PUBLIKASIINDONESIAPUBLIKASIINDONESIA

Jurnal Indonesia Sosial TeknologiJurnal Indonesia Sosial Teknologi

Penelitian ini menggunakan machine learning berbasis supervised machine learning untuk memperkenalkan pendekatan klasifikasi yang dioptimalkan untuk mendeteksi serangan Shellcode. Tidak seperti penelitian sebelumnya yang hanya berfokus pada ekstraksi fitur atau metode deteksi anomali tradisional, penelitian ini mengintegrasikan penyetelan hyperparameter dan evaluasi kinerja untuk mengidentifikasi model klasifikasi yang paling efektif. Penggunaan beberapa teknik klasifikasi dalam kerangka pembanding meningkatkan kebaruan penelitian ini. Mengingat meningkatnya frekuensi serangan siber dan kerentanan Indonesia terhadap ancaman keamanan siber, pengembangan sistem deteksi yang efisien dan andal sangat penting. Temuan penelitian ini dapat berkontribusi pada penguatan strategi keamanan siber nasional dan melindungi aset digital dari intrusi berbahaya.

Penelitian ini menganalisis klasifikasi Shellcode dengan machine learning berdasarkan klasifikasi biner, yaitu KNN, Decision Tree, dan Naïve Bayes.Secara keseluruhan, ketiga klasifier tersebut berkinerja baik dalam mengklasifikasikan serangan Shellcode.Klasifier Decision Tree mencapai tingkat akurasi terbaik yaitu 97,21%.Namun, tingkat akurasi klasifier KNN dan Naive Bayes juga menunjukkan hasil yang tidak mengecewakan.Hal ini mengindikasikan bahwa klasifikasi berbasis klasifikasi biner dapat mengklasifikasikan serangan Shellcode yang diambil dari dataset UNSW_NB15.Hasil penelitian ini diharapkan dapat memberikan wawasan tentang penggunaan machine learning dalam mendeteksi atau mengklasifikasikan malware atau jenis serangan siber lainnya.Penelitian lebih lanjut dapat mengeksplorasi metode preprocessing atau klasifikasi dengan klasifikasi multiclass untuk mendeteksi dan mengklasifikasikan jenis serangan, terutama Serangan Shellcode.

Berdasarkan latar belakang, metode, hasil, dan keterbatasan penelitian ini, serta saran penelitian lanjutan yang ada, terdapat beberapa arah penelitian yang menarik untuk dieksplorasi lebih lanjut. Pertama, penelitian dapat difokuskan pada pengembangan model klasifikasi yang mampu mengidentifikasi variasi Shellcode yang lebih kompleks dan canggih, dengan mempertimbangkan teknik obfuscation dan polymorphism yang sering digunakan oleh penyerang. Kedua, penelitian dapat mengintegrasikan analisis perilaku (behavioral analysis) untuk mendeteksi aktivitas mencurigakan yang terkait dengan Shellcode, bahkan jika kode tersebut belum pernah terlihat sebelumnya. Ketiga, penelitian dapat mengeksplorasi penggunaan teknik pembelajaran transfer (transfer learning) untuk memanfaatkan pengetahuan dari dataset serangan siber yang berbeda, sehingga meningkatkan kemampuan model dalam mendeteksi Shellcode pada lingkungan yang baru.

  1. Analisis Sentimen Calon Presiden Indonesia 2019 dari Media Sosial Twitter Menggunakan Metode Naive Bayes... doi.org/10.26418/jp.v5i3.34368Analisis Sentimen Calon Presiden Indonesia 2019 dari Media Sosial Twitter Menggunakan Metode Naive Bayes doi 10 26418 jp v5i3 34368
Read online
File size360.57 KB
Pages12
DMCAReport

Related /

ads-block-test