Kasus penipuan digital terus meningkat seiring berkembangnya teknologi kecerdasan buatan (AI). Modus seperti phishing, rekayasa sosial (social engineering), hingga deepfake kini semakin sulit dikenali karena pelaku mampu membuat komunikasi yang terlihat meyakinkan.

Menjawab tantangan tersebut, Apple menghadirkan framework baru bernama Trust Insights di iOS 27. Teknologi ini dirancang untuk membantu aplikasi mendeteksi indikasi penipuan secara real-time sekaligus memberikan peringatan kepada pengguna sebelum mereka mengambil tindakan yang berisiko.

Apa Itu Trust Insights di iOS 27?

Trust Insights merupakan framework keamanan terbaru Apple yang memungkinkan pengembang aplikasi menambahkan fitur pendeteksi penipuan berbasis AI. Beberapa kemampuan utama framework ini meliputi:

• Mendeteksi indikasi pengguna sedang menjadi target social engineering.
• Memberikan sinyal risiko kepada aplikasi tanpa mengorbankan privasi pengguna.
• Membantu aplikasi menampilkan peringatan sebelum pengguna melakukan tindakan yang berpotensi merugikan.
• Mendukung berbagai jenis komunikasi digital, seperti panggilan telepon, SMS, email, hingga aplikasi pesan.

Framework ini tidak secara otomatis memblokir aktivitas pengguna, melainkan memberikan informasi kepada aplikasi agar dapat mengambil langkah pencegahan yang sesuai.

Baca Juga: Waspada Penipuan Pre-Order GTA VI, Amankan Data Pribadi!

Bagaimana AI Mendeteksi Potensi Penipuan?

Apple menjelaskan bahwa Trust Insights menggunakan machine learning yang berfokus pada perlindungan privasi (privacy-preserving machine learning). Sebagian besar proses analisis dilakukan langsung di perangkat (on-device), sehingga data pribadi pengguna tetap lebih terjaga.

Dalam prosesnya, sistem akan menganalisis beberapa indikator, seperti:

• Pola interaksi pengguna.
• Waktu dan urutan aktivitas.
• Konteks komunikasi.
• Data sensor dasar yang tersedia di perangkat.

Dari hasil analisis tersebut, sistem akan menentukan tingkat risiko, misalnya:

• Risiko sedang (Medium Risk) apabila ditemukan indikasi awal aktivitas mencurigakan.
• Risiko tinggi (High Risk) apabila pola perilaku sangat menyerupai skenario penipuan.

Apa yang Terjadi jika Sistem Mendeteksi Risiko?

Apabila Trust Insights mendeteksi adanya potensi penipuan, aplikasi yang telah mengintegrasikan framework ini dapat melakukan berbagai tindakan pencegahan, antara lain:

• Menampilkan peringatan kepada pengguna.
• Menambahkan langkah verifikasi sebelum transaksi diproses.
• Memberikan jeda (delay) agar pengguna memiliki waktu untuk berpikir sebelum melanjutkan tindakan.
• Meminta konfirmasi tambahan untuk aktivitas yang dinilai berisiko tinggi.

Pendekatan ini bertujuan mengurangi kemungkinan pengguna mengambil keputusan secara tergesa-gesa akibat manipulasi pelaku penipuan.

Mengapa Social Engineering Sulit Dideteksi?

Berbeda dengan malware atau virus, social engineering memanfaatkan psikologi manusia. Beberapa karakteristiknya meliputi:

• Pelaku membujuk korban agar melakukan tindakan sendiri.
• Aktivitas yang dilakukan korban sebenarnya sah dan telah melewati proses autentikasi.
• Sistem keamanan konvensional sering kali tidak menganggap aktivitas tersebut sebagai ancaman.

Karena itulah Apple mengembangkan pendekatan baru yang berfokus pada analisis perilaku, bukan hanya isi pesan atau file yang diterima pengguna.

Baca Juga: Cara Mempersiapkan Transisi ke PQC bagi Perusahaan

AI Jadi Senjata Baru untuk Lawan Penipuan Digital

Kemajuan AI memang dimanfaatkan oleh pelaku kejahatan siber untuk membuat modus penipuan semakin meyakinkan, misalnya melalui:

• Deepfake suara.
• Deepfake video.
• Email phishing yang tampak resmi.
• Chat berbasis AI yang menyerupai layanan pelanggan asli.

Namun, di sisi lain, AI juga menjadi alat yang efektif untuk membantu mendeteksi pola-pola penipuan yang sulit dikenali manusia.

Melalui Trust Insights, Apple menunjukkan bahwa AI tidak hanya digunakan untuk meningkatkan produktivitas, tetapi juga dapat dimanfaatkan sebagai lapisan keamanan tambahan dalam melindungi pengguna dari ancaman siber.

Tantangan Implementasi Trust Insights

Meski menjanjikan, efektivitas fitur ini tetap bergantung pada akurasi sistem deteksinya. Beberapa tantangan yang perlu diperhatikan, antara lain:

• Meminimalkan false positive agar pengguna tidak terlalu sering menerima peringatan yang sebenarnya tidak diperlukan.
• Menjaga keseimbangan antara keamanan dan kenyamanan pengguna.
• Memberikan notifikasi yang mudah dipahami sehingga pengguna dapat mengambil keputusan dengan tepat.

Jika terlalu banyak peringatan yang tidak relevan, pengguna berisiko mengabaikan notifikasi ketika benar-benar terjadi upaya penipuan.