Jakarta, EKOIN.CO – Badan Riset dan Inovasi Nasional (BRIN) terus memperkuat kapasitas riset teknologi informasi dan keamanan siber melalui kerja sama internasional. Salah satu upaya tersebut diwujudkan pada Selasa (24/6) lalu.
Bertempat di Kawasan Sains dan Teknologi Samaun Samadikun, Kelompok Riset Rekayasa Pengetahuan dan Data (Knowledge and Data Engineering/KDE) yang berada di bawah Pusat Riset Sains Data dan Informasi (PRSDI) BRIN mengadakan diskusi riset.
Acara ini menghadirkan Dr. Quang-Vinh Dang, peneliti dari British University Vietnam, sebagai pemateri utama. Ia membawakan topik penerapan Graph Neural Network (GNN) dalam mendeteksi malware dan penipuan.
Kepala PRSDI, Esa Prakasa, menyampaikan bahwa sesi ini bertujuan untuk menjembatani ide-ide baru antarrekan peneliti. Ia berharap kegiatan ini membuka jalan kolaborasi lebih lanjut antara BRIN dan British University Vietnam.
“Saya berharap dapat berkolaborasi lebih lanjut antara periset yang ada di BRIN dan yang ada di British University Vietnam di mana terdapat kepakaran yang sama dalam bidang knowledge and data engineering,” ujarnya.
Kolaborasi untuk Penguatan Keamanan Siber
Dalam pemaparannya, Quang-Vinh Dang mengangkat judul “Introduction to KG: Detecting Obfuscated Malware, Intrusion and Fraud using GNN.” Ia menjelaskan konsep knowledge graph dan teori graf secara praktis.
Ia memaparkan bahwa malware yang disamarkan, intrusi tersembunyi dalam lalu lintas jaringan, dan penipuan digital memiliki pola yang rumit. Solusi tradisional seringkali tidak efektif mengidentifikasi pola tersebut.
Pendekatan dengan knowledge graph (KG) dan GNN memungkinkan integrasi berbagai jenis data seperti log jaringan dan transaksi ke dalam satu model. GNN kemudian menganalisis pola-pola mencurigakan dari struktur hubungan tersebut.
Contohnya, dalam kasus penipuan kartu kredit, GNN dapat mengidentifikasi pola tak wajar seperti satu IP digunakan oleh banyak akun atau satu kartu digunakan di banyak lokasi berbeda.
Teknologi yang Adaptif dan Efisien
GNN adalah kecerdasan buatan yang dirancang memproses data berbentuk graf. Teknologi ini unggul dibandingkan AI konvensional karena memahami hubungan antar entitas, bukan hanya menganalisis data secara terpisah.
Keunggulan dari KG dan GNN termasuk kemampuannya mengolah data besar dan kompleks, mendeteksi anomali sejak dini, serta mempelajari hubungan antar aktivitas pengguna dan sistem.
Dalam contoh lain, Quang-Vinh menunjukkan bagaimana bahasa kueri Cypher dapat digunakan untuk mendeteksi penipuan keuangan, misalnya untuk mengungkap pola “smurfing” dalam transaksi mencurigakan.
Esa Prakasa menekankan pentingnya pendekatan ini sebagai solusi sistem keamanan siber modern. Peneliti PRSDI BRIN juga mulai menerapkan prinsip-prinsip serupa dalam riset mereka.
Harapan Kolaborasi Lintas Negara
Quang-Vinh menyatakan bahwa metode ini tidak hanya relevan untuk keamanan data, tetapi juga berpotensi digunakan di berbagai domain aplikasi seperti kesehatan, keuangan, hingga pendidikan digital.
“Melalui sesi ini, saya harap rekan-rekan di BRIN dapat memperkuat kemampuan riset dan praktik langsung dalam knowledge and data engineering, dan kita bisa membuka kolaborasi akademik dan industri ke depan,” ungkapnya.
Ia juga menggarisbawahi pentingnya pertukaran pengetahuan dan teknik baru antarnegara demi menjawab tantangan teknologi global yang terus berkembang.
Diskusi ini menjadi bagian dari upaya BRIN menjalin kemitraan internasional serta membekali penelitinya dengan metode dan wawasan terkini dalam teknologi berbasis data.
Kerja sama antara BRIN dan British University Vietnam dalam diskusi riset keamanan siber menjadi momentum penting dalam penguatan kapasitas riset nasional. Pertemuan ini membahas metode mutakhir seperti knowledge graph dan GNN yang terbukti ampuh untuk mendeteksi malware tersembunyi dan penipuan digital.
Topik-topik yang diangkat oleh Dr. Quang-Vinh Dang membuka wawasan baru bagi peneliti di Indonesia. Tidak hanya terbatas pada keamanan siber, pendekatan berbasis graf ini juga dapat diterapkan dalam berbagai sektor penting lain seperti keuangan dan layanan publik.
Langkah BRIN menjembatani kolaborasi global menunjukkan komitmennya dalam menghadapi tantangan digital secara adaptif dan terukur. Kolaborasi ini diharapkan terus berkembang menjadi kerja sama penelitian dan pengajaran yang lebih luas di masa mendatang.(*)
