Pendahuluan
Ancaman keamanan jaringan tidak selalu datang dari luar. Sering kali, bahaya justru muncul dari dalam organisasi melalui akun pengguna yang tereksploitasi atau insider threat.
Metode keamanan tradisional umumnya menggunakan aturan kaku untuk membatasi hak akses. Namun, cara ini sering kali memicu alarm palsu atau justru meloloskan aktivitas mencurigakan.
Di situlah Analisis Perilaku Pengguna (User and Entity Behavior Analytics – UEBA) berbasis Logika Samar (Fuzzy Logic) menjadi solusinya.
Metode ini memungkinkan sistem keamanan menilai kenormalan aktivitas pengguna secara fleksibel dan presisi.
Tantangan dalam Mengukur Perilaku Pengguna
Kebiasaan kerja manusia sangat bervariasi dan sulit diprediksi dengan angka yang pasti.
Beberapa kendala utama dalam analisis perilaku pengguna antara lain:
-
Pola Kerja yang Dinamis: Karyawan bisa saja bekerja di luar jam kantor atau mengakses data dari lokasi berbeda saat tugas luar.
-
Batas Ambang Kaku (Rigid Threshold): Sistem konvensional akan menganggap login di jam 10 malam sebagai pelanggaran, padahal mungkin hanya lembur biasa.
-
Ancaman Orang Dalam (Insider Threats): Pengguna sah yang menyalahgunakan hak aksesnya sulit dideteksi jika tidak ada perubahan perilaku mendadak.
Pendekatan kaku membuat sistem mudah memicu false alarm yang mengganggu produktivitas.
Bagaimana Logika Samar Menilai Perilaku Pengguna?
Logika Samar tidak membagi perilaku menjadi “100% Aman” atau “100% Bahaya”. Sebaliknya, sistem menghitung derajat keanehan (anomaly degree) dari suatu tindakan.
Proses penilaiannya berlangsung melalui beberapa tahapan:
-
Pengumpulan Indikator Perilaku:
Sistem memantau variabel seperti waktu login, lokasi IP, volume unduhan data, dan aplikasi yang dibuka.
-
Penerapan Fungsi Keanggotaan (Membership Function):
Variabel dikategorikan ke dalam rentang samarnya, misalnya Jam Akses (Normal, Agak Larut, Sangat Larut) dan Volume Data (Kecil, Sedang, Luar Biasa).
-
Penyusunan Aturan Samar (Fuzzy Rules):
Sistem mengevaluasi kombinasi variabel. Contohnya:
JIKA waktu akses Sangat Larut DAN volume unduhan Luar Biasa, MAKA tingkat risiko Perilaku adalah Tinggi.
-
Pemberian Skor Risiko:
Sistem menghasilkan skor risiko dinamis yang menentukan apakah akun perlu diverifikasi ulang (Multi-Factor Authentication) atau diblokir sementara.
Keunggulan Model Logika Samar
Menggabungkan analisis perilaku dengan Logika Samar memberikan keunggulan signifikan:
-
Mengurangi Alarm Palsu: Sistem memahami konteks dan variasi kebiasaan kerja manusia tanpa bersikap terlalu reaktif.
-
Deteksi Dini Akun Pertukaran/Tercuri: Bila akun pengguna mendadak menunjukkan kombinasi aktivitas tak biasa, sistem langsung menandainya.
-
Respon Risiko Secara Bertahap: Sistem tidak harus langsung memblokir akun, melainkan bisa meminta konfirmasi identitas tambahan terlebih dahulu.
Kesimpulan
Menilai keamanan berdasarkan perilaku manusia membutuhkan pendekatan yang adaptif dan bernuansa.
Dengan Model Logika Samar, analisis perilaku pengguna menjadi lebih akurat dan rasional. Sistem dapat membedakan aktivitas kerja yang fleksibel dari potensi ancaman nyata secara tepat waktu.
