PELITABANGSAPELITABANGSA

Prosiding Sains dan TeknologiProsiding Sains dan Teknologi

Ransomware merupakan ancaman keamanan siber yang berkembang pesat dalam satu dekade terakhir. Serangan ini tidak hanya mengakibatkan kerugian finansial, tetapi juga gangguan pada layanan publik dan infrastruktur digital. Deteksi dini terhadap aktivitas ransomware menjadi tantangan utama karena pola serangan yang cepat dan adaptif. Penelitian ini bertujuan untuk mengimplementasikan metode Shallow Learning dalam mendeteksi ransomware menggunakan dataset RanSAP.

Hasil eksperimen menunjukkan bahwa Support Vector Machine memberikan kinerja terbaik dengan akurasi sebesar 95%, diikuti oleh Random Forest sebesar 93%, Decision Tree sebesar 91%, dan Logistic Regression sebesar 89%.Kinerja SVM menunjukkan bahwa pendekatan berbasis margin efektif dalam membedakan pola perilaku ransomware dan benign berdasarkan karakteristik akses penyimpanan.Penelitian selanjutnya dapat dikembangkan dengan memperluas variasi dataset, menambahkan fitur perilaku lain, serta membandingkan kinerja Shallow Learning dengan pendekatan deep learning untuk memperoleh model deteksi ransomware yang lebih robust.

Untuk penelitian lanjutan, disarankan untuk memperluas dataset dengan menambahkan variasi ransomware dan aplikasi benign yang lebih luas. Selain itu, dapat dipertimbangkan untuk menggabungkan fitur perilaku lainnya, seperti operasi file, proses, dan jaringan, untuk meningkatkan akurasi deteksi. Membandingkan kinerja Shallow Learning dengan pendekatan deep learning juga dapat menjadi fokus penelitian selanjutnya, dengan tujuan mengembangkan model deteksi ransomware yang lebih robust dan akurat.

Read online
File size212.08 KB
Pages7
DMCAReport

Related /

ads-block-test