Tingkatkan Keahlian Keamanan Siber Anda! Promosi Pelatihan Eksklusif untuk Anggota ACAD-CSIRT.
Get Promo
ACAD-CSIRT Logo
About Community Services Incident Response Knowledge Events News
Bahasa / Language:
Mode Tampilan:
Kembali ke Portal Riset
Cyber Threat Intelligence & Threat Detection Intelijen Terarah • CTI

Pertukaran CTI Kampus & Deteksi Akurasi Tinggi Berbasis Machine Learning dengan Pemetaan MITRE ATT&CK

20 September 2026 ACAD-CSIRT Labs 6 Menit Baca Peer-Reviewed Consortium Paper
Pertukaran CTI Kampus & Deteksi Akurasi Tinggi Berbasis Machine Learning dengan Pemetaan MITRE ATT&CK
Abstrak Riset & Ringkasan Eksekutif

Riset arsitektur pertukaran Cyber Threat Intelligence (CTI) terpadu di sektor pendidikan tinggi Indonesia. Memanfaatkan algoritma Machine Learning untuk mendeteksi anomali telemetri kampus dengan akurasi tinggi serta pemetaan taktik, teknik, dan prosedur (TTP) musuh mengacu pada matriks MITRE ATT&CK.

1. Latar Belakang & Urgensi CTI Sektor Akademik

Infrastruktur perguruan tinggi sering kali menjadi sasaran empuk pemindaian dan serangan siber terkoordinasi. Serangan yang terjadi di satu kampus sering kali menyasar kampus lain dalam rentang 48 jam. Tanpa pertukaran intelijen ancaman terstruktur, kampus harus menghadapi ancaman yang sama secara terisolasi. Oleh karena itu, konsorsium ACAD-CSIRT merancang platform pertukaran CTI berbasis MISP untuk mengumpulkan dan mendistribusikan indikator ancaman secara real-time.

2. Deteksi Anomali Berbasis Machine Learning & Analitik Telemetri

Data telemetri dari firewall, proxy, dan server DNS kampus dianalisis menggunakan model machine learning klasifikasi anomali. Model ini dilatih menggunakan dataset lalu lintas akademik untuk membedakan antara lonjakan trafik wajar (misalnya saat registrasi KRS/CBT) dan aktivitas serangan berbasis botnet atau credential stuffing.

3. Pemodelan & Perburuan Ancaman Berbasis MITRE ATT&CK

Seluruh indikator kompromi (IoC) dan pola serangan yang terdeteksi secara otomatis dipetakan ke taktik dan teknik MITRE ATT&CK. Pemetaan ini memungkinkan tim CSIRT kampus memahami tahapan rantai serangan (cyber kill chain) penyerang dan segera menerapkan mitigasi defensif pada perimeter jaringan.

4. Kesimpulan & Rekomendasi Pertahanan Proaktif

Integrasi CTI real-time dan analitik telemetri Machine Learning terbukti memangkas waktu Mean Time to Detect (MTTD) hingga 70%. Konsorsium merekomendasikan setiap perguruan tinggi untuk mengintegrasikan feed MISP ACAD-CSIRT ke sistem SIEM/SOC internal masing-masing.
Format Sitasi Akademik:
ACAD-CSIRT Threat Intel Community (2026). "Campus CTI Exchange and ML-Based High-Accuracy Detection with MITRE ATT&CK Mapping". Journal of Academic Cyber Defense, Vol. 4, No. 3, pp. 45-62.
Lihat Riset Lainnya
JOIN NOW