Peningkatan penggunaan perangkat Android turut diikuti oleh meningkatnya ancaman keamanan, khususnya serangan spyware yang dapat membahayakan privasi pengguna. Metode deteksi konvensional berbasis signature memiliki keterbatasan dalam mendeteksi varian spyware baru. Oleh karena itu, penelitian ini bertujuan untuk mengklasifikasikan serangan spyware Android menggunakan metode Convolutional Neural Network (CNN). Dataset yang digunakan adalah CIC-MalMem2022, yang terdiri dari data hasil ekstraksi dump memori dengan dua kelas, yaitu benign dan spyware. Tahapan penelitian meliputi preprocessing data, data balancing, pembagian data latih dan data uji, serta pelatihan model CNN. Evaluasi dilakukan menggunakan validasi K-Fold dan confusion matrix dengan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa CNN mampu mengklasifikasikan serangan spyware Android dengan tingkat akurasi yang tinggi dan performa yang stabil.

Klasifikasi Serangan Spyware Android Menggunakan Metode Convolutional Neural Network (CNN)

Muhammad Daffa Zamzola

Poster ini menyajikan hasil penelitian tentang klasifikasi serangan spyware Android menggunakan metode Convolutional Neural Network (CNN). Penelitian menggunakan dataset CIC-MalMem2022 dengan 8.996 data dan 55 fitur, melalui tahapan preprocessing, pembagian data, pemodelan CNN, hingga evaluasi menggunakan berbagai metrik. Hasil penelitian menunjukkan performa yang sangat baik dengan akurasi tertinggi 99,94% dan recall tertinggi 99,97%, sehingga CNN dinilai efektif dalam mengklasifikasikan data Benign dan Spyware.

Klasifikasi Serangan Spyware Android Menggunakan Metode Convolutional Neural Network

Kreator & Penulis