Investigasi Data Kamera Flock: Celah Keamanan Fisik dan Jejak Pengawasan Publik

Keamanan fisik dan arsitektur kriptografi pada perangkat Internet of Things (IoT) yang terpasang di ruang terbuka publik kembali menjadi pusat perhatian komunitas keamanan siber global. Investigasi mendalam yang dipublikasikan secara bersama oleh media teknologi WIRED dan 404 Media pada pertengahan September 2026 mengungkap insiden pembongkaran fisik terhadap unit kamera Automatic License Plate Reader (ALPR) buatan Flock Safety. Sebuah kelompok peretas independen berhasil menurunkan perangkat keras kamera dari tiang penyangga di pinggir jalan raya, melakukan rekayasa balik (reverse engineering), dan mengekstrak basis data penyimpanan lokal secara utuh.

Dari berkas yang diekstraksi dan diserahkan kepada organisasi transparansi data Distributed Denial of Secrets (DDoSecrets), ditemukan ribuan berkas rekaman video dan berkas log operasional yang mencatat sekitar 1,6 juta tangkapan gambar dari 50.000 kendaraan berbeda hanya dalam durasi operasional 21 hari. Kasus ini membongkar celah fatal dalam tata kelola enkripsi pada perangkat keras fisik tepi jalan serta menyoroti dampak nyata pengawasan pergerakan masyarakat sipil tanpa pengawasan yang memadai.

Anatomi Celah Enkripsi: Menyimpan Kunci di Samping Gembok

Flock Safety secara konsisten mempromosikan produk pemantauan kendaraannya sebagai sistem terenkripsi dengan standar keamanan tinggi untuk meyakinkan pemerintah kota dan lembaga kepolisian. Namun, investigasi teknis terhadap media penyimpanan fisik kamera membuktikan adanya kesalahan fundamental dalam implementasi sistem kriptografi di tingkat firmware perangkat keras.

Kamera ALPR tersebut mengoperasikan sistem operasi turunan Android embedded yang dipasang pada modul memori flash lokal (eMMC). Struktur penyimpanan flash tersebut dibagi ke dalam beberapa partisi disk logika. Tim peretas menemukan bahwa partisi sistem bernama vendor dan partisi data bernama media tidak dilindungi oleh enkripsi volume penuh (Full Disk Encryption). Lebih fatal lagi, di dalam partisi media yang terbuka bebas tersebut, teknisi menemukan berkas kunci enkripsi statis yang ternyata berfungsi sebagai kunci dekripsi utama untuk membuka partisi arsip video dan berkas log deteksi kendaraan.

Dengan menguasai kunci simetris yang tersimpan secara telanjang di media penyimpanan yang sama, perlindungan enkripsi perangkat seketika menjadi tidak berguna. Fenomena ini dalam dunia keamanan siber diibaratkan seperti memasang pintu baja dengan gembok canggih, namun meninggalkan anak kuncinya tergantung tepat di pegangan pintu. Ketiadaan chip proteksi berbasis perangkat keras seperti Trusted Platform Module (TPM) atau Secure Enclave membuat siapa pun yang memiliki akses fisik terhadap papan sirkuit kamera dapat membaca seluruh data operasional di dalamnya.

Kapabilitas Computer Vision Riil: Jauh Melampaui Plat Nomor

Dokumentasi publik yang disampaikan kepada masyarakat umumnya menggambarkan kamera ALPR sebagai sensor pemindai plat nomor kendaraan bermotor guna mendeteksi mobil curian atau buronan polisi. Namun, analisis forensik terhadap jutaan log yang tersimpan di dalam memori internal kamera membuktikan bahwa algoritma visi komputer yang dijalankan di sisi edge memiliki kapabilitas pengawasan yang jauh lebih agresif dan detail:

• Klasifikasi Manusia dan Pejalan Kaki: Kamera secara otomatis mendeteksi siluet pejalan kaki, memperkirakan arah pergerakan mereka, serta menyimpan titik koordinat deteksi dalam metadata berkas gambar.
• Identifikasi Pengendara Sepeda dan Kendaraan Mikro: Sistem mampu membedakan sepeda ontel, skuter listrik, dan sepeda motor secara presisi pada berbagai kondisi pencahayaan jalan.
• Segmentasi Visual Atribut Spesifik: Algoritma deteksi objek secara otomatis memotong (crop) dan mengarsipkan elemen grafis spesifik pada bodi kendaraan, seperti stiker bemper, aksesoris bagasi, hingga emblem bendera atau logo komunitas pada tas samping sepeda motor.
• Frekuensi Pemotretan Berulang (Multi-Shot Burst): Alih-alih hanya mengambil satu gambar dokumentasi saat plat nomor terbaca, kamera memicu puluhan kali jepretan resolusi tinggi untuk setiap kendaraan tunggal yang melintas di depannya, menciptakan rekam jejak visual pergerakan mikro yang sangat rinci.

Seluruh rekaman gambar lokal beserta metadata atribut kendaraan dikirimkan melalui modem seluler nirkabel ke server komputasi awan Flock Safety, di mana data tersebut digabungkan ke dalam indeks pencarian nasional yang dapat ditelusuri berdasarkan warna mobil, jenis aksesoris, serta riwayat waktu melintas di berbagai wilayah yurisdiksi hukum.

Jaringan Pengawasan Antar-Agensi dan Risiko Penyalahgunaan

Sisi paling kontroversial dari ekosistem kamera pengawas ini adalah fitur pencarian lintas batas (cross-agency sharing). Meskipun sebuah kamera dibeli menggunakan anggaran belanja kota kecil tertentu, sistem cloud Flock memungkinkan data dari kamera tersebut dibagikan kepada ribuan lembaga penegak hukum lain di seluruh penjuru negeri.

Investigasi WIRED menemukan bahwa di kota Alpharetta, negara bagian Georgia, rekaman dari kamera pengawas lokal dapat diakses secara leluasa oleh lebih dari 2.000 instansi berbeda. Instansi yang memiliki hak akses ini mencakup kepolisian antar-negara bagian, aparat keamanan universitas swasta, otoritas pelabuhan dan bandara, hingga kantor inspektorat jenderal administrasi pemerintahan federal.

Investigasi sebelumnya oleh 404 Media telah mengungkap skandal nyata di mana akses pencarian plat nomor lintas negara bagian disalahgunakan oleh oknum kepolisian lokal untuk memburu individu dalam perkara sipil dan hak reproduksi yang sebenarnya dilindungi oleh undang-undang di wilayah tempat tinggal mereka. Ketiadaan audit independen yang ketat dan kemudahan mengakses jaringan data nasional tanpa surat perintah pengadilan (warrantless surveillance) memicu perlawanan sipil yang berujung pada aksi vandalisme dan pembongkaran paksa perangkat di berbagai daerah.

Pelajaran Rekayasa Sistem untuk Arsitek Edge Computing dan IoT

Bagi para engineer perangkat lunak dan perancang hardware IoT, insiden kebocoran data Flock Safety menjadi studi kasus klasik mengenai bahaya merancang sistem komputasi tepi tanpa memodelkan ancaman fisik (threat modeling) secara matang:

1. Asumsikan Perangkat Luar Ruang Pasti Terjamah Fisik: Sensor, kamera, dan gateway IoT yang dipasang di tiang umum, fasilitas publik, atau infrastruktur terbuka harus selalu diasumsikan dapat dicuri atau dibongkar oleh penyerang dengan peralatan laboratorium lengkap. Jangan pernah menggantungkan keamanan hanya pada casing baut pengunci fisik.
2. Penerapan Hardware Root of Trust Wajib Mutlak: Kunci enkripsi media penyimpanan tidak boleh disimpan dalam bentuk berkas konfigurasi di partisi flash. Gunakan modul kriptografi hardware khusus yang mengikat kunci enkripsi dengan pengukuran integritas booting firmware (Secure Boot) serta dilengkapi sensor tamper-evident yang otomatis menghapus kunci jika sirkuit dibuka paksa.
3. Terapkan Prinsip Minimalisasi Pengumpulan Data: Jika fungsi utama perangkat di lapangan hanyalah membaca string karakter nomor polisi dan mencocokkannya dengan daftar pencarian lokal, jangan pernah menyimpan video mentah berdurasi puluhan jam di penyimpanan lokal edge. Data yang tidak pernah disimpan adalah data yang paling aman dari ancaman peretasan.

Integritas sebuah infrastruktur teknologi tidak hanya diuji dari ketangguhan firewall jaringan di lapisan cloud, melainkan juga dari kejujuran rekayasa perangkat keras yang berada langsung di garis terdepan dunia fisik.

Rincian Analisis Forensik: Mengapa Partisi Vendor dan Media Menjadi Titik Lemah

Eksplorasi teknis yang dilakukan oleh para peneliti keamanan terhadap papan sirkuit kamera Flock Safety memperlihatkan betapa rapuhnya ekosistem perangkat keras ketika prinsip keamanan berlapis (defense-in-depth) diabaikan. Kamera ALPR ini ditenagai oleh prosesor System-on-Chip (SoC) berbasis ARM yang lazim ditemukan pada perangkat komputasi bergerak. Sistem operasi Android embedded yang terpasang menggunakan skema partisi penyimpanan eMMC standar.

Dalam desain sistem keamanan modern, partisi yang memuat data pengguna atau berkas telemetri sensitif wajib dienkripsi menggunakan skema Android File-Based Encryption (FBE) atau dm-crypt Linux yang terikat erat dengan kunci perangkat keras (Hardware-backed Keystore). Kunci ini seharusnya hanya dapat diakses oleh proses sistem yang memiliki otorisasi tinggi dan secara fisik tidak dapat dibaca dari luar melalui antarmuka serial atau ekstraksi chip langsung.

Namun pada unit kamera Flock yang dibongkar, partisi vendor yang memuat pustaka biner pengemudi perangkat keras serta partisi media yang menampung berkas tangkapan kamera dibiarkan dalam format sistem berkas ext4 tanpa enkripsi volume aktif. Peneliti cukup menghubungkan pinout pengujian (test points) antarmuka eMMC ke modul pembaca kartu memori eksternal di komputer laboratorium untuk membaca seluruh struktur folder secara langsung.

Di dalam partisi media tersebut, berkas konfigurasi sistem memuat string kunci kriptografi AES-256 yang digunakan oleh modul perekam untuk mengenkripsi partisi video utama. Akibat penempatan kunci yang berada pada media fisik yang sama tanpa perlindungan Secure Enclave, tim peretas dapat menyusun skrip otomasi sederhana menggunakan OpenSSL untuk mendekripsi puluhan gigabyte rekaman video beresolusi tinggi hanya dalam waktu beberapa menit.

Ancaman Pengawasan Massal: Rekonstruksi Pola Hidup dan Lokasi Individu

Kebocoran 1,6 juta gambar dari 50.000 kendaraan dalam rentang 21 hari pada satu unit kamera tunggal memberikan gambaran gamblang mengenai densitas data pengawasan yang dikumpulkan oleh jaringan ALPR setiap detiknya. Jika satu kamera mampu menghimpun jutaan data dalam tiga pekan, jaringan puluhan ribu kamera Flock yang tersebar di seluruh penjuru kota memiliki kapasitas untuk merekonstruksi rute perjalanan dan pola kebiasaan harian jutaan warga negara secara real-time.

Dengan menggabungkan stempel waktu (timestamp), koordinat GPS tiang kamera, dan tangkapan visual plat nomor, basis data Flock memungkinkan pembentukan profil pergerakan yang sangat invasif:

• Pelacakan Rutinitas Harian: Sistem dapat mendeteksi jam berapa seorang pengemudi meninggalkan rumah, rute jalan mana yang dipilih untuk mengantar anak ke sekolah, di mana tempat kerja mereka, hingga tempat ibadah atau klinik kesehatan yang dikunjungi pada akhir pekan.
• Identifikasi Asosiasi Sosial: Melalui algoritma analisis konvoi (convoy analysis), sistem dapat melacak dua kendaraan berbeda yang sering melintasi titik-titik kamera yang sama dalam jeda waktu beberapa detik. Hal ini memungkinkan aparat mengidentifikasi jaringan pertemanan, hubungan kerja, atau afiliasi politik seseorang tanpa memerlukan bukti keterlibatan tindak pidana apa pun.
• Risiko Stalking dan Kejahatan Siber: Apabila kredensial portal akses kamera bocor ke dark web atau disusupi oleh hacker luar, informasi lokasi kendaraan target dapat dimanfaatkan oleh pelaku kejahatan untuk melakukan penguntitan fisik, pencurian kendaraan terencana, atau pemerasan berbasis riwayat perjalanan rahasia.

Rekomendasi Kebijakan dan Langkah Mitigasi untuk Pengelola Smart City

Bagi pemerintah daerah, dinas perhubungan, dan pengelola proyek Smart City yang memanfaatkan teknologi pemantauan jalan raya, insiden ini harus dijadikan momentum evaluasi tata kelola teknologi secara menyeluruh:

1. Audit Keamanan Perangkat Keras Pihak Ketiga: Jangan pernah menerima klaim pemasaran vendor mengenai enkripsi militer tanpa melakukan audit penetrasi independen terhadap perangkat fisik yang akan dipasang di jalan umum. Uji ketahanan perangkat keras terhadap serangan ekstraksi firmware via JTAG, UART, dan eMMC dumping.
2. Batasi Hak Akses Berbasis Wilayah Hukum (Geo-Fencing): Nonaktifkan fitur pembagian basis data nasional secara otomatis. Data pergerakan kendaraan di satu kota tidak boleh dibuka untuk pencarian instansi luar daerah kecuali terdapat surat perintah pengadilan resmi yang terverifikasi untuk kasus kejahatan berat.
3. Terapkan Kebijakan Retensi Singkat (Data Purging): Terapkan penghapusan data otomatis dalam waktu 24 hingga 48 jam untuk kendaraan yang tidak terdaftar dalam daftar pencarian aktif (hotlist buronan atau kendaraan curian). Menyimpan riwayat perjalanan warga sipil yang tidak bersalah selama berbulan-bulan menciptakan risiko kebocoran data yang tidak sebanding dengan manfaat operasionalnya.

Rekomendasi Tools & Layanan

Mau langsung nyobain AI yang dibahas di artikel ini tanpa setup ribet? AI token plan Alibaba Cloud ngasih akses ke Qwen, DeepSeek, dan model lain lewat satu API dan platform Qwen buat build agent sendiri. Free tier-nya cukup buat eksperimen pertama.