Buana Cyber Security Knowledge

Kenapa “AI + ASC 740” Perlu Breach Controls yang Spesifik?

ASC 740 (Accounting for Income Taxes) adalah standar akuntansi yang mengatur pengakuan dan pengungkapan pajak penghasilan. Di praktiknya, pekerjaan ASC 740 melibatkan perhitungan provision pajak, deferred tax assets/liabilities, uncertain tax positions, hingga rekonsiliasi data lintas entitas dan yurisdiksi.

Masalahnya: artefak kerja ASC 740 sering berisi data paling sensitif di organisasi, seperti detail pendapatan, struktur entitas, transaksi material, proyeksi, hingga informasi pajak per negara. Ketika organisasi mulai memakai AI (misalnya untuk ekstraksi data dari dokumen, ringkasan memo pajak, atau analisis anomali), permukaan risiko bertambah—bukan karena AI “jahat”, melainkan karena alur data, penyimpanan, dan akses menjadi lebih kompleks.

Di sinilah breach controls dibutuhkan: rangkaian kontrol pencegahan, deteksi, dan respons untuk menurunkan peluang kebocoran data (data breach) serta meminimalkan dampaknya jika insiden terjadi.

Ancaman Umum pada Proses ASC 740 (Saat AI Ikut Digunakan)

Berikut pola risiko yang sering muncul di area finance/tax ketika AI diperkenalkan:

• Eksfiltrasi data tanpa sengaja: pengguna menyalin data sensitif ke tool AI publik atau workspace yang tidak sesuai kebijakan retensi.
• Hak akses terlalu luas: file provision, workpaper, dan trial balance dapat diakses oleh lebih banyak orang karena “kolaborasi” dan otomasi.
• Integrasi API yang longgar: koneksi dari ERP, data warehouse, dan repositori dokumen ke layanan AI bisa membuka celah jika token/API key tidak dikelola ketat.
• Prompt injection / data leakage pada AI generatif: input yang tidak aman dapat memicu model mengeluarkan data sensitif dari konteks yang tidak semestinya (terutama jika ada fitur retrieval atau koneksi ke basis pengetahuan internal).
• Ketidakjelasan jejak audit: AI mempercepat proses, tetapi bila tidak ada logging dan kontrol perubahan, hasil kerja sulit dipertanggungjawabkan saat audit SOX atau audit laporan keuangan.
• Risiko vendor: layanan AI pihak ketiga dapat memiliki subprosesor, lokasi pemrosesan, atau kebijakan pelatihan model yang tidak sesuai.

Prinsip Dasar Breach Controls untuk Lingkup ASC 740

Sebelum memilih tool AI atau menambah kontrol baru, tetapkan prinsip kontrol yang konsisten:

• Minimasi data: hanya kirim data yang dibutuhkan untuk tujuan tertentu.
• Least privilege: akses minimum berdasarkan peran (tax, finance, audit, IT, vendor).
• Segregation of Duties (SoD): pemisahan peran penyusun, reviewer, dan approver untuk perubahan data/perhitungan.
• Defense-in-depth: jangan bergantung pada satu kontrol (misalnya hanya encryption). Kombinasikan pencegahan, deteksi, dan respons.
• Auditability: setiap output AI yang memengaruhi angka/ungkapan harus bisa dilacak: sumber data, versi, pengguna, waktu, dan persetujuan.

Kontrol Pencegahan (Preventive) yang Paling Relevan

1) Klasifikasi Data & Kebijakan Penggunaan AI

Mulai dari data classification yang jelas. Untuk ASC 740, umumnya banyak data masuk kategori Confidential/Restricted.

• Definisikan data apa saja yang dilarang masuk ke AI publik (misalnya angka provision per entitas, data WHT/VAT detail, rekonsiliasi, proyeksi).
• Atur jalur AI yang diperbolehkan: misalnya hanya AI yang di-host internal atau enterprise AI dengan kontrak yang melarang penggunaan data pelanggan untuk pelatihan.
• Labeling pada dokumen/workpaper (metadata) agar DLP dan kontrol akses bisa bekerja otomatis.

2) Identitas, Akses, dan Privileged Access Management

Mayoritas breach diawali dari akses yang terlalu longgar atau kredensial yang bocor.

• MFA wajib untuk semua akun finance/tax dan admin.
• Role-based access control untuk folder workpaper, sistem provision, dan knowledge base (misalnya memo pajak).
• Just-in-time access untuk akses admin, dibatasi waktu dan disetujui.
• Privileged Access Management (PAM) untuk mengelola akun superuser, termasuk rotasi password dan session recording.

3) Keamanan Data: Enkripsi, Tokenisasi, dan Lingkungan Terisolasi

• Encryption in transit (TLS) dan encryption at rest untuk repositori dokumen, database, dan storage integrasi AI.
• Tokenisasi/masking untuk data yang tidak perlu tampil jelas (misalnya ID entitas, nomor akun tertentu) saat pengujian atau prototyping AI.
• Environment separation: pisahkan dev/test/prod dan batasi data produksi masuk ke dev/test kecuali ada kontrol anonimisasi yang kuat.

4) DLP untuk Mencegah Kebocoran via Copy-Paste, Upload, dan Email

Data Loss Prevention (DLP) sangat praktikal untuk risiko “human error”. Terapkan:

• Blokir/beri peringatan saat file berlabel Restricted diunggah ke layanan AI yang tidak disetujui.
• Kebijakan email: deteksi lampiran workpaper ASC 740 yang dikirim ke domain eksternal.
• Kontrol endpoint: pembatasan clipboard/print/screenshot pada perangkat tertentu jika diperlukan (dengan mempertimbangkan usability).

5) Kontrol Integrasi: API Security dan Secret Management

Jika AI menarik data dari ERP atau data warehouse, kontrol integrasi menjadi kritikal:

• Secret vault untuk API key/token (bukan disimpan di script atau spreadsheet).
• Scope token minimal: token hanya boleh membaca dataset tertentu, bukan seluruh warehouse.
• Network segmentation dan pembatasan egress: hanya endpoint yang disetujui dapat diakses.
• Rate limiting dan monitoring panggilan API untuk mendeteksi penyalahgunaan.

Kontrol Deteksi (Detective) untuk Menangkap Indikasi Breach Lebih Dini

1) Logging Terpusat & SIEM untuk Aktivitas Tax/Finance

Pastikan aktivitas pada sistem provision, repositori dokumen, dan platform AI tercatat dan terkirim ke SIEM:

• Login gagal berulang, login dari lokasi tidak biasa, dan akses di luar jam kerja.
• Unduhan massal workpaper atau query data besar.
• Perubahan hak akses folder ASC 740 atau perubahan konfigurasi konektor AI.
• Aktivitas admin (pembuatan token baru, perubahan kebijakan retensi, perubahan logging).

2) UEBA dan Anomali yang Relevan dengan ASC 740

User and Entity Behavior Analytics (UEBA) dapat mendeteksi pola yang tidak sesuai kebiasaan, contohnya:

• Akun tax analyst yang tiba-tiba mengakses folder entitas yang biasanya tidak pernah dikerjakan.
• Lonjakan upload dokumen ke workspace AI tertentu.
• Peningkatan penggunaan API pada minggu mendekati penutupan buku (close) yang tidak sesuai baseline historis.

3) Audit Trail yang “Siap Auditor” untuk Output AI

Deteksi juga berarti siap menjawab pertanyaan “siapa melakukan apa dan kapan”. Untuk penggunaan AI dalam ASC 740:

• Catat versi model atau versi konfigurasi (misalnya prompt template yang digunakan).
• Catat sumber data (dokumen/ID dataset) yang dipakai AI untuk menghasilkan ringkasan atau klasifikasi.
• Simpan hasil review/approval manusia untuk output yang memengaruhi angka atau pengungkapan.

Kontrol Respons (Responsive) Saat Insiden Terjadi

1) Incident Response Playbook Khusus Data Pajak/ASC 740

Playbook generik sering tidak cukup. Buat skenario spesifik:

• Kebocoran workpaper provision ke pihak eksternal.
• Token integrasi AI dicuri dan dipakai menarik data warehouse.
• Dokumen memo pajak rahasia terindeks di knowledge base yang salah izin akses.

Setiap skenario perlu langkah: isolasi akses, rotasi kredensial, forensik log, pemberitahuan internal, serta penilaian dampak legal/regulator/audit.

2) Prosedur Containment untuk Platform AI

• Kill switch untuk mematikan konektor data atau akses AI ke repositori tertentu.
• Rotasi cepat API key dan revoke session.
• Quarantine dokumen yang terindikasi bocor serta peninjauan ulang hak akses.

3) Pelaporan dan Kesiapan Audit Setelah Insiden

Untuk organisasi yang tunduk pada SOX atau audit laporan keuangan, penting menyiapkan bukti:

• Kronologi insiden (timeline) dari SIEM/log sistem.
• Dampak pada pelaporan pajak/keuangan: apakah angka ASC 740 terdampak atau hanya kerahasiaan data.
• Remediasi: kontrol yang diperkuat dan hasil pengujian ulang.

Tata Kelola AI (AI Governance) agar Tidak Menjadi Sumber Breach

1) Model & Data Governance: Retensi, Lokasi, dan Penggunaan Data

Untuk AI yang digunakan di proses ASC 740, tegaskan:

• Data retention: berapa lama prompt, dokumen, dan output disimpan.
• Data residency bila relevan (misalnya pembatasan lintas negara).
• Larangan pelatihan menggunakan data perusahaan untuk model umum, kecuali ada persetujuan tertulis dan kontrol yang sangat ketat.

2) Prompt & Knowledge Base Controls (Anti Data Leakage)

• Gunakan template prompt yang disetujui, bukan prompt bebas untuk kasus sensitif.
• Jika memakai retrieval (RAG), terapkan permission-aware retrieval agar AI hanya menarik dokumen yang memang boleh diakses pengguna.
• Lakukan red teaming defensif pada risiko kebocoran (uji aman untuk memastikan sistem tidak menampilkan data di luar hak akses), dengan prosedur internal dan tanpa mengekspos data nyata ke pihak tak berwenang.

3) Human-in-the-Loop untuk Keputusan Material

Dalam ASC 740, keluaran AI sebaiknya diposisikan sebagai asisten, bukan pengambil keputusan final:

• AI boleh menyarankan klasifikasi atau ringkasan memo, tetapi reviewer manusia wajib menyetujui sebelum dipakai.
• Perubahan angka provision, asumsi, atau disclosure harus melalui workflow approval dan SoD.

Checklist Implementasi Breach Controls untuk AI di ASC 740

• Inventarisasi data: dataset/dokumen ASC 740, lokasi, pemilik, klasifikasi.
• Daftar tool AI: mana yang enterprise-approved, mana yang dilarang.
• Kontrol akses: RBAC, MFA, PAM, SoD, JIT access.
• DLP: kebijakan upload/copy/email untuk label Restricted.
• Logging & SIEM: event akses, query besar, perubahan konfigurasi, aktivitas admin.
• AI governance: retensi, larangan training, data residency, template prompt, permission-aware retrieval.
• Incident response: playbook spesifik, kill switch, rotasi secret, pelaporan.
• Uji berkala: tabletop exercise dan pengujian kontrol, termasuk akses dan retrieval.

FAQ: AI, ASC 740, dan Breach Controls

Apa hubungan ASC 740 dengan keamanan siber?

ASC 740 sendiri adalah standar akuntansi, tetapi prosesnya menggunakan data keuangan dan pajak yang sangat sensitif. Kebocoran data ini bisa berdampak pada kerahasiaan strategi pajak, posisi kompetitif, serta risiko kepatuhan dan reputasi. Karena itu, keamanan siber menjadi lapisan kontrol penting di sekitar proses ASC 740.

Apakah boleh memakai AI publik (gratis) untuk merangkum workpaper ASC 740?

Secara defensif, praktik yang lebih aman adalah tidak mengunggah workpaper atau data ASC 740 ke AI publik tanpa persetujuan formal dari tim security, legal, dan compliance. Risiko utamanya adalah retensi data, penggunaan data untuk pelatihan, akses pihak ketiga, dan sulitnya membuktikan kontrol/audit trail.

Kontrol paling cepat diterapkan untuk menurunkan risiko breach apa?

Tiga langkah cepat yang biasanya berdampak besar: MFA untuk semua akun terkait, DLP untuk mencegah upload/berbagi data Restricted ke layanan tidak sah, dan logging terpusat ke SIEM untuk memantau akses dan aktivitas tidak normal.

Bagaimana memastikan output AI “siap audit” untuk kebutuhan SOX dan audit laporan keuangan?

Pastikan ada jejak audit: siapa yang menjalankan AI, sumber data apa yang dipakai, versi model/konfigurasi, output yang dihasilkan, serta bukti review dan approval manusia. Untuk perubahan material, gunakan workflow yang mendukung SoD dan kontrol perubahan.

Apa risiko terbesar saat memakai RAG/knowledge base untuk dokumen pajak internal?

Risiko terbesar adalah akses tidak semestinya: pengguna bisa menerima ringkasan yang memuat informasi dari dokumen yang sebenarnya tidak berhak ia lihat. Mitigasinya adalah permission-aware retrieval, segmentasi repositori, pengujian kontrol akses, dan monitoring query/hasil yang sensitif.

Intinya: AI bisa mempercepat pekerjaan ASC 740, tetapi hanya aman bila didampingi breach controls yang kuat—mulai dari klasifikasi data dan DLP, kontrol akses dan secret management, hingga logging, incident response, dan AI governance yang ketat.