AN APPROACH TO NAMED ENTITY RECOGNITION BASED ON IOB1 AND IOB2 TAGGING SCHEMES FOR ENTITY EXTRACTION IN CYBER THREAT INTELLIGENCE USING THE BILSTM-CRF MODEL

Poster ini memaparkan penelitian tentang penerapan Named Entity Recognition (NER) menggunakan model BiLSTM-CRF untuk mengekstraksi entitas penting dari laporan Advanced Persistent Threat (APT) dalam domain Cyber Threat Intelligence (CTI), dengan membandingkan dua skema pelabelan, yaitu IOB1 dan IOB2. Penelitian menggunakan dataset CyberNER yang terdiri dari 6.311 kalimat dan 204.815 kata, melalui tahapan pengumpulan data, anotasi, preprocessing, pembagian data, perancangan model, dan evaluasi. Hasil pengujian menunjukkan performa yang sangat baik dengan akurasi sekitar 96% dan F1-score 95,5%, di mana kedua skema memiliki tingkat akurasi yang hampir sama, namun IOB2 lebih stabil dan konsisten dalam mengenali awal entitas dibandingkan IOB1.