Resti Handayani

Masalah yang paling menantang dalam menangani virus Ransomware adalah meningkatkan akurasi pendeteksiannya. Kegagalan dalam mendeteksi virus secara akurat sejak awal menyebabkan kerugian finansial yang signifikan serta reputasi perusahaan. Dengan demikian, pekerjaan ini mencoba untuk menghasilkan fitur virus yang lebih tepat yang akan digunakan untuk mengklasifikasikan atau mendeteksi virus dengan lebih akurat. Pekerjaan ini, menyelidiki fitur tingkat rendah virus dalam hal instruksi dalam bahasa assembly melalui dua tahap proses. Pertama, fitur diekstraksi menggunakan algoritma N-gram, kemudian mencari pola sekuensial diikuti dengan perhitungan statistik pola dan terakhir melakukan seleksi fitur untuk mengurangi dimensinya. Tahap selanjutnya adalah tahap verifikasi, melalui proses klasifikasi fitur guna memverifikasi kegunaan fitur yang dipilih untuk mengenali virus. Pekerjaan ini menggunakan algoritma Random Forest dengan jumlah pohon, ntree = 500 dan error Out-of-bag (OOB) terendah sebesar 0,008. Untuk keperluan eksperimen, makalah ini menggunakan dataset yang berasal dari Database Koleksi Virus VX Heaven. Hasil percobaan menunjukkan akurasi tertinggi mencapai 99,2%, dengan nilai sensitivitas 98,8%, False Positive Rate (FPR) 0,42%, dan presisi 99,6%.