Integrasi kecerdasan buatan langsung ke dalam peramban web membawa kenyamanan baru, namun sekaligus menghadirkan vektor serangan yang belum dipetakan. Berdasarkan laporan Dark Reading pada 2 Maret 2026, para peneliti keamanan menemukan celah signifikan pada fitur panel samping (side panel) Google Gemini di peramban Chrome. Bug ini memungkinkan penyerang untuk melakukan pembajakan (hijacking) terhadap sesi AI pengguna, yang berpotensi menyebabkan pencurian informasi sensitif melalui teknik injeksi perintah yang dieksekusi secara diam-diam.
Eksploitasi PostMessage dan Injeksi Perintah
Secara teknis, kerentanan ini berakar pada cara panel samping Gemini menangani komunikasi antar-jendela melalui API postMessage. Peneliti menemukan bahwa validasi asal (origin validation) yang lemah memungkinkan situs web jahat untuk mengirimkan instruksi ke panel Gemini tanpa seizin pengguna. Fokus utama dari serangan ini adalah memaksa Gemini untuk mengeksfiltrasi data dari tab yang sedang aktif atau memanipulasi respons AI guna mengarahkan pengguna ke situs phishing yang sangat meyakinkan.
Di awal Maret 2026, risiko keamanan pada asisten AI yang "sadar konteks" (context-aware AI) menjadi perhatian utama industri keamanan siber. Karena Gemini memiliki akses untuk membaca konten halaman web guna memberikan ringkasan, celah pembajakan panel ini secara efektif memberikan penyerang "mata" di dalam sesi privat pengguna. Analis mencatat bahwa jenis serangan Indirect Prompt Injection melalui panel samping ini sulit dideteksi oleh solusi antivirus tradisional karena aktivitasnya terjadi di dalam memori proses peramban yang dianggap sah.
Urgensi Pembaruan dan Keamanan Endpoint
Google dilaporkan telah mulai menggulirkan perbaikan darurat untuk memperketat kebijakan keamanan konten (CSP) pada ekstensi Gemini. Fokus utama bagi administrator sistem saat ini adalah memastikan seluruh endpoint perusahaan telah memperbarui peramban ke versi terbaru dan membatasi izin akses AI pada situs-situs dengan kredensial tinggi. Bagi ekosistem digital, penemuan ini merupakan pengingat bahwa setiap lapisan antarmuka baru (UI) yang berinteraksi dengan model bahasa besar (LLM) memerlukan audit keamanan yang jauh lebih ketat demi menjaga integritas data pengguna.
