Editorial Ilmu Komputer & AI
Open AccessOA2025
Memajukan Keamanan Siber Melalui Machine Learning: Analisis Scientometric Tren Penelitian Global dan Kontribusi Berpengaruh
Studi scientometric ini menganalisis 3.712 dokumen (2016โ2025) untuk memetakan lanskap penelitian machine learning dalam keamanan siber, mengidentifikasi penulis, institusi, negara, dan topik yang berkembang. Studi ini menyoroti pertumbuhan signifikan, kolaborasi global, dan kontributor berpengaruh seperti Arab Saudi, IEEE, dan Sensors.
Kamran Razzaq; M. Shahยท Journal of Cybersecurity and Privacyยท 2025ยท DOI 10.3390/jcp5020012
Masalah inti
Integrasi machine learning (ML) ke dalam keamanan siber sangat penting untuk meningkatkan kapabilitas pertahanan siber global. Namun, lanskap keamanan siber saat ini memerlukan penyelidikan lebih lanjut terhadap potensi kebuntuan dan kesenjangan penelitian. Studi ini bertujuan menganalisis secara komprehensif pola penelitian dan kontribusi utama di persimpangan keamanan siber dan machine learning melalui pendekatan scientometric. Dengan memeriksa tren publikasi, jaringan kutipan, dan kolaborasi penelitian, studi ini berupaya mengidentifikasi penulis utama, organisasi signifikan, negara utama, dan area penelitian yang berkembang. Analisis mencakup dokumen dari Januari 2016 hingga Januari 2025, memberikan perspektif satu dekade tentang evolusi bidang interdisipliner ini.
Inovasi
Studi ini menggunakan analisis scientometric dengan database Scopus. Proses pencarian dan penyaringan yang menyeluruh menghasilkan 3.712 dokumen final yang diterbitkan antara Januari 2016 dan Januari 2025. Alat VOSviewer digunakan untuk memetakan jaringan kutipan dan memvisualisasikan jaringan co-authorship, sehingga memungkinkan penemuan pola penelitian, kontributor teratas, dan topik hangat. Analisis berfokus pada tren publikasi, analisis kutipan, dan jaringan penelitian intensif. Metrik kunci seperti jumlah publikasi, jumlah kutipan, dan jaringan kolaborasi diperiksa untuk mengidentifikasi penulis, institusi, dan negara yang berpengaruh.
Pendahuluan
Integrasi machine learning (ML) ke dalam keamanan siber sangat penting untuk meningkatkan kapabilitas pertahanan siber global. Namun, lanskap keamanan siber saat ini memerlukan penyelidikan lebih lanjut terhadap potensi kebuntuan dan kesenjangan penelitian. Studi ini bertujuan menganalisis secara komprehensif pola penelitian dan kontribusi utama di persimpangan keamanan siber dan machine learning melalui pendekatan scientometric. Dengan memeriksa tren publikasi, jaringan kutipan, dan kolaborasi penelitian, studi ini berupaya mengidentifikasi penulis utama, organisasi signifikan, negara utama, dan area penelitian yang berkembang. Analisis mencakup dokumen dari Januari 2016 hingga Januari 2025, memberikan perspektif satu dekade tentang evolusi bidang interdisipliner ini.
Mengapa penting
Analisis menegaskan pentingnya kemitraan global dan penelitian multidisiplin dalam meningkatkan postur keamanan siber. Pertumbuhan penelitian keamanan siber berbasis ML mencerminkan pengakuan yang meningkat atas potensi ML untuk mengatasi tantangan keamanan yang kompleks. Peran menonjol Arab Saudi menunjukkan fokus strategis pada penelitian dan pengembangan keamanan siber. Menonjolnya IEEE dan Sensors sebagai tempat publikasi menunjukkan bahwa penelitian interdisipliner disebarluaskan melalui jurnal khusus maupun jurnal berskala luas. Identifikasi penulis dan institusi kunci memberikan wawasan tentang struktur intelektual bidang ini. Lebih lanjut, studi ini mengidentifikasi area penelitian yang berkembang yang memerlukan penyelidikan lebih lanjut. Temuan ini memiliki implikasi bagi pembuat kebijakan dan praktisi, memandu pengembangan strategi keamanan siber berbasis ML yang canggih. Studi ini juga menyoroti kebutuhan akan kolaborasi internasional yang berkelanjutan dan integrasi beragam perspektif untuk mengatasi ancaman siber yang terus berkembang.
Siapa yang sebaiknya membaca
Pembaca Research Digest dan praktisi rumpun ini.
Membuka konten memberโฆ