Kebocoran Data Marks & Spencer: Amaran Serius Untuk AI dalam Runcit & Pembuatan

Pada 2024, industri runcit global dianggarkan kehilangan lebih USD40 bilion akibat insiden keselamatan siber dan penipuan digital. Kebocoran data terbaharu yang menimpa Marks & Spencer (M&S) – di mana kumpulan ransomware dilaporkan mencuri data peribadi pelanggan – cuma satu nama besar dalam senarai yang makin panjang.

Untuk pengeluar elektronik, automotif dan semikonduktor yang sedang agresif menggunakan AI dalam rantaian bekalan dan kilang pintar, cerita M&S ini bukan sekadar berita luar negara. Ia cermin apa yang sedang berlaku bila data pelanggan dan data operasi kilang jadi nadi kepada semua keputusan perniagaan.

Runcit besar, marketplace, dan gergasi pembuatan E&E di Malaysia berkongsi corak sama: bergantung berat kepada AI untuk peribadi­san, perancangan permintaan, penyelenggaraan ramalan dan automasi gudang. Bila AI makin pintar, serangan siber juga makin tepat dan terancang.

Dalam artikel ini, saya guna insiden Marks & Spencer sebagai studi kes:

• apa yang sebenarnya terancam bila AI digunakan secara meluas dalam runcit dan pembuatan,
• mengapa AI-cybersecurity bukan lagi projek sampingan IT,
• dan bagaimana peruncit besar serta kilang elektronik/automotif boleh bina benteng yang realistik, bukan sekadar polisi di atas kertas.

---

Apa Yang Kita Boleh Baca Dari Kebocoran Data Marks & Spencer

Kebocoran data M&S menunjukkan satu perkara: apa-apa organisasi yang simpan data pelanggan dalam skala besar adalah sasaran utama kumpulan ransomware.

M&S mengesahkan bahawa data peribadi pelanggan telah dicuri, dan kumpulan ransomware dilaporkan mengambil kredit terhadap serangan itu. Walaupun butiran teknikal mungkin berbeza antara laporan, pola ancaman sentiasa sama:

• penjenayah masuk melalui kelemahan sistem (server, aplikasi, API, atau pihak ketiga),
• data diekstrak dan disulitkan,
• mangsa diugut dengan pendedahan data atau gangguan operasi, sambil diminta bayar tebusan.

Untuk peruncit besar dan marketplace, data yang biasanya terlibat termasuk:

• nama, alamat, nombor telefon, e-mel,
• rekod transaksi dan sejarah pembelian,
• data kad (walaupun sebahagiannya disulitkan),
• pola tingkah laku pelanggan yang digunakan untuk model AI cadangan produk.

Di sinilah kaitan kritikal dengan AI: segala sistem AI peribadi­san, penentuan harga dinamik, promosi sasaran – semuanya dilatih atas data yang sama. Bila data ini bocor atau diubah (data poisoning), bukan saja pelanggan terancam, malah keputusan AI pun boleh menyeleweng.

“AI hanya sekuat kualiti dan keselamatan datanya. Bila data dikompromi, model AI jadi senjata makan tuan.”

---

Mengapa Keselamatan Siber Kini Teras Strategi AI Runcit & Pembuatan

Realitinya, AI dan keselamatan siber tak boleh dipisahkan lagi. Bila syarikat bercakap tentang transformasi AI, mereka sebenarnya bercakap tentang:

• sentralisasi data dalam data lake atau platform awan,
• integrasi antara sistem runcit, ERP, MES, WMS, dan sistem pihak ketiga,
• automasi keputusan dalam masa nyata (real-time decisioning).

Semua ini mewujudkan permukaan serangan (attack surface) yang jauh lebih luas.

1. Data pelanggan & data operasi kini aset strategik

Dalam runcit:

• Data pelanggan memacu model cadangan produk, segmentasi, dan kempen omni-saluran.
• Marketplace besar di Malaysia menggunakan AI untuk pengesanan penipuan, harga dinamik, dan pengurusan inventori antara penjual.

Dalam pembuatan elektronik/automotif/semikonduktor:

• Data sensor daripada mesin SMT, oven reflow, robot, AGV, dan IoT kilang digunakan untuk kawalan kualiti berasaskan visi komputer dan penyelenggaraan ramalan.
• Data rantaian bekalan diproses oleh AI untuk ramalan permintaan dan optimumkan jadual pengeluaran.

Bila mana-mana data ini bocor, dimanipulasi atau diperas ugut:

• keputusan perancangan dan jadual pengeluaran boleh tersasar,
• reputasi jenama rosak,
• dan dalam kes automotif, risiko keselamatan produk juga meningkat.

2. Pematuhan undang-undang dan denda bukan lagi kecil

Malaysia sudah ada Akta Perlindungan Data Peribadi (PDPA), dan trend global menunjukkan penalti kewangan semakin berat. Di Eropah, denda GDPR boleh cecah ratusan juta euro. Kita boleh jangka tekanan regulatori serupa akan meningkat di rantau ini.

Bagi syarikat tersenarai, kebocoran data juga memberi kesan kepada:

• harga saham,
• kos insurans siber,
• dan kos litigasi dengan pelanggan.

3. Kepercayaan pelanggan sukar dibeli semula

Pelanggan hari ini faham nilai data mereka. Bila mereka dengar nama besar seperti M&S pun gagal, mereka mula tanya:

• "Adakah data saya selamat di platform lain?"
• "Kenapa retailer guna AI hebat, tapi kata laluan saya pun tak dilindungi betul-betul?"

Sekali kepercayaan jatuh, kadar churn pelanggan naik. Kos pemasaran untuk tarik pelanggan baru akan meningkat lebih tinggi daripada kos pelaburan keselamatan siber yang sepatutnya dibuat lebih awal.

---

Bagaimana AI Boleh Melindungi Data – Bukan Sekadar Menjadi Risiko

Ramai pengurus fikir: "AI tambah lagi risiko, sebab sistem makin kompleks." Sebenarnya, AI juga adalah senjata paling berkesan untuk mempertahan organisasi besar yang penuh integrasi kompleks.

Dalam konteks runcit dan pembuatan E&E, ada beberapa pendekatan praktikal.

1. Sistem Pengesanan Anomali Berasaskan AI

Pengesanan anomali (anomaly detection) menggunakan model AI untuk membezakan aktiviti normal dan mencurigakan dalam:

• trafik rangkaian antara kedai, gudang dan pusat data,
• akses pekerja ke sistem POS, ERP dan MES,
• aktiviti akaun pentadbir dan pembekal pihak ketiga.

Contoh:

• Seorang staf di cawangan Selangor biasanya akses sistem dari 9 pagi hingga 6 petang. Tiba-tiba akaunnya memuat turun 10GB data pelanggan pada 2 pagi dari lokasi luar negara.
• Dalam kilang semikonduktor, mesin tertentu mula menghantar data ke alamat IP luar yang tak pernah wujud dalam konfigurasi asal.

Model AI boleh menandakan corak abnormal seperti ini dalam masa beberapa saat, sedangkan sistem berasaskan peraturan tradisional sering terlepas pandang kerana tak dikemas kini.

2. AI untuk Pemantauan Identiti & Akses (IAM pintar)

Ramai kes kebocoran data bermula dengan:

• kata laluan digodam,
• akaun pentadbir disalah guna,
• akses diberi terlalu luas (over-privileged accounts).

Sistem Identity & Access Management (IAM) pintar yang digerakkan oleh AI boleh:

• mengukur risiko setiap percubaan log masuk berdasarkan lokasi, peranti dan masa,
• meminta pengesahan tambahan (MFA) hanya bila perlu,
• mengesyorkan pengurangan hak akses bila AI nampak akaun jarang menggunakan keistimewaan tertentu.

Dalam operasi kilang, ini penting untuk:

• hadkan siapa boleh mengubah konfigurasi robot atau mesin SMT,
• pastikan vendor penyelenggaraan luar hanya akses semasa tempoh tertentu,
• lindungi resepi proses sensitif dalam pengeluaran semikonduktor.

3. AI untuk Perlindungan Endpoint & POS

Dalam runcit, titik paling lemah sering berada di:

• terminal POS di kaunter,
• tablet/handheld pekerja di lantai kedai,
• kiosk swalayan.

Dalam kilang, titik lemah termasuk:

• HMI (Human-Machine Interface),
• PC yang sambung ke mesin lama,
• laptop jurutera proses yang juga akses internet.

Endpoint Detection & Response (EDR) berasaskan AI boleh:

• mengesan corak fail dan proses yang kelihatan seperti ransomware walaupun signature baru,
• mengasingkan (isolate) mesin yang disyaki untuk elak merebak ke seluruh rangkaian,
• memberikan garis masa penuh insiden untuk pasukan keselamatan forensik.

4. Model AI Tahan Serangan (Adversarially Robust)

Untuk organisasi yang banyak guna AI dalam operasi, keselamatan bukan hanya di peringkat rangkaian. Model AI sendiri boleh diserang, contohnya:

• data poisoning – data latihan diubah untuk memesongkan hasil,
• model stealing – penyerang cuba tiru model dengan soalan berulang,
• adversarial examples – input yang direka khas untuk memperdaya model visi komputer.

Lebih-lebih lagi dalam pembuatan elektronik dan automotif, sistem visi komputer digunakan untuk:

• mengesan kecacatan solder,
• verifikasi komponen atas PCB,
• pemeriksaan kualiti panel kereta.

Jika model ini boleh diperdaya, produk cacat mungkin melepasi QA. Itulah sebabnya:

• data latihan perlu melalui proses pembersihan dan pengesahan ketat,
• akses ke model dilindungi dengan pengesahan dan kawalan kadar (rate limiting),
• ujian adversarial dibuat secara berkala.

---

Pelajaran Praktikal Untuk Runcit & Pembuatan E&E Di Malaysia

Organisasi besar tak boleh hanya bergantung pada polisi dan audit tahunan. Insiden seperti M&S menunjukkan bahawa penyerang bergerak lebih pantas daripada kitaran audit biasa.

Berikut pendekatan yang, pada saya, lebih realistik untuk syarikat runcit dan pembuatan yang sedang giat membina ekosistem AI.

1. Letak keselamatan siber dalam pelan AI dari hari pertama

Bila merancang projek AI – sama ada:

• sistem cadangan produk untuk marketplace,
• perancangan pengeluaran pintar di kilang elektronik,
• sistem visi komputer untuk QA di kilang automotif –

masukkan elemen berikut dalam RFP dan reka bentuk awal:

• keperluan pemisahan rangkaian (network segmentation),
• logging terpusat dan pemantauan AI SOC (Security Operations Center),
• penyulitan data di transit dan di storan,
• pelan tindak balas insiden (IR playbook) khusus untuk sistem AI.

Bila keselamatan dimasukkan di hujung projek, kos dan rintangan pengguna akan jauh lebih tinggi.

2. Audit pembekal dan rantaian bekalan data

Kes M&S dan banyak kes lain menunjukkan bahawa pembekal pihak ketiga sering jadi pintu masuk serangan.

Untuk runcit dan pembuatan:

• audit vendor yang mengendalikan data pelanggan, data jualan dan data pengeluaran;
• pastikan mereka juga guna pemantauan AI untuk ancaman,
• letakkan klausa kontrak berkaitan pelaporan insiden dan tahap keselamatan minimum.

Dalam konteks kilang elektronik dan semikonduktor, vendor yang mengendalikan sistem MES, SCADA, atau integrasi robot mesti dinilai sama serius seperti vendor cloud.

3. Latih orang, bukan sistem sahaja

Kebanyakan ransomware masuk melalui:

• e-mel phishing,
• mesej yang kelihatan seperti dari HR atau vendor,
• fail yang dimuat turun tanpa disaring.

AI boleh tapis banyak ancaman, tetapi manusia tetap lapisan pertahanan pertama. Program latihan yang praktikal sepatutnya:

• gunakan simulasi phishing berkala,
• kongsi contoh sebenar insiden (tanpa menuding jari),
• jelas tentang prosedur melapor bila ada yang pelik.

Untuk operator kilang dan staf gudang, modul latihan perlu disesuaikan dengan konteks mereka, bukan hanya slaid generik keselamatan IT.

4. Uji pelan tindak balas ransomware

Bila serangan berlaku, beza antara gangguan sejam dan henti operasi berhari-hari bergantung kepada latihan dan persediaan.

Organisasi runcit dan pembuatan yang matang biasanya:

• menjalankan tabletop exercise sekurang-kurangnya 1–2 kali setahun,
• menguji proses pemulihan sandaran (backup restore) untuk sistem kritikal,
• jelas siapa bercakap dengan media, siapa berurusan dengan penguatkuasa, dan siapa fokus pada teknikal.

Serangan ransomware moden bukan sekadar menyulitkan data. Mereka:

• mencuri dulu,
• kemudian ancam untuk dedahkan data pelanggan dan rahsia komersial.

Jadi, pelan tindak balas perlu juga meliputi komunikasi dengan pelanggan dan rakan kongsi.

---

Menghubungkan Kilang Pintar, Runcit Pintar dan Keselamatan Pintar

Dalam siri AI in Manufacturing (Electronics, Automotive, Semiconductor), kita sering bercakap tentang:

• OEE yang meningkat bila AI digunakan,
• kadar kecacatan yang turun bila visi komputer dilaksanakan,
• stok yang lebih ramping bila ramalan permintaan lebih tepat.

Kesemua faedah ini bergantung kepada satu perkara yang sama: data yang boleh dipercayai dan sistem yang boleh beroperasi tanpa gangguan besar. Kebocoran seperti yang dialami Marks & Spencer mengingatkan bahawa:

• satu insiden besar boleh menghapuskan nilai bertahun-tahun pelaburan AI,
• pelanggan dan rakan OEM akan menilai kebolehpercayaan anda bukan hanya pada kualiti produk, tetapi juga cara anda menjaga data.

Untuk runcit besar, marketplace, dan pengeluar E&E di Malaysia, soalan sebenar bukan lagi "Perlu atau tidak kita guna AI untuk keselamatan siber?" Soalan yang lebih jujur ialah:

"Kalau organisasi kita digodam esok, adakah kita yakin sistem keselamatan kita cukup pintar untuk mengesan, bertindak, dan pulih – secepat sistem AI yang kita bangunkan untuk jual dan menghasilkan produk?"

Masa terbaik untuk bina pertahanan sudah tentu semalam. Masa kedua terbaik ialah sebelum insiden seterusnya. Dalam era di mana AI menjadi otak kepada runcit dan pembuatan moden, AI-cybersecurity adalah jantung yang memastikan otak itu kekal hidup.