[#AHM] AI-Driven Cyber Security Awareness

Topik Disertasi:

AI-Driven Cyber Security Awareness
(Pemanfaatan AI untuk Meningkatkan Kesadaran Keamanan Siber)

Promotor:

Assoc Prof. Alva Hendi Muhammad, PhD

Latar Belakang dan Motivasi:

Ancaman siber terus mengalami eskalasi, baik dari segi frekuensi maupun kompleksitas. Di tengah kemajuan teknologi pertahanan digital, ironi terbesar justru terletak pada titik paling rentan: faktor manusia. Kelalaian pengguna, rendahnya literasi keamanan, serta absennya budaya keamanan siber yang tertanam kuat dalam organisasi menjadi penyebab utama kebocoran dan insiden siber yang merugikan.

Di banyak organisasi, pendekatan pelatihan keamanan siber masih bersifat pasif dan normatif; berbasis teori, satu arah, dan tidak responsif terhadap dinamika perilaku pengguna. Akibatnya, efektivitas pelatihan sulit diukur, dan dampaknya terhadap perubahan perilaku nyata sering kali minim.

Dalam konteks ini, Kecerdasan Buatan (AI) membuka peluang transformasional. Dengan kemampuan untuk menganalisis pola interaksi digital, AI dapat mengidentifikasi potensi risiko yang bersumber dari perilaku manusia, menyusun materi pelatihan yang dipersonalisasi, serta menyajikan intervensi yang tepat waktu dan kontekstual. Pendekatan berbasis AI memungkinkan pelatihan keamanan siber yang lebih proaktif, adaptif, dan berkelanjutan—bukan sekadar transfer pengetahuan, tetapi pembentukan kesadaran dan kebiasaan yang selaras dengan tantangan nyata di dunia digital.

Tujuan Penelitian:

1. Mengidentifikasi faktor perilaku yang memengaruhi rendahnya kesadaran keamanan siber di organisasi.

2. Merancang model AI yang dapat memprofilkan tingkat kesadaran siber pengguna berdasarkan data aktivitas digital.

3. Membangun platform pelatihan keamanan siber adaptif yang dipersonalisasi oleh AI.

4. Mengembangkan sistem peringatan dini berbasis AI untuk memprediksi risiko pelanggaran akibat kelalaian manusia.

5. Mengevaluasi efektivitas pendekatan berbasis AI dalam meningkatkan kesadaran dan kepatuhan keamanan siber.

Metodologi Penelitian:

• Studi tentang model kesadaran keamanan (Human Aspect of Cyber Security), teori pembelajaran perilaku, dan penggunaan AI dalam adaptive learning.
• Survei tingkat kesadaran siber, data log aktivitas pengguna, hasil kuis pelatihan, serta insiden keamanan ringan.
• Merancang model ML/DL untuk memprofilkan kesadaran, serta model rekomendasi untuk memberikan materi pelatihan adaptif.
• Membangun platform pelatihan berbasis web dengan modul AI terintegrasi, lengkap dengan monitoring progres pengguna.
• Mengukur peningkatan kesadaran melalui pre/post test, analisis perilaku, serta penurunan insiden akibat human error.

Literatur:

• Model kesadaran siber: Human Factors in Cyber Security, Security Awareness Maturity Model.
• Teknik AI untuk pembelajaran adaptif: recommender system, reinforcement learning, learning analytics.
• Aplikasi XAI (Explainable AI) untuk meningkatkan pemahaman pengguna terhadap keputusan AI.

Kriteria Kandidat:

• Latar belakang S2 di bidang Informatika, Ilmu Komputer, Teknologi Informasi, atau Sistem Informasi.
• Memiliki minat pada interseksi AI dan keamanan siber.
• Penguasaan dasar keamanan siber, dan pemodelan sistem.

Referensi Artikel:

• Muhammad, A. H., Hanafi, Yuana, K. A., Ghozali, B., & Haris, R. (2025). Data-driven security assessments for predicting information security maturity levels. Journal of Internet Services and Information Security, 15(2), 906–925. https://doi.org/10.58346/JISIS.2025.I2.060
• Muhammad, A. H., Nasiri, A., & Harimurti, A. (2025). Machine learning methods for classification and prediction information security risk assessment. IAES Int. J. Artif. Intell, 14, 457-465.
• Muhammad, A. H., Santoso, J. D., & Akbar, A. F. I. (2023). Information security investment prioritization using best-worst method for small and medium enterprises. Indonesian Journal of Electrical Engineering and Computer Science, 31(1), 271-280.

Status:

Tersedia