Fayruz Rahma

Fayruz Rahma memiliki keahlian akademik yang berfokus pada keamanan siber dan kecerdasan buatan, dengan penekanan kuat pada deteksi intrusi jaringan menggunakan model transformer. Dalam lima tahun terakhir, risetnya secara konsisten mengeksplorasi arsitektur encoder-only transformer dengan pendekatan features-as-tokens untuk mendeteksi serangan jaringan secara robust, serta pemanfaatan model transformer untuk analisis data deret waktu dalam mendeteksi anomali lalu lintas jaringan. Ia juga mendalami penanganan data tidak seimbang dalam klasifikasi intrusi melalui teknik resampling seperti oversampling dan undersampling, yang dibahas dalam beberapa publikasi terbaru. Selain itu, Fayruz mengembangkan kerangka kerja sadar sumber daya untuk deteksi objek berbasis YOLO di lingkungan dengan keterbatasan sumber daya, serta meninjau teknologi sistem posisi dalam ruangan dan teknik penyaringan sinyal. Pada periode yang sama, ia juga menulis tinjauan literatur tentang augmented reality sebagai media pembelajaran, dampak e-commerce, dan kecerdasan buatan untuk manajemen stres mahasiswa, serta meneliti kesadaran keamanan akun single sign-on di komunitas akademik dan pengembangan UI/UX mobile untuk pembukaan rekening digital. Publikasi sebelumnya mencakup pengujian usabilitas situs e-commerce, deteksi spam email, akuisisi perangkat Android, dan sistem informasi koperasi, yang memberikan konteks kesinambungan dalam pengembangan sistem dan keamanan. Secara keseluruhan, arah riset mutakhir Fayruz berpusat pada peningkatan keamanan jaringan melalui model transformer dan penanganan data tidak seimbang, dengan perluasan ke deteksi objek dan aplikasi kecerdasan buatan di berbagai domain.