Text
Evaluasi Algoritma Supervised Learning dalam Identifikasi Serangan Malware Menggunakan Dataset MTA-KDD
Abstrak: Malware merupakan salah satu ancaman terbesar dalam keamanan digital. Identifikasi malware sangat krusial dalam menjaga keamanan sistem informasi. Ketika malware terdeteksi, organisasi dapat segera melakukan isolasi sehingga mencegah penyebaran lebih lanjut. Selain itu, identifikasi malware secara dini juga membantu melindungi data sensitif dari pencurian atau kerusakan, menghindari kerugian finansial akibat serangan, dan menjaga kepercayaan pengguna serta kepatuhan terhadap regulasi keamanan. Salah satu upaya untuk mengidentifikasi serangan malware yang terus berkembang yaitu menggunakan machine learning untuk membantu mendeteksi serangan. Namun, karena ada banyak algoritma machine learning, diperlukan informasi atau data komparasi algoritma-algoritma tersebut sehingga dapat diketahui algoritma yang terbaik dalam identifikasi malware. Oleh karena itu, dalam penelitian ini dilakukan evaluasi kinerja beberapa algoritma machine learning berjenis supervised yaitu Support Vector Machine (SVM), Na
No copy data
No other version available