Publisher

UMKOUMKO

Journal SiennaSienna Abstract

Ancaman siber yang menargetkan sistem basis data terus meningkat, terutama serangan SQL injection (SQLi), brute-force, dan data exfiltration, yang dapat mengancam kerahasiaan, integritas, dan ketersediaan data. Pendekatan deteksi berbasis aturan konvensional seringkali kesulitan mengidentifikasi pola serangan yang berkembang dan dapat menghasilkan tingkat false positive yang tinggi. Penelitian ini bertujuan mengembangkan sistem deteksi serangan real-time untuk basis data MariaDB menggunakan arsitektur hybrid yang menggabungkan Long Short-Term Memory (LSTM) dan Isolation Forest untuk meningkatkan akurasi dan adaptabilitas dalam lingkungan basis data modern. Penelitian ini menggunakan pendekatan Research and Development (R&D) dengan tiga modul deteksi. Modul pertama menggunakan model Bidirectional LSTM (Bi-LSTM) untuk mendeteksi serangan SQLi melalui analisis sekuens query. Modul kedua menerapkan algoritma Isolation Forest dan Rotated Isolation Forest untuk mendeteksi serangan brute-force berdasarkan pola perilaku akses. Modul ketiga menggunakan Isolation Forest untuk mendeteksi aktivitas data exfiltration dari karakteristik lalu lintas dan perilaku transfer data. Data preprocessing mencakup rekayasa fitur, tokenisasi, normalisasi, dan evaluasi model menggunakan matriks kebingungan, presisi, recall, F1-score, dan metrik AUC. Hasil eksperimen menunjukkan bahwa model Bi-LSTM mencapai akurasi 99,99% dalam mendeteksi serangan SQLi. Untuk deteksi brute-force, algoritma Isolation Forest standar outperform Rotated Isolation Forest dengan recall 99,94% dan F1-score 99,61%. Modul deteksi data exfiltration berhasil mengidentifikasi 100% serangan exfiltration yang disimulasikan dan mencapai akurasi keseluruhan 94,92%. Temuan ini menunjukkan bahwa arsitektur hybrid LSTM-Isolation Forest yang diusulkan menyediakan deteksi serangan real-time yang akurat dan adaptif, menjadikannya solusi yang layak untuk meningkatkan keamanan basis data MariaDB terhadap berbagai vektor serangan.

Conclusion

Penelitian ini membuktikan bahwa arsitektur hybrid LSTM–Isolation Forest mampu memberikan deteksi yang akurat, adaptif, dan dapat dioperasionalkan secara real-time untuk tiga vektor serangan kritis terhadap MariaDB.Dengan tingkat akurasi sangat tinggi pada SQLi dan brute-force, serta tingkat deteksi sempurna untuk skenario eksfiltrasi data, arsitektur ini menawarkan landasan kuat bagi pengembangan sistem pemantauan keamanan siber generasi berikutnya.

Future Research

Untuk penelitian lanjutan, dapat dipertimbangkan pengembangan arsitektur hybrid yang lebih kompleks dengan menggabungkan teknik-teknik deteksi lainnya, seperti deteksi berbasis aturan atau deteksi berbasis signature, untuk meningkatkan akurasi dan mengurangi false positive. Selain itu, penelitian dapat fokus pada pengembangan metode-metode baru untuk mendeteksi serangan-serangan yang lebih canggih dan dinamis, seperti serangan zero-day atau serangan yang memanfaatkan kerentanan baru yang belum diketahui. Penelitian juga dapat mengeksplorasi penggunaan teknik-teknik machine learning yang lebih canggih, seperti deep learning atau reinforcement learning, untuk meningkatkan kemampuan deteksi dan adaptasi sistem terhadap ancaman keamanan siber yang terus berkembang.

References

1. Detection of SQL Injection Attack Using Machine Learning Based On Natural Language Processing | Triloka... doi.org/10.29099/ijair.v6i2.355Detection of SQL Injection Attack Using Machine Learning Based On Natural Language Processing Triloka doi 10 29099 ijair v6i2 355
2. Spatial and Temporal Variations on Air Quality Prediction.... spatial temporal variations air quality... doi.org/10.2478/cait-2023-0045Spatial and Temporal Variations on Air Quality Prediction spatial temporal variations air quality doi 10 2478 cait 2023 0045

Metadata

File size	1003.78 KB
Pages	16
DMCA	Report