Main Article Content

Abstract

Deteksi malware merupakan tantangan krusial dalam perkembangan keamanan siber. Penelitian ini mengeksplorasi integrasi analisis statis dan dinamis untuk meningkatkan akurasi deteksi malware. Analisis statis meneliti file malware tanpa eksekusi, memberikan wawasan tentang metadata dan atribut strukturalnya, sedangkan analisis dinamis mengamati perilaku malware selama eksekusi di lingkungan terkendali. Menggunakan dataset 5000 sampel, termasuk ransomware, trojan, spyware, dan worm, alat seperti IDA Pro, PE Studio, dan platform sandbox digunakan. Hasil menunjukkan 87% sampel malware menggunakan code obfuscation untuk menghindari deteksi, dan 95% menunjukkan aktivitas runtime mencurigakan, seperti modifikasi registry dan komunikasi jaringan terenkripsi. Model pembelajaran mesin (Deep Neural Networks, Random Forest, Support Vector Machine) yang dilatih pada dataset hybrid mencapai akurasi 96,4% dengan DNN, menunjukkan keunggulan dibandingkan pendekatan metode tunggal. Tantangan seperti kebutuhan komputasi tinggi diatasi melalui implementasi berbasis cloud.

Keywords

analisis dinamis analisis hybrid analisis statis deteksi malware pembelajaran mesin

Article Details

How to Cite
Khalda, K., & Wibowo, D. K. (2025). Analisis Perilaku Malware Menggunakan Pendekatan Analisis Statis dan Dinamis. Jurnal Sains, Nalar, Dan Aplikasi Teknologi Informasi, 4(1), 1–8. https://doi.org/10.20885/snati.v4.i1.1

References

Read More