Mahasiswa yang sedang belajar keamanan siber dan machine learning. Fokus saya: memakai ML untuk membantu deteksi ancaman, dan membangun lab kecil untuk memahami cara deteksinya bekerja.
Student learning cybersecurity and ML, building small, evidence-backed labs.
Dari mendeteksi email phishing dengan ML sampai melihat serangan di SIEM: satu proyek yang saya bangun dari nol, dan satu rangkaian lab yang dikerjakan langsung di laptop sendiri.
| Proyek | Isi | Status |
|---|---|---|
| phishing-detection-ml | Detektor email phishing tiga kelas (ham, spam, phishing): TF-IDF + regresi logistik, evaluasi per kelompok untuk menghindari kebocoran data, penjelasan model dengan SHAP, aplikasi lokal Flask, CI GitHub Actions, rilis model dengan hash SHA256 | Dibangun |
| cybersec | Lab keamanan: SIEM Wazuh, hardening Linux, analisis jaringan, playbook insiden | Hands-on lab |
| Lab | Yang dikerjakan | Label |
|---|---|---|
| Wazuh | SIEM di Docker, simulasi brute force SSH ke target milik sendiri, alert dipetakan ke MITRE ATT&CK, satu aturan deteksi kustom | Hands-on lab |
| Hardening Linux | Audit dengan SCA Wazuh (CIS Ubuntu 24.04) dan Lynis, perbaikan SSH, ukur sebelum dan sesudah | Hands-on lab |
| Analisis jaringan | Satu rekaman trafik SSH dibaca Wireshark, Suricata, dan Zeek, lalu dibandingkan | Hands-on lab |
| Playbook phishing | Playbook insiden (acuan NIST SP 800-61 Rev. 3, MITRE T1566) dan satu aturan Sigma yang divalidasi sintaksnya | Dokumen, belum diuji pada insiden nyata |
Semua pengujian dilakukan pada mesin atau container milik sendiri. Setiap lab mencatat kendala dan batasannya.
Pemindaian dan pengujian web (Nmap, Burp), serta forensik dan SIEM lain (Splunk, Elastic) lewat latihan terpandu. Ini baru rencana belajar, belum klaim kemampuan.
Python, scikit-learn, SHAP, Flask, Docker, Git dan GitHub Actions, Wazuh, Wireshark, Suricata, Zeek, Lynis, Sigma.