Analisis Perbandingan Kinerja Algoritma Metaheuristik pada Sistem Deteksi Malware

Tasya Widiasari, Dr. Ronald Adrian, S.T., M.Eng.

2023 | Tugas Akhir | D4 TEKNOLOGI JARINGAN

Keamanan siber merupakan isu utama dalam era teknologi informasi yang semakin maju. Ancaman malware, seperti perangkat lunak berbahaya yang kompleks dan dapat menyebar melalui jaringan, semakin meningkat. Dalam upaya mengatasi masalah ini, algoritma Machine Learning telah menjadi solusi yang menjanjikan untuk mendeteksi malware. Namun, salah satu tantangan utama adalah dimensi fitur yang besar pada kumpulan data malware yang tidak terstruktur. Untuk mengatasi hal tersebut, para peneliti menggunakan teknik Feature Selection (FS) untuk mengurangi dimensi fitur dan memilih subset optimal. Dalam konteks deteksi malware, terdapat dua pendekatan yang umum digunakan, yaitu pendekatan signature-based dan pendekatan berbasis anomali. Namun, karena malware terus mengubah perilakunya, metode deteksi berbasis signature-based tidak lagi efektif. Untuk mengatasi masalah tersebut, penelitian ini mengusulkan penggunaan metode seleksi fitur berbasis algoritma metaheuristik Marine Predator untuk deteksi malware pada lalu lintas jaringan. Hasil penelitian menunjukkan bahwa implementasi sistem deteksi malware menggunakan teknik seleksi fitur berbasis algoritma Marine Predator dapat menghasilkan akurasi yang baik yaitu sebesar 99,74%. Dengan demikian, penelitian ini dapat menjadi solusi untuk mengatasi permasalahan dalam mengidentifikasi dan melindungi sistem dari ancaman malware yang semakin berkembang dan kompleks.

Cyber security is a major issue in the era of increasingly advanced information technology. Malware threats, such as complex malicious software that can spread through networks, are increasing. In an effort to solve this problem, Machine Learning algorithms have become a promising solution for detecting malware. However, one of the main challenges is the large feature dimensions of the unstructured malware data set. To overcome this, the researchers used the Feature Selection (FS) technique to reduce the feature dimensions and select the optimal subset. In the context of malware detection, there are two commonly used approaches, namely the signature-based approach and anomaly-based approach. However, as malware continues to change its behavior, signature-based detection methods are no longer effective. To overcome this problem, this study proposes the use of a feature search method based on the Marine Predator metaheuristic algorithm for cross-network malware detection. The results of the study show that the implementation of a malware detection system using a feature selection technique based on the Marine Predator algorithm can produce a good accuracy of 99,74%. Thus, this research can be a solution to overcome problems in identifying and protecting systems from increasingly growing and complex malware threats.

Kata Kunci : Machine Learning, Algorithm, Metaheuristics, Malware, Marine Predator