Sistem Pengenalan Entitas Pada Data Log Penerbangan Drone Berbasis Transformer Encoder

Silalahi, Swardiantara (2023) Sistem Pengenalan Entitas Pada Data Log Penerbangan Drone Berbasis Transformer Encoder. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6025211018-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2025. Download (3MB) | Request a copy

Abstract

Kebutuhan akan investigasi forensik pada perangkat drone meningkat seiring dengan pertumbuhan jumlah penggunaan perangkat drone dewasa ini. Salah satu data yang dapat digunakan pada proses investigasi forensik adalah data log penerbangan. Data ini mengandung informasi penting terkait seluruh kejadian yang dialami oleh perangkat drone selama terbang. Namun belum ada penelitian yang memanfaatkan secara spesifik parameter pesan dalam data log penerbangan perangkat drone. Penelitian ini akan menggunakan data pesan dalam log penerbangan perangkat drone untuk mengembangkan sistem ekstraksi informasi untuk membantu proses investigasi forensik. Model yang dikembangkan dibangun menggunakan arsitektur Transformer Encoder dengan memodifikasi mekanisme perhitungan attention score dari yang semula dalam bentuk operasi dot-product menjadi operasi cosine similarity. Hal ini bertujuan untuk menangkap beberapa konteks dalam satu kalimat dengan memperhalus perilaku fungsi softmax sebagai fungsi normalisasi nilai attention score. Setelah berhasil membangun model ekstraksi informasi dari data pesan log, selanjutnya model diimplementasikan ke sebuah sistem yang memungkinkan investigator untuk mengunggah file log penerbangan, lalu sistem akan melakukan ekstraksi data pesan log, pembangunan linimasa forensik, dan pengenalan entitas. Luaran dari sistem adalah sebuah laporan forensik yang disertai lampiran berupa linimasa forensik dengan sorotan warna pada entitas yang berhasil dikenali pada data log pesan. Sehingga investigator dapat dengan mudah dan cepat menemukan data log yang berpotensi berkaitan dengan insiden
====================================================================================================================================
The need for forensic investigations on drone equipment is increasing along with the recent growth in the number of drone devices used. One of the data that can be used in the forensic investigation process is flight log data. This data contains important information regarding all events experienced by drone devices during a flight. However, there is no research that specifically utilizes message parameters in the drone flight log data. This research uses message data in the drone flight logs to develop an information extraction system to assist the forensic investigation process. The developed model was built using the Transformer Encoder architecture by modifying the attention score calculation mechanism from what was originally in the form of a dot-product operation to a cosine similarity operation. This aims to capture several contexts within a sentence by smoothing the softmax output, which acts as a normalization function for the attention score. After successfully building an information extraction model from log message data, the model is implemented into a system that allows investigators to upload several flight log files; then, the system will extract log message data, build a forensic timeline, and recognize entities. The system's output is a forensic report accompanied by an attachment in the form of a forensic timeline with colored highlights on entities that have successfully identified in the message log data so that investigators can easily and quickly find log data potentially related to an incident

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	drone forensic, deep learning, forensic tool, log analysis, named entity recognition, transformer encoder. analisis log, deep learning, forensik drone, named entity recognition, transformer encoder, tool forensik
Subjects:	Q Science > QA Mathematics > QA76.9.A25 Computer security. Digital forensic. Data encryption (Computer science)
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55101-(S2) Master Thesis
Depositing User:	Swardiantara Silalahi
Date Deposited:	06 Feb 2023 04:23
Last Modified:	06 Feb 2023 04:23
URI:	http://repository.its.ac.id/id/eprint/96264

Actions (login required)

View Item