil
Dalam proyek smart grid dan pembangkitan energi terbarukan, jumlah perangkat edge melonjak:
- RTU dan gateway di gardu induk.
- Firewall dan router di pembangkit dan pusat data.
- IoT gateway untuk PLTS atap, battery storage, dan EV charging.
Faktanya, banyak perusahaan energi di Indonesia hanya punya tim TI/OT yang ramping, sementara perangkat yang harus dikelola bisa ribuan. Di sinilah masalah muncul:
- Patch tertunda berbulan‑bulan.
- Konfigurasi keamanan “default vendor” tak pernah disentuh.
- Monitoring log perangkat hampir tidak berjalan.
2. Edge sering dianggap “bukan aset paling penting”
Banyak organisasi menganggap:
“Yang penting server SCADA dan database billing aman, perangkat jaringan nanti belakangan.”
Padahal, begitu edge device dikuasai, penyerang:
- bisa memata‑matai trafik,
- mencuri kredensial admin,
- menyusup ke sistem inti tanpa perlu menyerang server langsung.
Dalam konteks jaringan listrik modern, satu edge device yang bocor di gardu bisa jadi pintu ke:
- sistem otomasi distribusi,
- pengaturan switching,
- atau bahkan pengendalian beban.
3. Perangkat OT lama + modernisasi setengah matang
Banyak pembangkit dan jaringan distribusi di Indonesia menggabungkan:
- perangkat OT lama (PLC, RTU, IED),
- dengan lapisan IP modern, VPN, dan konektivitas cloud.
Transisi ini sering dilakukan tanpa desain keamanan menyeluruh. Akibatnya:
- Zona OT dan IT tidak benar‑benar tersegmentasi.
- Edge device jadi jembatan langsung ke aset OT.
Hasilnya, serangan edge seperti yang terlihat di luar negeri sangat mungkin direplikasi di sini, hanya dengan memanfaatkan perangkat yang tidak diperbarui.
Di Mana AI Masuk: Dari Deteksi Anomali sampai Prediksi Serangan
Kalau sekadar patch dan hardening, kenapa kita bicara AI? Karena skala dan kompleksitas sistem energi modern sudah melampaui kemampuan manusia untuk memantau semuanya secara manual.
1. Deteksi anomali berbasis AI di jaringan energi
AI, khususnya model machine learning, unggul dalam mengenali pola normal dan menandai penyimpangan kecil yang konsisten.
Di sektor energi, AI bisa:
- Menganalisis trafik dari ribuan edge device dan SCADA secara real‑time.
- Mengenali pola login yang tidak lazim (misalnya: akses admin dari negara asing pada jam 02.17).
- Mendeteksi perilaku perangkat: firewall yang tiba‑tiba mengirim trafik keluar lebih besar dari biasanya, atau gateway yang mulai mengirim koneksi ke IP yang tak pernah muncul sebelumnya.
Pendekatan ini jauh lebih kuat daripada sekadar aturan statis seperti “blok port X” atau “alaram jika 5 login gagal”. AI bisa belajar dari konteks operasi harian pembangkit, gardu, dan control center Anda.
2. Korelasi log lintas IT–OT secara otomatis
Dalam praktik, data keamanan tersebar di banyak tempat:
- Log firewall dan router.
- Log aplikasi SCADA, historian, dan HMI.
- Log identity provider (SSO, AD, IAM).
- Log cloud platform.
Tim keamanan sering kewalahan merajut hubungan antar log ini. Di sinilah AI‑driven SIEM/SOAR jadi krusial:
- Menggabungkan peristiwa dari berbagai sumber.
- Memberi konteks: “Login aneh ini berasal dari edge device yang baru saja mengalami perubahan konfigurasi.”
- Menggolongkan insiden berdasarkan risiko terhadap operasi energi (misal: berdampak ke control center vs hanya ke portal internal).
Bagi perusahaan utilitas dan IPP di Indonesia, integrasi log lintas IT–OT yang diperkaya AI ini sangat penting untuk mengamankan smart grid.
3. Prediksi risiko dengan memetakan exposure edge
AI juga bisa digunakan secara proaktif untuk memetakan dan menilai risiko:
- Meng‑crawl konfigurasi perangkat edge dan mencocokkan dengan database kerentanan.
- Memberi skor risiko untuk tiap lokasi (misal: gardu A kritikal karena mengalirkan listrik ke rumah sakit dan pusat data, dan memakai firewall dengan CVE berisiko tinggi yang belum di‑patch).
- Menyusun prioritas patching dan hardening berdasarkan dampak operasional, bukan sekadar urutan kedatangan tiket.
Pendekatan ini membantu manajemen menjawab pertanyaan yang penting secara bisnis:
“Kalau saya hanya bisa patch 50 perangkat minggu ini, mana yang paling mengurangi risiko pemadaman dan gangguan layanan?”
Studi Kasus Kontekstual: Transisi Energi Indonesia yang Makin Terhubung
Untuk melihat relevansinya, bayangkan skenario yang sudah mulai terjadi di beberapa wilayah Indonesia.
Smart grid & energi terbarukan
Satu perusahaan listrik daerah sedang membangun jaringan:
- PLTS atap pelanggan besar,
- pembangkit mini‑hydro,
- battery energy storage di dekat beban industri.
Semua dihubungkan ke Distribution Management System (DMS) dan Energy Management System (EMS). Di lapangan, terpasang:
- gateway IoT di tiap lokasi pembangkit,
- modem 4G/5G,
- VPN tunnel kembali ke control center.
Tanpa manajemen keamanan yang kuat, risiko yang muncul:
- Satu modem/gateway dengan default credential bisa diambil alih.
- Penyerang memanipulasi setpoint baterai atau output PLTS, memicu ketidakstabilan frekuensi lokal.
Di sinilah kombinasi AI + best practice keamanan bekerja
Sebuah arsitektur yang lebih dewasa akan mencakup:
- Segmentasi jaringan berbasis zona IT–OT yang jelas.
- Pemantauan AI di lapisan edge:
- Mengawasi pola trafik antar gateway IoT dan control center.
- Mendeteksi anomali produksi/pengiriman data yang tidak sesuai dengan pola cuaca dan beban.
- AI di sisi operasi energi:
- Menggabungkan data keamanan dan data operasi (misal: penurunan output tak wajar bersamaan dengan trafik aneh ke perangkat tertentu).
- Respons semi‑otomatis:
- Mengisolasi edge device yang dicurigai tanpa harus mematikan pembangkit secara total.
Kombinasi ini membuat sistem bukan hanya lebih efisien dari sisi pengelolaan energi terbarukan, tapi juga lebih tangguh terhadap serangan seperti yang diperlihatkan insiden peretas di negara lain.
Langkah Praktis: Blueprint Keamanan Edge Berbasis AI untuk Perusahaan Energi
Supaya tidak sekadar teoretis, berikut langkah yang bisa dijadikan blueprint awal, terutama untuk perusahaan listrik, IPP, dan penyedia layanan energi di Indonesia.
1. Inventaris & hygiene dasar (jangan lompat langsung ke AI)
Sebelum bicara AI, fondasinya harus beres:
- Buat inventaris semua perangkat edge yang terkait operasi energi (firewall, router, VPN, IoT gateway, modem).
- Pastikan patch management berjalan, minimal untuk perangkat yang menghadap internet.
- Hapus kredensial default, aktifkan multi‑factor authentication (MFA) untuk akses jarak jauh.
- Terapkan segmentation: pisahkan jaringan kantor, jaringan operasi, dan akses pihak ketiga.
Tanpa ini, AI hanya akan jadi sensor canggih di atas struktur yang rapuh.
2. Bangun data pipeline untuk AI security
AI hanya sekuat data yang Anda berikan. Minimal, kumpulkan log dari:
- Firewall dan VPN edge.
- Server autentikasi (AD/LDAP/IAM).
- SCADA/EMS/DMS.
- Cloud platform yang digunakan (misal untuk manajemen aset, billing, atau analitik energi).
Pastikan formatnya bisa dibaca sistem analitik dan disimpan dengan retensi yang cukup.
3. Implementasi AI/ML untuk deteksi & korelasi
Mulai dengan kasus penggunaan yang paling berdampak:
- Deteksi login mencurigakan ke perangkat edge dan sistem SCADA.
- Anomali trafik antar lokasi kritis (gardu, pembangkit, control center).
- Perubahan konfigurasi tak wajar pada perangkat jaringan dan firewall.
Jika memungkinkan, pilih platform yang sudah memahami konteks OT/energi, bukan hanya generik TI.
4. Integrasi dengan operasi sistem energi
Satu kesalahan umum: keamanan jalan sendiri, operasi sistem jalan sendiri.
Padahal, untuk sektor energi, Anda perlu:
- Prosedur yang jelas saat AI mendeteksi anomali: siapa yang dihubungi di control room, apa langkah teknis yang boleh dilakukan tanpa mengganggu kestabilan jaringan.
- Simulasi bersama (table‑top exercise) antara tim keamanan, tim SCADA, dan manajemen operasi.
Pendekatan ini memastikan respon terhadap serangan siber tidak malah mengganggu kontinuitas pasokan energi.
5. Edukasi rantai pasok
Karena serangan fokus ke supply chain energi, ajak:
- EPC,
- vendor SCADA dan OT,
- penyedia cloud dan MSP,
untuk mengikuti standar keamanan dan—idealnya—mengintegrasikan logging mereka ke sistem AI security Anda.
Menuju Transisi Energi Indonesia yang Aman dan Cerdas
Kasus serangan perangkat edge yang dikaitkan dengan Rusia ini menunjukkan satu hal: musuh kita bukan cuma teknis, tapi juga strategis. Mereka tahu organisasi energi sering lengah di titik yang “terlihat kecil” seperti firewall, modem, atau VPN lama.
Dalam seri “AI untuk Sektor Energi Indonesia: Transisi Berkelanjutan”, benang merahnya selalu sama: digitalisasi dan AI membuat sistem energi kita jauh lebih efisien dan fleksibel, tapi juga membuka pintu risiko baru jika keamanan diabaikan.
Ada dua pesan penting:
- Transisi energi tanpa keamanan siber yang serius adalah taruhan berbahaya. Satu serangan yang berhasil ke edge device bisa menjalar ke pembangkit, jaringan, hingga layanan pelanggan.
- AI bukan hanya untuk optimasi beban dan prediksi permintaan. AI juga alat kuat untuk menjaga agar sistem energi yang makin pintar ini tetap aman: mengenali anomali, menghubungkan titik‑titik yang tak sempat dilihat manusia, dan membantu tim kecil mengamankan infrastruktur besar.
Kalau Anda terlibat di utilitas, IPP, pengembang energi terbarukan, ataupun penyedia teknologi untuk sektor energi di Indonesia, ini saat yang tepat untuk mengevaluasi dua hal sekaligus:
- seberapa siap edge device dan jaringan Anda,
- dan sejauh mana AI sudah dimanfaatkan untuk menjaga keamanan operasi.
Transisi energi yang berkelanjutan bukan hanya soal mengurangi emisi, tapi juga soal memastikan listrik tetap menyala dengan aman meskipun lanskap ancaman terus berubah.