Manfaatkan Pembelajaran Mesin, Kaspersky Berhasil Tingkatkan Deteksi APT 25 Persen
JAKARTA - Kaspersky mengumumkan keberhasilannya meningkatkan pendeteksian ancaman persisten tingkat lanjut (APT) sebesar 25 persen selama paruh pertama tahun 2024.
Dengan memanfaatkan teknik pembelajaran mesin dalam layanan internalnya, Tim Riset dan Analisis Global Kaspersky (GReAT) mengungkapkan bahwa ribuan ancaman tingkat lanjut baru tersebut menargetkan sektor pemerintahan, keuangan, perusahaan, dan telekomunikasi.
Model pembelajaran mesin yang digunakan dalam solusi Kaspersky menggunakan teknik seperti Random Forest dan term frequency–inverse document frequency (TF-IDF) untuk memproses sejumlah besar data, yang memungkinkan deteksi ancaman halus yang lebih cepat dan lebih akurat.
Kombinasi metode ML ini memungkinkan identifikasi indikator kompromi (IoC) yang mungkin diabaikan oleh sistem deteksi tradisional, yang mengarah pada deteksi anomali yang lebih tepat dan peningkatan signifikan dalam kemampuan deteksi ancaman secara keseluruhan.
Pemanfaatan pembelajaran mesin Kaspersky yang berkelanjutan telah memungkinkan sistemnya memproses jutaan titik data setiap hari, memberikan wawasan waktu nyata tentang ancaman yang muncul.
Baca juga:
Melihat peningkatan ini, Amin Hasbini selaku Kepala Pusat Penelitian META di GReAT Kaspersky pun turut terkejut, lantaran hasilnya telah melampaui ekspektasi mereka.
"Teknologi ini meningkatkan akurasi deteksi dan mendorong strategi pertahanan proaktif, membantu organisasi untuk tetap unggul dalam menghadapi ancaman siber yang terus berkembang,” ujar Amin.
Hasil penelitian lebih lengkap akan dibahas di GITEX 2024, di mana Kaspersky akan berpartisipasi dalam panel tentang dampak AI pada keamanan siber.