Dalam proses pelatihan, model diberikan sejumlah besar data yang telah dianalisis sebelumnya, dengan tujuan agar model tersebut mampu mengenali karakteristik unik yang membedakan situs phishing dari situs web yang sah.
Proses pelatihan ini merupakan salah satu tahapan yang paling krusial, karena menentukan seberapa efektif model dalam mendeteksi ancaman phishing.
Tahap kedua dari penelitian ini melibatkan pengujian dan evaluasi model machine learning yang telah dikembangkan.
Pengujian dilakukan dengan menggunakan sejumlah besar data situs web, yang mencakup berbagai jenis situs dengan karakteristik berbeda.
Tujuan dari tahap ini adalah untuk menilai kemampuan model dalam mendeteksi ancaman phishing secara akurat.
Hasil pengujian menunjukkan bahwa model ini memiliki tingkat keberhasilan yang tinggi dalam mengidentifikasi situs phishing, menjadikannya sebagai sumber daya yang sangat potensial untuk memperkuat pertahanan siber.
Penelitian ini dipimpin oleh Dani Rofianto, S.Mat, M.Kom, dengan dukungan dari tim dosen lainnya, yaitu Jaka Fitra, S.Kom., M.T.I, Khusnatul Amaliah, S.Kom., M.Kom, dan Fathurrahman K Ikhsan, S.Kom., M.T.I, serta dua orang mahasiswa dari Program Studi Teknologi Rekayasa Perangkat Lunak Politeknik Negeri Lampung.
Tim peneliti memiliki harapan besar bahwa hasil dari penelitian ini dapat memberikan kontribusi yang signifikan dalam mengatasi ancaman siber, khususnya serangan phishing yang semakin canggih dan sulit dideteksi.
Penggunaan model machine learning dalam penelitian ini memberikan keunggulan yang signifikan dibandingkan dengan metode deteksi tradisional.
Model yang dikembangkan mampu menganalisis dan mendeteksi pola-pola mencurigakan dengan lebih cepat dan akurat, sehingga dapat memberikan perlindungan yang lebih baik bagi pengguna internet.
Tim peneliti berupaya memberikan solusi yang lebih efektif dalam melindungi pengguna dari serangan phishing, yang kerap kali mengecoh pengguna dengan tampilan situs web yang sangat mirip dengan situs asli.
Penelitian ini diharapkan dapat mendorong kolaborasi lebih lanjut antara akademisi, industri, dan pemerintah dalam menghadapi tantangan keamanan siber yang terus berkembang. (***)
Berikan Komentar
Sebagai salah satu warga Bandar Lampung yang jadi korban...
3832
Bandar Lampung
1090
Lampung Selatan
985
Universitas Lampung
Universitas Malahayati
Politeknik Negeri Lampung
IIB Darmajaya
Universitas Teknokrat Indonesia
Umitra Lampung
RSUDAM Provinsi Lampung
TDM Honda Lampung
Bank Lampung
DPRD Provinsi Lampung
DPRD Kota Bandar Lampung
DPRD Kota Metro
Pemrov Lampung
Pemkot Bandar Lampung
Pemkab Lampung Selatan
Pemkab Pesisir Barat
Pemkab Pesawaran
Pemkab Lampung Tengah
Pemkot Kota Metro
Pemkab Mesuji
Pemkab Tulangbawang Barat
Suaradotcom
Klikpositif
Siberindo
Goindonesia