MENDETEKSI MALWARE MENGGUNAKAN METODE DEEP NEURAL NETWORK UNTUK SERANGAN RANSOMWARE
Total View This Week0
Total View This Week0
Institusion
Universitas Dinamika Bangsa
Author
Wahyuni Nainggolan, Sri
Subject
Analisis Sistem Informasi
Datestamp
2024-11-08 09:42:27
Abstract :
Penelitian ini bertujuan untuk efektif menerapkan Deep Neural Network (DNN) dalam mendeteksi malware, khususnya serangan ransomware. Fokusnya adalah menemukan metode optimal untuk mendeteksi malware, terutama serangan ransomware, dan mengukur kinerja DNN dengan tingkat akurasi tinggi. Metodologi penelitian mencakup tinjauan literatur, identifikasi masalah, persiapan data, analisis data menggunakan DNN, hingga implementasi hasil. Hasil pengujian model DNN, dengan atau tanpa ekstraksi fitur Principal Component Analysis (PCA) dalam 10 percobaan, menunjukkan bahwa kinerja terbaik diperoleh dengan menerapkan PCA pada 25 dan 35 fitur, mencapai akurasi tertinggi 82%. Penggunaan PCA pada fitur tersebut memberikan peningkatan pada performa model, menandakan kontribusi positif seleksi fitur terhadap kemampuan DNN dalam mengklasifikasikan data Obfuscated-MalMem2022 dengan kategori benign dan ransomware. Kesuksesan penerapan DNN dalam mendeteksi malware, terutama serangan ransomware, dapat diandalkan berdasarkan hasil penelitian ini.
Penelitian ini bertujuan untuk efektif menerapkan Deep Neural Network (DNN) dalam mendeteksi malware, khususnya serangan ransomware. Fokusnya adalah menemukan metode optimal untuk mendeteksi malware, terutama serangan ransomware, dan mengukur kinerja DNN dengan tingkat akurasi tinggi. Metodologi penelitian mencakup tinjauan literatur, identifikasi masalah, persiapan data, analisis data menggunakan DNN, hingga implementasi hasil. Hasil pengujian model DNN, dengan atau tanpa ekstraksi fitur Principal Component Analysis (PCA) dalam 10 percobaan, menunjukkan bahwa kinerja terbaik diperoleh dengan menerapkan PCA pada 25 dan 35 fitur, mencapai akurasi tertinggi 82%. Penggunaan PCA pada fitur tersebut memberikan peningkatan pada performa model, menandakan kontribusi positif seleksi fitur terhadap kemampuan DNN dalam mengklasifikasikan data Obfuscated-MalMem2022 dengan kategori benign dan ransomware. Kesuksesan penerapan DNN dalam mendeteksi malware, terutama serangan ransomware, dapat diandalkan berdasarkan hasil penelitian ini.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
