[ BACK TO ALL ARTICLES ]
Technology & AI

AI GitHub dan Microsoft Menyaring 9.791 Temuan Jadi 99 Laporan Bug Nyata — 55 Sudah Diperbaiki

Nadhif Fauzil Adhim
Nadhif Fauzil Adhim
19 November 2026
5 VIEWS
AI GitHub dan Microsoft Menyaring 9.791 Temuan Jadi 99 Laporan Bug Nyata — 55 Sudah Diperbaiki

GitHub dan Microsoft mengumumkan pada 17 November 2026 hasil sebuah pilot yang menguji pertanyaan sederhana tapi penting: bisakah AI membantu mengamankan open source tanpa membanjiri maintainer dengan laporan sampah? Jawabannya, sejauh pilot ini menunjukkan, adalah ya — asalkan ada manusia di ujung prosesnya. Dari 9.791 temuan awal yang dihasilkan AI, hanya 99 laporan terverifikasi yang sampai ke maintainer, dan 55 di antaranya sudah diperbaiki.

Enam proyek, satu pipeline berlapis

Pilot ini memindai enam proyek open source yang banyak dipakai: AutoGPT (platform agen AI), Caddy (web server modern), Express (framework aplikasi web Node.js), FastMCP (framework untuk membangun server Model Context Protocol), ImageMagick (perangkat lunak pemrosesan gambar), dan Netty (framework jaringan berbasis Java). Keenamnya adalah alumni GitHub Secure Open Source Fund dan telah menyetujui pemindaian ini sebelumnya.

Pemindaian dilakukan oleh Codename MDASH, sistem pemindaian agentic multi-model milik Microsoft Security yang menjalankan model MAI Cyber versi sebelumnya — bukan model MAI Cyber 2 Flash yang baru diumumkan di hari yang sama di Microsoft Ignite. MDASH memindai codebase dan mengusulkan patch untuk setiap temuan. Lalu GitHub Security Lab menjalankan triase AI untuk menyaring duplikat dan temuan lemah. Terakhir, tujuh peneliti dari Microsoft FORGE Lab memeriksa secara manual setiap temuan yang lolos triase.

Hasil akhirnya: 99 laporan kerentanan privat, masing-masing disertai proof of concept dan usulan perbaikan, dikirim ke maintainer lewat sistem private vulnerability reporting GitHub. Per 15 November, 55 dari 99 masalah tersebut sudah diperbaiki, dan 14 perbaikan sudah masuk ke rilis resmi. Caddy menyelesaikan seluruh 22 masalah yang dilaporkan dalam waktu kurang dari seminggu.

Angka 9.791 bukan berarti 9.791 kerentanan

Pelajaran terpenting dari pilot ini justru ada pada angka yang tidak boleh disalahartikan. Dari 9.791 temuan kandidat, hanya sekitar 1,01% yang lolos menjadi laporan terverifikasi. Angka mentah dari pemindai AI bukanlah jumlah kerentanan yang terkonfirmasi — dan GitHub sendiri menekankan hal itu.

Inilah perbedaan antara pilot ini dan gelombang alat pemindai AI yang membanjiri maintainer dengan laporan mentah. Setiap laporan yang sampai ke maintainer sudah melewati tiga lapis penyaringan dan disertai bukti serta perbaikan yang diusulkan. Tujuannya bukan menghasilkan temuan sebanyak-banyaknya, melainkan mengurangi beban kerja maintainer sukarelawan yang memelihara proyek yang dipakai jutaan orang.

Batas yang diakui sendiri

GitHub bersikap terbuka soal keterbatasan eksperimen ini. Enam proyek adalah sampel yang kecil, dan temuannya digambarkan sebagai pelajaran awal, bukan bukti bahwa pendekatan ini berhasil di mana-mana. Verifikasi manual belum bisa diskalakan: peneliti menghabiskan sekitar dua hari per proyek untuk memeriksa temuan dengan tangan. Hasilnya juga dilaporkan sendiri oleh perusahaan yang menjalankan pilot, dan GitHub tidak mempublikasikan CVE atau ID advisory di balik 55 perbaikan tersebut.

Dua kebutuhan lanjutan juga diidentifikasi: pipeline CI/CD privat untuk menguji perbaikan pada fork privat, serta akses maintainer ke model yang mampu melakukan siber agar mereka bisa memverifikasi proof of concept sebelum dan sesudah perbaikan.

Apa artinya bagi ekosistem open source

Terlepas dari batas-batasnya, pilot ini menetapkan standar baru bagi pelaporan kerentanan berbantuan AI: laporan privat, terverifikasi manusia, lengkap dengan proof of concept dan usulan perbaikan — bukan tumpukan output mentah. GitHub berencana menawarkan pemindaian terverifikasi kepada seluruh alumni Secure Open Source Fund dan menerapkan pelajaran dari pilot ini ke private vulnerability reporting serta security advisory.

Bagi maintainer proyek open source, pesannya praktis: aktifkan private vulnerability reporting di repositori Anda, nyalakan Dependabot, dan perlakukan angka besar dari pemindai AI dengan skeptis — yang penting bukan berapa ribu temuan yang dihasilkan, melainkan berapa laporan yang benar-benar bisa ditindaklanjuti. Dan bagi developer yang memakai keenam proyek di atas, kabar baiknya: sebagian besar perbaikan sudah dikerjakan, tetapi hanya 14 yang sudah masuk rilis — jadi periksa versi dependensi Anda dan perbarui saat perbaikan tersedia.

SHARE THIS LOG