Fietyata Yudha

Fietyata Yudha memiliki keahlian akademik yang berfokus pada keamanan siber dan forensika digital, dengan pergeseran riset mutakhir yang signifikan dari akuisisi perangkat keras menuju deteksi intrusi berbasis pembelajaran mesin. Publikasi terbaru dalam lima tahun terakhir mendominasi dengan pendekatan machine learning untuk intrusion detection system (IDS), terutama yang memanfaatkan kerangka MITRE ATT&CK. Karya seperti "From Flow to Packet: A Unified Machine Learning Approach for Advanced Intrusion Detection" dan "Reproducing ATT&CK Techniques and Lifecycles to Train Machine Learning Classifier" menunjukkan fokus pada pengembangan dataset multi-sumber dengan label teknik dan siklus hidup serangan. Metode yang digunakan mencakup tuple-based aggregation, sentence embedding, dan LSTM feature extraction pada data log dan akuntansi, seperti terlihat pada "Improving Learnability in Ml-Based Hids". Pendekatan dua tahap untuk deteksi teknik dan siklus hidup serangan juga menjadi tema berulang, sebagaimana dalam "Two-stage multi-datasource machine learning for attack technique and lifecycle detection". Analisis kualitas dataset IDS dan dampaknya terhadap generalisasi model juga dikaji dalam "Quality Analysis in IDS Dataset". Sementara itu, publikasi lama seperti "A Prototype of Portable Digital Forensics Imaging Tools" dan "Pendekatan DD Sebagai Salah Satu Teknik Akuisisi Perangkat Android" memberikan konteks kesinambungan pada forensika digital, namun riset terkini telah beralih ke deteksi ancaman canggih dengan teknik ekstraksi serangan dari CTF writeups menggunakan LLM.