Perancangan Sistem Otomatisasi Pengayaan Alert Deteksi Ancaman Siber Berbasis Local LLM RAG melalui Workflow Orchestration n8n pada SIEM Wazuh

Abstract

SIEM Wazuh mampu melakukan identifikasi aktivitas mencurigakan melalui mekanisme korelasi log dan aturan deteksi. Namun, tingginya jumlah alert yang dihasilkan serta keterbatasan informasi kontekstual pada alert menyebabkan proses interpretasi dan pemahaman ancaman masih membutuhkan analisis manual oleh administrator keamanan. Hal tersebut dapat meningkatkan beban kerja analis dan menyebabkan keterlambatan dalam memperoleh informasi awal mengenai karakteristik ancaman yang terdeteksi sehingga dibutuhkan sebuah otomatisasi. Penelitian ini bertujuan untuk merancang model otomatisasi pengayaan informasi ancaman siber dengan memanfaatkan Local Large Language Model (LLM) berbasis pendekatan Retrieval Augmented Generation (RAG) yang terintegrasi dengan SIEM Wazuh. Pendekatan yang diusulkan mengombinasikan kemampuan generatif LLM dengan mekanisme pengambilan informasi dari basis pengetahuan keamanan lokal, seperti dokumentasi teknik serangan, security playbook, dan referensi mitigasi. Seluruh proses pengolahan data dilakukan secara lokal untuk menjaga kerahasiaan informasi keamanan, termasuk data alamat IP, event log, serta Tactics, Techniques, and Procedures (TTP) yang berkaitan dengan aktivitas serangan terhadap aset organisasi. Model yang dirancang diharapkan mampu mengubah alert teknis SIEM menjadi informasi keamanan yang lebih kontekstual melalui proses ekstraksi informasi, pencarian pengetahuan relevan, dan pembangkitan respons otomatis. Metode penelitian menggunakan pendekatan Design Science Research Methodology (DSRM) yang meliputi identifikasi permasalahan, analisis kebutuhan, perancangan model, implementasi artefak, dan pengujian fungsional sistem. Berdasakran penelitian ini, dihasilkan sebuah model sistem yang mampu mendukung proses monitoring keamanan siber dengan menyediakan informasi alert yang lebih informatif, terstruktur, dan mudah dipahami oleh administrator keamanan tanpa bergantung pada layanan LLM eksternal. Model yang dikembangkan menjadi alternatif dalam penerapan kecerdasan buatan untuk mendukung pengelolaan alert keamanan secara aman pada lingkungan organisasi.