Deteksi Ransomware Mencapai Akurasi 99,96% dengan Model AI Baru

Para ilmuwan telah mengembangkan sistem AI yang dapat mendeteksi ransomware dengan akurasi 99,96%, mengubah perilaku jahat menjadi gambar untuk meningkatkan pertahanan keamanan siber.

Alat AI baru ini, yang dijelaskan dalam detail di Scientific Reports, menggunakan teknik “perilaku-ke-gambar” yang mengubah aksi perangkat lunak menjadi gambar yang dapat dianalisis oleh AI.

Para peneliti menjelaskan bagaimana serangan ransomware semakin sering terjadi dan berbiaya mahal, dengan pembayaran tebusan rata-rata melonjak menjadi $2,73 juta.

Sistem baru ini bekerja dengan pertama-tama menjalankan perangkat lunak melalui lingkungan sandbox yang terisolasi, yang memungkinkannya untuk memantau perilakunya dengan aman. Sistem ini mendeteksi perilaku khusus enkripsi file, yang merupakan operasi khas ransomware. Perilaku-perilaku ini kemudian dikonversi menjadi gambar skala abu-abu atau warna dua dimensi.

Format berbasis gambar ini memungkinkan peneliti menggunakan teknik yang dikenal sebagai ‘transfer learning’ dengan model AI yang telah dilatih sebelumnya. Para peneliti menjelaskan bahwa langkah ini sangat penting karena dapat mengatasi hambatan besar dalam cybersecurity yang terkait dengan kurangnya kumpulan data besar dan terkini dari sampel ransomware untuk pelatihan.

“Data yang terbatas meningkatkan risiko overfitting, mengurangi identifikasi perilaku yang beragam, dan mengurangi keandalan dalam mendeteksi ancaman baru,” jelas para penulis.

Transfer learning memungkinkan AI menerapkan pengetahuan yang diperoleh dari menganalisis jutaan gambar umum ke tugas spesifik mendeteksi ransomware, semua tanpa membutuhkan dataset besar sampel malware.

Tim peneliti menemukan bahwa model yang disebut ‘ResNet50’ sangat baik dalam menganalisis gambar-gambar perilaku ini.

Yang patut diperhatikan, model ini mencapai akurasi sebesar 99,96% yang membuatnya sangat efektif dalam mendeteksi ransomware meskipun hanya bekerja dengan dataset yang kecil.

Untuk memastikan keputusan AI dapat dipercaya dan tidak berdasarkan pada noise acak, tim ini menggunakan alat visualisasi canggih. Mereka menghasilkan peta saliency, yang memastikan bahwa “model ini berfokus pada area yang dikodekan oleh perilaku terstruktur dan mengkonfirmasi pola pembelajaran yang spesifik untuk kelas tertentu.”

Kombinasi akurasi yang hampir sempurna, kemampuan untuk bekerja dengan dataset kecil, dan proses pengambilan keputusan yang transparan menyoroti potensi model ini untuk diterapkan secara praktis.