EKSTRAKSI INDICATOR OF COMPROMISE PADA CYBER THREAT INTELLIGENCE MENGGUNAKAN BILSTM-CRF DENGAN REPRESENTASI TF-IDF DAN GLOVE

Perkembangan teknologi informasi yang pesat meningkatkan kompleksitas ancaman siber, sehingga dibutuhkan metode yang mumpuni untuk mengidentifikasi indikator serangan dengan cepat dan akurat. Dalam konteks Cyber ​​Threat Intelligence (CTI), data yang tersedia umumnya semi-terstruktur, sehingga sulit untuk mengekstrak informasi penting seperti Indicators of Compromise (IoC) secara manual. Studi ini mengusulkan pendekatan otomatis berbasis Named Entity Recognition (NER) dengan model BiLSTM-CRF untuk mengekstrak entitas IoC dari teks CTI, dan menggunakan dua metode representasi teks, yaitu TF-IDF dan GloVe. Hasil menunjukkan bahwa model tersebut mampu menghasilkan kinerja tinggi dalam ekstraksi IoC, dengan GloVe memberikan hasil yang sedikit lebih unggul dibandingkan TF-IDF, sehingga mendukung proses analisis ancaman siber secara lebih efisien dan akurat.