Djogjainfo – Email spam menimbulkan risiko serius terhadap keamanan data pribadi, dan risiko ini banyak diremehkan.
Menurut penelitian yang dilakukan GMX tahun lalu, kurang dari setengah orang Inggris (46%) bahkan menganggap spam sebagai risiko keamanan siber sama sekali, sementara satu dari empat (24%) mengaku kesulitan membedakan email spam dari email asli. buletin atau korespondensi serius. (Techradar, 11/7)
Baca juga: 5 hal yang tidak Anda ketahui dapat dilakukan oleh Google Maps
Selain itu, tampaknya ada kekurangan pengetahuan yang serius tentang cara efektif menangani email berbahaya yang tidak terdeteksi oleh filter spam penyedia, dan dengan demikian dikirimkan ke kotak masuk Anda, dengan sebagian besar pengguna email melakukan hal yang salah.
Misalnya, 51 persen orang Inggris dalam survei mengatakan bahwa mereka hanya menghapus email spam.
Melakukan hal ini akan memiliki efek yang sangat terbatas mengingat jumlah besar spam yang menyerang layanan email setiap hari.
Meskipun menghapus email mungkin membuat pesan spam ini tidak terlihat, pasti ada cara yang lebih efektif untuk membuat hidup lebih sulit bagi spammer.
Kekuatan AI
Terlepas dari volume pesan spam yang dikirim setiap hari, sebagian besar memiliki peluang yang sangat kecil untuk masuk ke kotak masuk pengguna hari ini.
Filter spam yang diterapkan oleh penyedia email telah berkembang secara signifikan dan terus-menerus menjadi semakin canggih.
Dalam bentuknya yang paling sederhana, filter spam masih mengikuti seperangkat aturan untuk menyaring pesan dengan kata-kata yang mencurigakan seperti ‘apotek online’, ‘Viagra’ atau ‘Lottery Win’ yang berasal dari alamat IP yang tidak dikenal atau masuk daftar hitam.
Spammer dapat dengan cepat memperbarui pesan mereka dengan kebingungan kata, yaitu, cukup menyesuaikan ejaan kata dan mengecoh aturan filter sederhana ini.
Untuk mengaktifkan filter spam semacam ini untuk mengenali pesan yang tidak diinginkan dengan benar, aturan baru harus ditambahkan secara teratur ke sistem filter.
Ini adalah proses yang rumit, karena penyesuaian semacam itu perlu dilakukan untuk hampir setiap penghindaran filter baru yang dilakukan oleh spammer.
Meskipun mekanisme sederhana ini masih dapat diterapkan secara efektif dan dapat melindungi kotak masuk dari spam primitif dalam jumlah besar, analisis setiap kata saja tidak lagi cukup untuk deteksi spam yang andal.
Dalam memerangi spam, Machine Learning (ML), cabang Artificial Intelligence (AI), telah berhasil berperan dalam beberapa tahun terakhir, memungkinkan komputer untuk memproses sejumlah besar data dan menemukan pola baru untuk diri mereka sendiri tanpa perlu diprogram secara manual setiap waktu.
Filter spam berbasis Machine Learning tersebut dapat dipelajari dalam beberapa cara.
Ini dapat dilakukan, misalnya, dengan menggunakan data yang ada dari email spam yang sudah dikenali. Email ini diperiksa oleh ML untuk berbagai karakteristik yang terjadi berulang kali.
Informasi ini kemudian dapat digunakan sebagai indikator kemungkinan email spam. Dari pola tersebut, algoritma ML secara otomatis memperbarui aturan yang ada.
Umpan balik pengguna
Cara penting kedua agar ML dapat meningkatkan pengetahuannya sendiri adalah melalui intervensi manusia. Mekanisme ini efektif dan cepat dalam menemukan trik baru yang dibuat oleh spammer – selama penyedia email dapat mengandalkan dukungan penggunanya.
Ada banyak sekali cara untuk mengatur berbagai jenis konten dalam email tanpa membuatnya terlihat oleh penerima.
Dengan koneksi broadband sekarang menjadi hal yang biasa, dan ukuran kotak masuk menjadi cukup besar, spammer semakin memanfaatkan fleksibilitas standar terbuka email untuk menghindari filter spam.
Misalnya, mereka mungkin menyembunyikan sejumlah besar konten yang tidak mencurigakan di badan email dengan harapan ini akan melebihi semua karakteristik peringatan dari surat mereka.
Meskipun ML dapat dengan mudah mengatasi “gangguan” data seperti itu, jumlah cara dan kombinasinya mungkin terlalu besar untuk dikenali dengan cepat, dan yang juga penting, adalah memastikan tidak ada surat resmi (atau “ham”) yang disalahartikan sebagai spam.
Tetapi begitu pengguna menandai email di kotak masuk mereka sebagai spam, mereka memberi sinyal ke algoritme bahwa ada sesuatu yang salah dengannya.
Saat sistem ML menerima lebih banyak sinyal serupa dari pengguna lain, sistem akan mengetahui bahwa karakteristik email ini dapat digunakan sebagai indikator spam.
Dengan umpan balik yang cepat dari pengguna email, ML dapat mendeteksi upaya jahat baru pada tahap yang jauh lebih awal.
Ini tidak hanya menghentikan gelombang spam baru menyebar di banyak akun email, tetapi juga membantu ML menjadi lebih cerdas dan mengenali serangan spam di masa depan, bahkan mungkin lebih canggih.
Kecerdasan Buatan akan terus memainkan peran utama dalam meningkatkan kecepatan deteksi spam – ini juga merupakan alasan mengapa hari ini, meskipun meningkatnya volume pesan spam yang dikirim, Anda menerima lebih sedikit spam secara proporsional daripada yang Anda lakukan satu dekade lalu.
Sentuhan manusia
Bahkan dengan kemajuan ini, filter spam yang sangat efektif tidak dapat mengandalkan AI saja. Dengan cara yang sama bahwa platform media sosial masih mempekerjakan pasukan moderator untuk membersihkan konten mereka bersama-sama dengan algoritme, filter spam terbaik di dunia perlu menggabungkan AI dengan intervensi manusia.
Pakar keamanan email yang berpengalaman masih dapat menilai potensi risiko email spam secara lebih komprehensif daripada mesin.
Ini karena manusia lebih baik dalam menentukan kemungkinan “rantai nilai” dari pesan – yaitu, bagaimana pesan akhirnya diubah menjadi uang tunai. Karena bagaimanapun juga, tujuan akhir dari spammer adalah tetap mendapatkan bayaran.
Mengetahui hal ini, pakar keamanan email dapat bertanya, “Bagaimana penipu online mendapatkan uangnya di kehidupan nyata?”, “Apa ide di balik strategi spammer dalam mengecoh filter spam yang ada?” Ada banyak pengalaman dan beberapa keahlian khusus yang terlibat dalam pemikiran ini yang hanya dimiliki oleh manusia.
Tiga nuansa spam
Ada juga faktor manusia lain yang memainkan peran penting dalam penanganan spam: Bagaimana pengguna sendiri memahami kategori email yang mencurigakan.
Dari sudut pandang pengguna, spam dapat diklasifikasikan menjadi tiga kategori. Pertama, ada spam yang diblokir. Ini adalah spam yang tidak diterima oleh server email penyedia (karena dikirimkan oleh server dalam daftar blokir) atau dapat dideteksi sebagai spam yang tidak diinginkan oleh filter spam, misalnya iklan ilegal.
Kedua, ada spam “merah” yang berisi tautan berbahaya (mis., phishing) atau bahkan malware.
Lalu ada kategori ketiga: “Graymail.” Disebut “abu-abu” karena tidak ada dalam daftar pengirim yang diblokir maupun dalam daftar pengirim yang disetujui pengguna; ini adalah email yang filter spam Anda tidak yakin apa yang harus dilakukan, karena beberapa pengguna menandainya sebagai spam dan yang lainnya tidak.
Email dari pengecer sering termasuk dalam kategori ini, misalnya. Penerima biasanya memilih untuk menerimanya ketika dia melakukan pembelian, tetapi setelah itu dia tidak ingin mereka terus mengganggunya dan selalu memindahkannya ke folder ‘Sampah’, dan mungkin juga mengklik ‘blokir pengirim’.
Seiring waktu, filter spam kotak masuk pribadi akan mempelajari apa yang dianggap penerima sebagai “mail abu-abu” berdasarkan tindakan ini.
Tantangan serius bagi para ahli yang bekerja di keamanan email dalam menyesuaikan filter email adalah untuk mengenali email mana yang benar-benar termasuk dalam kategori spam vs email yang merupakan buletin sah yang sebaiknya dihentikan langganannya oleh pengguna daripada sekadar pindah ke folder spam mereka.
AI di masa depan akan dapat menyesuaikan dan meningkatkan reaksinya terhadap pesan semacam ini secara proaktif, berdasarkan umpan balik yang berkelanjutan.
Baca juga: Layanan aplikasi YouTube Go akan dihentikan Agustus mendatang
Terlepas dari teknologi perpesanan tertutup yang baru, email tidak diragukan lagi merupakan standar perpesanan terbesar dan paling sukses di Internet.
Peran email sebagai tulang punggung bagi sebagian besar layanan digital lainnya juga merupakan alasan mengapa tidak ada upaya, baik dari pengguna email maupun dari penyedia layanan email, yang terlalu besar untuk menjaga akun email tetap aman dan terlindungi. (*)
