Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Blend Sains Jurnal Teknik
Yusuf, Rafly
Unknown Affiliation
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Penerapan Deep Learning untuk Deteksi Anomali dalam Jaringan Keamanan Siber Menggunakan Recurrent Neural Networks (RNNs) Yusuf, Rafly; Sumarlin, Sumarlin
Blend Sains Jurnal Teknik Vol. 3 No. 4 (2025): Edisi April
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/blendsains.v3i4.800

Abstract

Keamanan siber merupakan aspek kritis dalam era digital yang terus berkembang, di mana ancaman serangan siber semakin kompleks dan dinamis. Deteksi anomali dalam jaringan menjadi salah satu metode penting untuk mengidentifikasi aktivitas mencurigakan yang dapat mengindikasikan serangan siber. Penelitian ini bertujuan untuk menerapkan teknik deep learning, khususnya Recurrent Neural Networks (RNNs), untuk mendeteksi anomali dalam jaringan keamanan siber. RNNs dipilih karena kemampuannya dalam memproses data sekuensial dan menangkap pola temporal, yang sangat relevan dalam analisis lalu lintas jaringan. Dataset yang digunakan dalam penelitian ini mencakup berbagai skenario serangan siber dan aktivitas normal untuk melatih model. Eksperimen ini diharapkan dapat menunjukkan bahwa RNNs mampu mencapai akurasi yang tinggi dalam mendeteksi anomali dengan tingkat false positive yang rendah. Selain itu, model ini juga menunjukkan kemampuan adaptasi yang baik terhadap pola serangan yang baru. Temuan ini diharapkan dapat mengindikasikan bahwa penerapan RNNs dapat menjadi solusi efektif untuk meningkatkan sistem deteksi anomali dalam keamanan siber, memberikan perlindungan yang lebih proaktif terhadap ancaman yang terus berkembang.
Co-Authors RR. Ella Evrita Hestiandari