<![CDATA[Keamanan siber pada situs web kritis seperti Reguler Live Unpad menjadi kebutuhan mendesak, terutama setelah insiden peretasan yang mengancam integritas data. Penelitian ini bertujuan untuk mengembangkan CyberShieldX, sebuah model deteksi ancaman siber berbasis Long Short-Term Memory (LSTM) yang disesuaikan untuk memantau aktivitas anomali di situs akademik. Sistem ini dirancang untuk menjawab dua pertanyaan utama: bagaimana pola akses situs akademik dapat diadaptasi dalam model deteksi anomali, dan bagaimana parameter model LSTM dapat dioptimalkan untuk deteksi ancaman real-time. Proses pengumpulan data mencakup simulasi pola lalu lintas situs Reguler Live Unpad yang merepresentasikan aktivitas normal dan serangan siber, yang kemudian dinormalisasi dan dianalisis menggunakan model LSTM dengan integrasi enkripsi berbasis PyCryptodome. Implementasi ini diuji melalui API berbasis Flask untuk pemantauan real-time, dengan hasil awal menunjukkan tingkat akurasi deteksi ancaman sebesar 70%. Temuan ini menunjukkan potensi besar dalam mereduksi waktu respons terhadap serangan siber, serta memberikan model yang mudah diadopsi bagi institusi pendidikan di Indonesia untuk meningkatkan ketahanan infrastruktur digital mereka.]]>
Copyrights © 2024
