SISTEM OTOMATIS PENANGANAN SERANGAN SIBER: PERPADUAN AI DAN KENDALI MANUSIA DENGAN REKOMENDASI TINDAKAN TERUKUR

Frekuensi dan kompleksitas serangan siber yang terus meningkat memberikan tekanan yang signifikan terhadap keamanan infrastruktur digital, terutama karena penanganan insiden secara manual cenderung lambat dan rentan mengalami keterlambatan respons. Penelitian ini bertujuan untuk merancang dan membangun sistem respons insiden keamanan siber otomatis yang menggabungkan kecerdasan buatan dengan pengawasan manusia untuk meningkatkan kecepatan sekaligus kualitas respons. Sistem dikembangkan menggunakan metode Waterfall dengan mengintegrasikan Wazuh sebagai platform pemantauan keamanan jaringan, n8n sebagai mesin orkestrasi alur kerja, serta model bahasa Llama 3.1 8B yang diakses melalui Groq API untuk menghasilkan rekomendasi mitigasi dalam bahasa yang sederhana dan mudah dipahami. Mekanisme persetujuan human-in-the-loop diimplementasikan melalui bot Telegram yang mengharuskan analis memberikan konfirmasi sebelum tindakan mitigasi dijalankan. Sistem dievaluasi menggunakan tiga skenario serangan, yaitu SSH brute force, beberapa kali percobaan login yang gagal (multiple failed login attempts), dan modifikasi file yang mencurigakan (suspicious file modification), yang masing-masing diuji sebanyak 15 kali dalam lingkungan virtual yang terkendali. Hasil penelitian menunjukkan rata-rata waktu respons masing-masing sebesar 21,2, 34,1, dan 36,3 detik untuk setiap skenario, jauh lebih cepat dibandingkan penanganan secara manual yang umumnya memerlukan waktu antara 600 hingga 1.800 detik. Hal ini menunjukkan peningkatan kecepatan respons hingga 98%, sementara rekomendasi yang dihasilkan oleh AI tetap sepenuhnya konsisten dengan mesin berbasis aturan (rule-based engine) pada seluruh 45 kali pengujian yang dilakukan. Temuan ini menunjukkan bahwa kombinasi SIEM open-source, otomasi alur kerja, dan kemampuan penalaran berbasis LLM yang dipadukan dengan pengawasan manusia merupakan pendekatan yang praktis, berbiaya rendah, dan andal untuk memperkuat kapabilitas respons insiden pada lingkungan dengan keterbatasan sumber daya.