Analisis Efektivitas Deteksi Lateral Movement dengan Model Unsupervised Learning

Abstract

Teknik serangan siber menjadi semakin canggih setiap waktu dan terus memanfaatkan berbagai celah keamanan yang ada. Lateral Movement merupakan serangkaian teknik yang digunakan oleh penyerang untuk berpindah dari satu perangkat atau sistem ke sistem lain yang berada di dalam jaringan setelah mendapatkan celah keamanan. Intrusion Detection System (IDS) memiliki peran yang penting dalam keamanan jaringan dengan memberikan peringatan dini jika ditemukannya aktivitas mencurigakan atau berbahaya dalam jaringan. Namun, Intrusion Detection System (IDS) dengan deteksi berbasis rule masih memiliki kesulitan untuk mendeteksi aktivitas yang tidak memiliki ciri khas serangan yang jelas. Unsupervised Learning merupakan salah satu metode machine learning yang dapat mempelajari data tanpa diberi label, sehingga dapat digunakan untuk mendeteksi anomali pada jaringan komputer. Penelitian ini akan mencari tahu apakah efektivitas deteksi Lateral Movement dengan Model Unsupervised Learning pada akan lebih baik dibandingkan dengan metode pada penelitian sebelumnya.