Jadwal Sholat

Memuat jadwal sholatโ€ฆ

Editorial Ilmu Komputer & AI

Open AccessOA2024

Penerapan Large Language Model dalam Keamanan Siber: Tinjauan Literatur Sistematis

Tinjauan sistematis atas 177 artikel (2018โ€“2024) ini menelaah penerapan large language model dalam keamanan siber, menyoroti lonjakan penelitian (68% pada 2023), konsentrasi geografis (USA 30%, China 11%), dan fokus yang dominan pada langkah defensif (27%). LLM menunjukkan efektivitas tinggi dalam simulasi phishing, tugas administratif, dan pengembangan perangkat lunak keamanan.
I. Hasanov; Seppo Virtanen; Antti Hakkala; J. Isoahoยท IEEE Accessยท 2024ยท DOI 10.1109/ACCESS.2024.3505983

Masalah inti

Kemunculan cepat Large Language Model (LLM) mendorong pergeseran paradigma dalam cara teknologi digital digunakan di seluruh masyarakat dan dunia usaha. Meskipun efek disruptif ini sangat terlihat dalam teknologi informasi dan komunikasi, terdapat kekurangan yang mencolok akan studi sistematis holistik mengenai penerapan dan dampak LLM dalam keamanan siber. Artikel ini mengisi celah tersebut dengan menyajikan tinjauan literatur sistematis yang menyeluruh atas 177 artikel yang diterbitkan antara 2018 dan 2024 tentang penerapan LLM dan Artificial Intelligence (AI) sebagai langkah defensif dalam keamanan siber. Tinjauan ini bertujuan memberikan kompendium analitis atas penelitian terkini tentang LLM dalam keamanan siber ofensif dan defensif, etika siber, kerangka hukum, dan tata kelola keamanan siber, disertai ringkasan statistik tren penelitian global.

Inovasi

Para penulis melakukan tinjauan literatur sistematis mengikuti protokol terstruktur untuk mengidentifikasi, menyaring, dan menyintesis studi yang relevan. Pencarian mencakup artikel yang diterbitkan dari 2018 hingga 2024, menghasilkan korpus akhir sebanyak 177 artikel. Tinjauan ini mengategorikan literatur ke dalam bidang tematik: keamanan siber ofensif, keamanan siber defensif, etika siber, kerangka hukum, dan tata kelola. Selain itu, studi ini melakukan analisis statistik atas tren publikasi, termasuk distribusi temporal, kontribusi geografis, dan fokus tematik. Metodologi ini memastikan pemilihan studi yang komprehensif dan tidak bias, meskipun basis data dan string pencarian spesifik tidak dirinci dalam abstrak.
Pendahuluan
Kemunculan cepat Large Language Model (LLM) mendorong pergeseran paradigma dalam cara teknologi digital digunakan di seluruh masyarakat dan dunia usaha. Meskipun efek disruptif ini sangat terlihat dalam teknologi informasi dan komunikasi, terdapat kekurangan yang mencolok akan studi sistematis holistik mengenai penerapan dan dampak LLM dalam keamanan siber. Artikel ini mengisi celah tersebut dengan menyajikan tinjauan literatur sistematis yang menyeluruh atas 177 artikel yang diterbitkan antara 2018 dan 2024 tentang penerapan LLM dan Artificial Intelligence (AI) sebagai langkah defensif dalam keamanan siber. Tinjauan ini bertujuan memberikan kompendium analitis atas penelitian terkini tentang LLM dalam keamanan siber ofensif dan defensif, etika siber, kerangka hukum, dan tata kelola keamanan siber, disertai ringkasan statistik tren penelitian global.

Mengapa penting

Temuan ini menegaskan peran transformatif LLM dalam keamanan siber, terutama dalam aplikasi defensif. Dominasi penelitian defensif (27%) menunjukkan fokus yang kuat pada pemanfaatan LLM untuk melindungi sistem, meskipun penggunaan ofensif juga ditelusuri. Lonjakan publikasi pada 2023 mencerminkan adopsi cepat LLM setelah dirilisnya model seperti ChatGPT. Kesenjangan geografis dalam keluaran penelitian menyoroti kebutuhan akan kolaborasi internasional yang lebih besar, terutama dari kawasan yang kurang terwakili. Efektivitas LLM dalam simulasi phishing dan tugas administratif menunjukkan potensinya untuk memperkuat kemampuan manusia, tetapi juga memunculkan pertimbangan etis dan hukum. Tinjauan ini menyerukan penelitian lebih lanjut tentang etika siber, kerangka hukum, dan tata kelola untuk memastikan penerapan yang bertanggung jawab. Secara keseluruhan, LLM diposisikan sebagai pedang bermata dua, yang memerlukan pengkajian berimbang untuk memaksimalkan manfaat sekaligus memitigasi risiko.

Siapa yang sebaiknya membaca

Pembaca Research Digest dan praktisi rumpun ini.

Membuka konten memberโ€ฆ