<![CDATA[Serangan Advanced Persistent Threat (APT) merupakan tantangan signifikan dalam dunia keamanan siber karena sifatnya yang tersembunyi, tertarget, dan berlangsung dalam jangka waktu lama. Penelitian ini bertujuan untuk mengatasi meningkatnya risiko dari serangan APT dengan mengembangkan sistem deteksi dini yang mampu mengidentifikasi ancaman tersebut sebelum menyebabkan kerusakan yang signifikan. Kami mengusulkan pendekatan deteksi hibrida yang mengintegrasikan analisis berbasis perilaku dengan teknik klasifikasi pembelajaran mesin untuk meningkatkan akurasi deteksi. Sistem ini dirancang untuk memantau lalu lintas jaringan dan pola aktivitas pengguna secara waktu nyata (real-time), sehingga memungkinkan identifikasi perilaku anomali yang mengindikasikan adanya serangan APT. Evaluasi eksperimental dilakukan menggunakan dataset APT yang tersedia secara publik, dan hasilnya menunjukkan bahwa sistem yang dikembangkan mampu mendeteksi aktivitas APT dengan tingkat deteksi yang tinggi dan tingkat kesalahan positif yang rendah. Hasil ini membuktikan potensi metode yang diusulkan sebagai solusi praktis untuk deteksi dini ancaman di lingkungan perusahaan. Sistem ini dapat membantu tim keamanan siber dalam mitigasi ancaman secara proaktif, sehingga mengurangi dampak potensial dari serangan siber yang canggih terhadap infrastruktur kritis.]]>
Copyrights © 2025
