Model AI Mencapai Akurasi 98.53% Dalam Mendeteksi Ransomware Pada Perangkat Pintar

Para ilmuwan telah mengembangkan model AI untuk mendeteksi ransomware pada perangkat IoT dengan akurasi tinggi, dengan menggunakan teknik pembelajaran mendalam dan optimalisasi untuk keamanan siber.

Sebuah tim peneliti telah merinci temuan mereka hari ini dalam sebuah makalah Scientific Reports yang diterbitkan oleh Nature, memperkenalkan model bertenaga AI yang canggih yang dirancang untuk mendeteksi dan mencegah serangan ransomware pada perangkat pintar.

Dengan ekspansi cepat teknologi Internet of Things (IoT) di rumah, layanan kesehatan, dan industri, ancaman cybersecurity telah menjadi perhatian yang semakin besar.

Ransomware, salah satu ancaman cyber yang paling berbahaya, mengunci pengguna dari sistem mereka sampai mereka membayar tebusan. Para peneliti menjelaskan bagaimana langkah-langkah keamanan tradisional sering kali gagal mendeteksi dan mencegah serangan yang terus berkembang ini, mendorong peneliti untuk mengeksplorasi solusi AI.

Model baru yang mereka kembangkan, yang disebut Multi-head Attention-Based Recurrent Neural Network with Enhanced Gorilla Troops Optimization (MHARNN-EGTOCRD), secara signifikan meningkatkan akurasi deteksi ransomware menggunakan teknik pembelajaran mesin.

Model ini pertama-tama menormalisasi data masuk menggunakan normalisasi min-max, yang memastikan pengolahan yang efisien. Kemudian model ini menggunakan Dung Beetle Optimization (DBO)—yang terinspirasi dari cara kumbang kotoran menemukan makanan—untuk menyaring informasi yang tidak perlu, hanya fokus pada ancaman siber yang paling relevan.

Di inti sistemnya, sistem ini menggunakan jaringan Multi-head Attention dan Long Short-Term Memory (MHA-LSTM), sebuah pendekatan pembelajaran mendalam yang canggih yang membantu mendeteksi pola serangan yang kompleks.

Dengan menganalisis perilaku ransomware di masa lalu, AI dapat memprediksi dan menandai serangan potensial sebelum mereka sepenuhnya dieksekusi. Selain itu, sistem ini disetel dengan baik menggunakan Enhanced Gorilla Troops Optimization (EGTO), yang mengoptimalkan pengaturan AI untuk efisiensi maksimum.

Dalam pengujian, model ini mencapai akurasi yang mengesankan sebesar 98,53% dalam mendeteksi ransomware, melampaui metode keamanan siber tradisional. Presisi tinggi ini menunjukkan bahwa AI bisa menjadi alat yang kuat dalam memerangi kejahatan siber, terutama dalam melindungi perangkat pintar dari serangan yang canggih.

Para peneliti percaya bahwa model mereka bisa diintegrasikan ke dalam sistem keamanan siber yang ada, memberikan mekanisme peringatan dini untuk serangan ransomware.

Seiring perangkat IoT terus berkembang dalam kehidupan sehari-hari, memperkuat keamanan mereka sangat penting untuk mencegah kerugian finansial dan data. Dengan menggabungkan teknik optimasi yang terinspirasi dari alam dengan deep learning, model AI ini mewakili langkah maju yang signifikan dalam bidang keamanan siber.