Enhancing Phishing Detection: A Novel Hybrid Deep Learning Framework for Cybercrime Forensics

February 5, 2024/in Publikasi /by Program Studi Informatika

Enhancing Phishing Detection: A Novel Hybrid Deep Learning Framework for Cybercrime Forensics

Protecting against interference is essential at a time when wireless communications are essential for sending large amounts of data. Our research presents a novel deep learning technique, the ResNeXt method and embedded Gated Recurrent Unit (GRU) model (RNT), rigorously developed for real-time phishing attack detection. Focused on countering the escalating threat of phishing assaults and bolstering digital forensics, our systematic approach involves SMOTE for managing data imbalance during initial data processing. The model’s discriminative capability is improved, particularly in the feature extraction process, when autoencoders and ResNet (EARN) are integrated with feature engineering. The ensemble technique of feature extraction reveals crucial data patterns. At the core of our AI categorization is the RNT model, optimized using hyperparameters through the Jaya optimization method (RNT-J). Rigorously tested on real phishing attack datasets, our AI model consistently outperforms state-of-the-art algorithms by a substantial margin of 11% to 19% while maintaining exceptional computing efficiency. Furthermore, our model achieves 98% accuracy, low false positive/false negative values, and a statistical execution time with a mean of 36.99s, median of 35.99s, minimum of 34.99s, maximum of 41.99s, and a standard deviation of 1.10s. Moreover, it demonstrates superior accuracy with SMOTE (98%) and without SMOTE (83%) compared to other algorithms. This state-of-the-art AI study, which focuses on digital forensics, offers enhanced security and optimized productivity for businesses and industries, signifying a breakthrough in the continuing battle against phishing attempts. Through strengthening protection against interference in wireless communication, our AI research strives to amplify data accessibility, resilience, and trustworthiness in the face of cybersecurity threats within the organizational context.

Source : pdf

Klasifikasi URL Berbahaya yang Efisien: MBERT – Varian BERT yang Dimodifikasi untuk Peningkatan Pemahaman Semantik

January 29, 2024/in Khazanah, Publikasi /by Program Studi Informatika

Klasifikasi URL Berbahaya yang Efisien: MBERT – Varian BERT yang Dimodifikasi untuk Peningkatan Pemahaman Semantik

Boyang Yu1, Fei Tang1, Daji Ergu1, Rui Zeng2, Bo Ma1, and Fangyao Liu1

1College of Electronic and Information, Southwest Minzu University, Chengdu, China
2College of Pharmacy, Southwest Minzu University, Chengdu, China

Corresponding author: Fangyao Liu (FLIU028@163.COM)

Situs web berbahaya menghadirkan ancaman besar terhadap keamanan dan privasi individu yang menggunakannya
internet. Pendekatan tradisional untuk mengidentifikasi situs-situs berbahaya ini sulit untuk diseimbangkan
strategi serangan yang berkembang. Dalam beberapa tahun terakhir, model bahasa telah muncul sebagai solusi potensial
secara efektif mendeteksi dan mengkategorikan situs web berbahaya. Penelitian ini memperkenalkan novel BiDirectional
Model Representasi Encoder dari Transformers (BERT), berdasarkan arsitektur encoder Transformer,
dirancang untuk menangkap karakteristik terkait dari alamat web berbahaya. Selain itu, bahasa berskala besar
model digunakan untuk pelatihan, penilaian kumpulan data, dan analisis interpretabilitas. Hasil evaluasi
menunjukkan efektivitas model bahasa besar dalam mengklasifikasikan situs web berbahaya secara akurat,
mencapai tingkat presisi yang mengesankan sebesar 94,42%. Performa ini melampaui bahasa yang ada
model. Selain itu, analisis interpretabilitas menyoroti proses pengambilan keputusan model,
meningkatkan pemahaman kita tentang hasil klasifikasinya. Kesimpulannya, model BERT yang diusulkan, dibangun
pada arsitektur encoder Transformer, menunjukkan kinerja yang kuat dan kemampuan interpretasi dalam identifikasi
dari situs web berbahaya. Ini menjanjikan sebagai solusi untuk meningkatkan keamanan pengguna jaringan dan melakukan mitigasi risiko yang terkait dengan aktivitas online berbahaya.

source: IEEE

PDF Analisis Forensik Pada Instagram dan Tik Tok Dalam Mendapatkan Bukti Digital Dengan Menggunakan Metode NIST 800-86

January 20, 2024/in Publikasi /by Program Studi Informatika

PDF Analisis Forensik Pada Instagram dan Tik Tok Dalam Mendapatkan Bukti Digital Dengan Menggunakan Metode NIST 800-86

OLeh: MAD Putra, AW Muhammad, BP Zen, RY Kisworini, T Rohayati

Jurnal Sistem Informasi Galuh

Tindak kejahatan saat ini semakin meingkat pada perkembangan dari smartphone ini salah satunya adalah kejahatan dalam menggunakan media sosial. Instagram dan Tik Tok adalah salah satu aplikasi media sosial yang paling banyak penggunanya pada era ini. Semakin banyak pengguna media sosial ini, tidak menutup kemungkinan munculnya tindak kejahatan kepada sesama pengguna media sosial ini. Setiap kegiatan yang dilakukan didalam sosial media termasuk tindakan kejahatan meninggalkan sebuah bukti atau jejak digital baik yang dihapus atau tidak semua akan terlihat. Digital forensik adalah ilmu yang mempelajari bagaimana cara mendapatkan bukti digital yang diperoleh dari perangkat digital. Pada penelitian ini bertujuan untuk mengetahui proses menemukan bukti digital pada aplikasi media sosial Instagram dan Tik Tok yang diakses melalui smartphone menggunakan metode National Institute of Standards and Technology (NIST). Tahapan dalam metode digital forensic ini meliputi, Collection, Examination, Analysis, Reporting untuk mendapatkan bukti digital pada Instagram dan TikTok ini menggunakan tools berupa software pihak ke tiga yaitu MOBILedit Forensic Express, Autopsy dan tools FTK Imager. Dengan hasil akhir untuk aplikasi instagram tools mobiledit forensic express mampu mengakuisis bukti dengan presentase 0, 02%, untuk tools autopsy 40%, dan FTK Imager dengan presentase 57%. Pada aplikasi tiktok sendiri mobiledit forensic express mendapatkan presentase 27%, sedangkan autopsy sebesar 29%, dan yang terakhir tools FTK Imager dengan presentase 71%. Pada penelitian ini tools FTK Imager lebih unggul dalam akuisisi barang bukti diantara dua tools tersebut.

Sumber: PDF

Analisis Sentimen Pada Proyeksi Pemilihan Presiden 2024 Menggunakan Metode Support Vector Machine

January 7, 2024/in Publikasi /by Program Studi Informatika

Analisis Sentimen Pada Proyeksi Pemilihan Presiden 2024 Menggunakan Metode Support Vector Machine

Oleh: Asno Azzawagama Firdaus, Anton Yudhana , Imam Riadi

DECODE: Jurnal Pendidikan Teknologi Informasi

Indonesia menganut sistem demokrasi dan Pemilihan Umum sebagai penerapan dari sistem tersebut. Pemilihan Presiden dan Wakil Presiden dilaksanakan tahun 2024 dan isu tersebut menjadi fokus perbincangan publik. Calon-calon dan koalisi pengusung terus melakukan kampanye politik secara tradisional maupun melalui media sosial. Twitter menjadi platform media sosial yang banyak digunakan oleh masyarakat untuk membicarakan isu Pemilihan Presiden. Keberpihakan masyarakat dapat diketahui pada diskusi yang ada di Twitter, namun diperlukan pembelajaran komputer yang mampu mengklasifikasi sentimen tersebut. Analisis sentimen digunakan sebagai salah satu teknik untuk mengklasifikasi sentimen masyarakat di Twitter tentang isu Pemilihan Presiden. Metode yang digunakan yaitu Support Vector Machine (SVM) untuk klasifikasi teks. Didapatkan hasil sentimen berdasarkan tiga dataset kandidat yang dipilih, yaitu anies baswedan 65,62%, ganjar pranowo 73,58%, dan prabowo subianto 66,34%. Hasil akurasi metode yang dimiliki oleh ketiga dataset yaitu anies baswedan 73%, ganjar pranowo 79% dan prabowo subianto 79%. Berdasarkan wordcloud popularitas kata yang muncul di Twitter dengan pembahasan Presiden 2024 secara berturut-turut adalah “prabowo subianto”, “presiden ri”, “calon presiden”, “ganjar pranowo”, hingga “anies baswedan”.

Kata kunci: pemilihan; sentiment; support vector machine; twitter.

Sumber: pdf

Forensics in the Internet of Things: Application Specific Investigation Model, Challenges and Future Directions

January 5, 2024/in Publikasi /by Program Studi Informatika

Forensics in the Internet of Things: Application Specific Investigation Model, Challenges and Future Directions

by: MN Alam, T Sabo, MS Kabir

2023 4th International Conference for Emerging Technology (INCET)
Belgaum, India. May 26-28, 2023

The Internet of things (IoT) has already shaped avast network to share information among things and devices. Ithas numerous benefits for the business, consumers, medical, and many more areas. Despite IoT’s evolution and potential, it has several technical complexities and challenges to deploy. Technical challenging includes hardware, software, application framework, and communication standards and protocols. Moreover, other challenges include security, privacy, and safety. Cybercrime is a common issue in the network world and this opportunity has increased in the IoT base systems. It becomes difficult to
investigate due to Internet of Things base systems that have increased complexity as the numerous IoT devices and
ecosystems. As there are billions of devices connected to the internet as a result cyber criminals quickly attack the systems
over the network. Identifying such crimes is difficult to trace in the IoT base application. Digital forensic investigation is not the
complete solution in the IoT base systems investigation as the IoT systems work based on a different stage. In this paper, we have presented application specific investigation model to trace the IoT base systems attacker and also identified challenges of this investigation and the future direction of the IoT forensic.

Keywords— Internet of Things, Cybercrime, IoT Forensic, Digital forensic investigation

Source : pdf

Ekstraksi ciri metode Gray Level Co-Occurrence Matrix (GLCM) dan Filter Gabor untuk klasifikasi citra batik pekalongan

April 4, 2023/in Publikasi /by Program Studi Informatika

Ekstraksi ciri metode Gray Level Co-Occurrence Matrix (GLCM) dan Filter Gabor untuk klasifikasi citra batik pekalongan

Ekstraksi ciri metode Gray Level Co-Occurrence Matrix (GLCM) dan Filter Gabor untuk klasifikasi citra batik pekalongan
by RA Surya, A Fadlil, A Yudhana
Jurnal Informatika …, ejournal.poltektegal.ac.id

Batik merupakan warisan budaya Indonesia yang harus kita jaga dan lestarikan. Proses melestarikannya yaitu dengan pendataan identitas batik tersebut secara komputerisasi. Proses tersebut diawali dengan pengenalan pola untuk mencari informasi dari citra batik tersebut menggunakan proses ekstraksi ciri dengan metode GLCM (Gray Level Co-Occurrence Matrix) dan Filter Gabor, kemudian proses klasifikasi menggunakan Jaringan Syaraf Tiruan. Penelitian ini membuat sistem ekstraksi ciri citra batik yang akan digunakan untuk proses selanjutnya yaitu klasifikasi yang dapat digunakan untuk pendataan citra batik, khususnya batik Pekalongan. Pada penelitian ini proses pengumpulan data melalui tiga cara, yaitu observasi, wawancara dan studi pustaka. Dalam pengimplementasiannya menggunakan Matlab 2010a. Pengujian menggunakan empat sampel citra batik tradisional Pekalongan, setiap citra dibagi menjadi beberpa bagian dan selanjutnya diuji dengan metode tersebut. Hasil penelitian ini telah menghasilkan beberapa niai metode GLCM dan hasil citra proses ekstraksi ciri metode Filter Gabor yang dapat digunakan untuk proses klasifikasi citra batik.

System and method to detect threats to computer based devices and systems

April 3, 2023/in Publikasi /by Program Studi Informatika

System and method to detect threats to computer based devices and systems

System and method to detect threats to computer based devices and systems
by MAR Schmidtler, G Dalal, T Kovalev
US Patent 10,284,570, Google Patents

Aspects of the present disclosure relate to systems and methods for detecting a threat of a computing system. In one aspect, a plurality of instances of input data may be received from at least one sensor. A feature vector based upon at least one instance of the plurality of instances of input data may be generated. The feature vector may be sent to a classifier component, where a threat assessment score is determined for the feature vector. The threat assessment score may be determined by combining information associated with the plurality of instances of input data. A threat assignment may be assigned to the at least one instance of data based on the determined threat assessment score. The threat assignment and threat assessment score may be disseminated.

MDC-Net:Intelligent Malware Detection and Classification using Extreme Learning Machine

March 11, 2023/in Publikasi /by Program Studi Informatika

MDC-Net: Intelligent Malware Detection and Classification using Extreme Learning Machine

by V. S. K. ReddyI. NagarajuMantri GayatriR. RDileep PRevathy P

In the progress of digital era, there is a significant rise in the number of security flaws that are the result of assaults by malicious software, sometimes known as malware. Malware detection is still a popular area of study owing to the fact that a significant number of computer users, organizations, and governments have been impacted by the exponential development in malicious software assaults. These detection methods rely on malware signatures and behavioral patterns. Recent malwares make use of metamorphic, polymorphic, and other evasive strategies to rapidly modify their behavior and produce a huge number of new malwares. These tactics allow the malware to avoid detection. Recent years have seen an increase in the use of Machine Learning Algorithms (MLA) for the purpose of effective malware analysis. The majority of these newly discovered malwares are variations of previously discovered malware. However, the conventional models failed to classify the different types of malwares and resulted in poor classification performance. So, this work focused on implementation of Malware Detection and Classification (MDC-Net). Initially, dataset preprocessing is performed to remove the missing symbols, unknown data from MALIMG dataset. Then, convolutional neural network (CNN) model is used for extraction malware class dependent, and malware class specific features. Finally, Extreme Learning Machine (ELM) model trained with the CNN features. So, the ELM model can capable of classifying the various malware classes from every new data. The MDC-Net resulted in superior performance than existing approaches in terms various metrics.

Analisis Bukti Digital Facebook Messenger Menggunakan Metode Nist

March 11, 2023/in Publikasi /by Program Studi Informatika

Analisis Bukti Digital Facebook Messenger Menggunakan Metode Nist

Analisis Bukti Digital Facebook Messenger Menggunakan Metode Nist
by A Yudhana, I Riadi, I Anshori
IT Journal Research and …, migrasi.journal.uir.ac.id

Facebook Messenger menjadi media sosial yang populer kedua setelah Whatsapp di tahun 2017. Meningkatnya jumlah pengguna Facebook Messenger tentu membawa dampak positif dan negatif, salah satu efek negatifnya adalah beberapa orang yang menggunakan Facebook Messenger melakukan kejahatan digital. Jika sebuah smartphone android menjadi bukti dalam kasus pidana dan Facebook Messenger terinstall di smartphone tersebut, maka pada aplikasi ini bukti digital dapat diidentifikasi dan dapat diharapkan menjadi pilihan untuk membantu penegakan hukum dalam mengungkap kejahatan digital. Proses identifikasi berdasarkan proses forensic mobile yang berdasarkan metode NIST (National Institute of Standards Technology). NIST memiliki panduan kerja baik itu kebijakan dan standar untuk menjamin setiap examiner mengikuti alur kerja yang sama sehingga pekerjaan mereka terdokumentasikan dan hasilnya dapat di ulang (repeatable) dan dapat dipertahankan (defendable). Penelitian ini menjelaskan gambaran umum bagaimana teknik-teknik yang dapat digunakan untuk mengembalikan bukti digital berupa text,gambar, dan audio pada Facebook Mesenger yang ada di Smartphone Android.

[1] R. Umar, A. Yudhana, and M. Faiz, “Analisis Kinerja Metode Live Forensics Untuk Investigasi Random Access Memory Pada Sistem Proprietary,” no. April, 2017.
[2] A. Yulianti, M. Zulhelmi, D. Suryani, “Aplikasi Legalitas Surat Izin Mengemudi ( SIM ) Berbasis Mobile ( Studi Kasus : Polisi Resort Rengat ),” IT Journal Research and Development, vol. 2, no. 2, pp. 34–44, 2018.
[3] I. Riadi and R. Umar, “Identification Of Digital Evidence On Android’s Blackberry Messenger Using NIST Mobile Forensic Method” International Journal of Computer Science and Information Security (IJCSIS)., vol. 15, no. 5, pp. 3–8, 2017.
[4] C. Anglano, “Forensic analysis of WhatsApp Messenger on Android smartphones,” Digit. Investig., vol. 11, no. 3, pp. 1–13, 2014.
[5] I. Riadi, A. Fadlil, and A. Fauzan, “Evidence Gathering and Identification of LINE Messenger on Android Device,” IJCSIS, vol. 16 no. 5 May, pp. 1–6, 2018.
[6] I. R. Nuril Anwar, “Analisis Investigasi Forensik WhatsApp Messenger Smartphone Terhadap WhatsApp Berbasis Web,”, JITEKI, vol. 3, no. June, pp. 1–10, 2017.
[7] R. Umar, I. Riadi, and G. maulana Zamroni, “A Comparative Study of Forensic Tools for WhatsApp Analysis using NIST Measurements,” Int. J. Adv. Comput. Sci. Appl., vol. 8, no. 12, pp. 69–75, 2017.
[8] I. Riadi, J. Eko, A. Ashari, and S. Subanar, “Internet Forensics Framework Based-on Clustering,” Int. J. Adv. Comput. Sci. Appl., vol. 4, no. 12, pp. 115–123, 2013.
[9] M. A. Zulkifli and U. A. Dahlan, “Live Forensics Method for Analysis Denial of Service ( DOS ) Attack on Routerboard,” Int. J. Comput. Appl., vol. 180, no. 35, pp. 23–30, 2018.
[10] A. Mahajan, M. S. Dahiya, and H. P. Sanghvi, “Forensic Analysis of Instant Messenger Applications on Android Devices,” Int. J. Comput. Appl., vol. 68, no. 8, pp. 38–44, 2013.
[11] M. Kukuh, I. Riadi, and Y. Prayudi, “Forensics Acquisition and Analysis Method of IMO Messenger,” Int. J. Comput. Appl., vol. 179, no. 47, pp. 9–14, 2018.
[12] J. Fahana, R. Umar, and F. Ridho, “Pemanfaatan Telegram Sebagai Notifikasi Serangan untuk Keperluan Forensik Jaringan,” Query J. Inf. Syst., vol. 1, no. 2, pp. 6–14, 2017.
[13] R. A. Putra, A. Fadlil, and I. Riadi, “Forensik Mobile Pada Smartwach Berbasis Android,” JURTI, vol. 1, no. 1. pp. 41–47, 2017.
[14] Faiz Albanna, Imam Riadi, “Forensic Analysis of Frozen Hard Drive Using Static Forensics Method”, International Journal of Computer Science and Information Security (IJCSIS), Vol. 15, No. 1, January 2017.
[15] I. Riadi, R. Umar, and A. Firdonsyah, “Identification Of Digital Evidence On Android ’ s,” IJCSIS, vol. 15, no. 5, pp. 3–8, 2017.
[16] R. Umar, I. Riadi, and G. M. Zamroni, “Mobile forensic tools evaluation for digital crime investigation,” Int. J. Adv. Sci. Eng. Inf. Technol., vol. 8, no. 3, 2018.

A comprehensive survey of sine cosine algorithm: variants and applications

March 2, 2023/in Publikasi /by Program Studi Informatika

A comprehensive survey of sine cosine algorithm: variants and applications

by: Asma Benmessaoud Gabis, Yassine Meraihi, Seyedali Mirjalili & Amar Ramdane-Cherif

Artificial Intelligence Review

Sine Cosine Algorithm (SCA) is a recent meta-heuristic algorithm inspired by the proprieties of trigonometric sine and cosine functions. Since its introduction by Mirjalili in 2016, SCA has attracted great attention from researchers and has been widely used to solve different optimization problems in several fields. This attention is due to its reasonable execution time, good convergence acceleration rate, and high efficiency compared to several well-regarded optimization algorithms available in the literature. This paper presents a brief overview of the basic SCA and its variants divided into modified, multi-objective, and hybridized versions. Furthermore, the applications of SCA in several domains such as classification, image processing, robot path planning, scheduling, radial distribution networks, and other engineering problems are described. Finally, the paper recommended some potential future research directions for SCA.

sourve: https://link.springer.com/article/10.1007/s10462-021-10026-y

Klasifikasi URL Berbahaya yang Efisien: MBERT – Varian BERT yang Dimodifikasi untuk Peningkatan Pemahaman Semantik

A comprehensive survey of sine cosine algorithm: variants and applications

Program Studi Informatika

Informasi Tentang