Jakarta, ditphat.net – Tim Riset dan Analisis Global (GREAT) Kaspersky mencatat peningkatan sebesar 25 persen dalam deteksi ancaman siber tersembunyi di jaringan komputer pada paruh pertama tahun ini, Advanced Persistent (APT).
Dengan menggunakan teknik pembelajaran mesin (ML) pada layanan internal, Kaspersky mampu mendeteksi ribuan ancaman siber tingkat lanjut yang menargetkan sektor pemerintahan, keuangan, bisnis, dan telekomunikasi.
Model pembelajaran mesin yang digunakan dalam solusi Kaspersky menggunakan metode seperti hutan acak dan frekuensi dokumen tidak valid (TF-IDF), yang memungkinkan pemrosesan data dalam jumlah besar, mendeteksi ancaman siber sensitif dengan lebih cepat dan akurat.
Kombinasi teknik ML ini memungkinkan identifikasi tanda-tanda kompromi (IoC) yang mungkin terlewatkan oleh sistem deteksi tradisional, sehingga menghasilkan deteksi anomali yang lebih akurat dan peningkatan signifikan dalam kemampuan deteksi ancaman secara keseluruhan.
Penggunaan pembelajaran mesin yang berkelanjutan oleh Kaspersky telah memungkinkan sistemnya memproses jutaan titik data setiap hari, memberikan wawasan real-time mengenai ancaman dunia maya yang muncul.
Menurut Amin Hasbini, Head of META Research Center GREAT Kaspersky, hasil dari teknologi ini melebihi ekspektasi karena meningkatkan akurasi deteksi dan mendorong strategi perlindungan proaktif, sehingga membantu organisasi atau perusahaan untuk tetap menjadi yang terdepan dalam dunia siber yang selalu berubah. ancaman.
“Masa depan keamanan siber terletak pada penggunaan alat-alat ini secara etis untuk memastikan lingkungan digital yang aman bagi semua,” kata Amin, Rabu, 9 Oktober 2024.