Implementasi Algoritma Supervised Learning untuk Identifikasi Malware Berbasis Python Module

Authors

  • Muhammad Sagi Dimarzio Telkom University
  • Rohmat Tulloh Telkom University
  • Muhammad Iqbal Telkom University

Abstract

Abstrak —Malware (Malicious Software) merupakan salah satu ancaman pada internet yang selalu berkembang dengan cepat, beragam, dan semakin kompleks. Antivirus dikenal sebagai mitigasi utama malware, namun pada zaman sekarang diperlukan bantuan tenaga keamanan siber profesional. Tetapi, sumber daya manusia di bidang keamanan siber yang secara spesifik menekuni analisis malware tentunya juga terbatas. Berdasarkan permasalahan di atas, salah satu cara untuk memitigasi masalah tersebut adalah dengan menggunakan teknologi heuristic detection. Heuristic Detection dapat dicapai melalui metode Supervised Learning pada salah satu teknologi kecerdasan buatan, yaitu Machine Learning. Proyek Akhir ini akan fokus pada implementasi model algoritma Supervised Learning menggunakan bahasa pemrograman Python untuk mendeteksi malware berdasarkan perilaku dan atribut software yang akan diidentifikasi. Hasil pengujian membuktikan nilai akurasi sebesar 93,3% dan nilai presisi sebesar 90,9%.

Kata kunci —cybersecurity, malware, python, supervised learning

References

REFERENSI

J. Jang-Jaccard and S. Nepal,

threats in cybersecurity,= J. Comput. Syst. Sci., vol. 80,

no. 5, pp. 973-993, 2014, doi: 10.1016/j.jcss.2014.02.005.

T. A. Cahyanto, V. Wahanggara, and D. Ramadana,

Malware Analisis Dinamis dan Malware Analisis Statis,=

Justindo, J. Sist. Teknol. Inf. Indones., vol. 2, no. 1, pp.

-30, 2017, [Online]. Available:

http://jurnal.unmuhjember.ac.id/index.php/JUSTINDO/art

icle/view/1037.

E. S. Lamdompak Sistem Komputer and F. Ilmu

Komputer,

Dengan Algoritma Support Vector Machine (SVM),= vol.

, no. 1, pp. 122-127, 2016, [Online]. Available:

http://ars.ilkom.unsri.ac.id

G. A. Sandag, J. Leopold, and V. F. Ong,

Malicious Websites Menggunakan Algoritma K-NN

Berdasarkan Application Layers dan Network

Characteristics,= CogITo Smart J., vol. 4, no. 1, p. 37,

, doi: 10.31154/cogito.v4i1.100.37-45.

L. Wen and H. Yu,

system based on machine learning,= AIP Conf. Proc., vol.

, no. August 2017, 2017, doi: 10.1063/1.4992953.

A. Bijalwan,

Machine Learning,= Secur. Commun. Networks, vol.

, 2020, doi: 10.1155/2020/9302318.

N. Bhodia, P. Prajapati, F. Di Troia, and M. Stamp,

classification,= ICISSP 2019 - Proc. 5th Int. Conf. Inf.

Syst. Secur. Priv., pp. 719-726, 2019, doi:

5220/0007701407190726.

Y. M. Cho and H. Y. Kwon,

Interval_ ___ ____ ___ ____ __,=

vol. 30, no. 1, pp. 51-58, 2020.

Downloads

Published

2023-10-31

Issue

Section

Program Studi D3 Teknologi Telekomunikasi