Ekstraksi Ancaman Indicator of Compromise pada Cyber Threat Intelligence menggunakan BERT Transformer Model

Ditujukan untuk menerapkan dan membandingkan BERT Tranformer Model dan BERT-BiLSTM-CRF sebagai representasi fitur pada dataset keamanan siber, menerapkan BERT Transformer Model dan BiLSTM-CRF dengan pertimbangan bahwa data IoC pada CTI bersifat kompleks, baik volume data yang besar, variasi, pola, dan istilah yang beragam pada tiap entitasnya. Deep learning dapat mengatasi data yang kompleks, data harus memiliki label yang jelas dan akurat. Model tradisional kesulitan dalam mengenali pola yang kompleks dalam data. BiLSTM memproses data teks secara bidirectional sebagai pengenalan konteks mendalam pada tiap token dalam kalimat, sehingga tidak hanya bergantung pada informasi dari masa lalu atau masa depan, tetapi keduanya. CRF berperan sebagai lapisan akhir untuk memastikan label yang diprediksi memerhatikan hubungan antar label secara keseluruhan dan menjaga konsistensi dan validitas urutan label, misalnya pelabelan Begin, Inside, dan Outside (BIO) tagging scheme terpenuhi dengan baik.