halaman
Speakers
Tujuh pembicara yang papernya lolos seleksi komite, membawakan riset seputar tema “Defense in Depth: The Rise of Collective Defense”.
Opening Speaker
TBA
Speakers
talk 01 / 07
Lapisan Mana yang Sebenarnya Menangkap? Evaluasi Empiris Defense in Depth pada Pipeline DevSecOps dan Ketergantungannya pada Intelijen Kolektif
Narendra Dzaki Kuswara adalah mahasiswa Teknik Informatika yang berfokus pada bidang keamanan siber dan jaringan. Ia memiliki ketertarikan serta pemahaman dalam pengembangan arsitektur IoT, otomatisasi sistem keamanan, operasional purple team, dan manajemen insiden menggunakan SIEM. Selain aktif di bidang akademis, ia telah menunjukkan kompetensinya dengan menjadi finalis nasional dalam ajang Huawei ICT Competition di bidang Network Track serta telah tersertifikasi sebagai BNSP Junior Cyber Security.
Baca abstrak
Defense in depth adalah nasihat standar dalam mengamankan pipeline DevSecOps, tetapi klaim bahwa lapisan-lapisannya saling menutupi jarang diuji.
Presentasi ini mengujinya secara langsung. Dua puluh defect dengan ground truth yang dikunci sebelum eksekusi ditanam ke dalam satu aplikasi Node.js/Express, lalu dijalankan melalui pipeline enam lapisan — dari secret scanning hingga admission control — yang seluruhnya dibangun dari perkakas gratis dan sumber terbuka. Dari 16 defect yang dihitung, 14 terdeteksi, tetapi 8 di antaranya hanya ditangkap oleh satu lapisan: redundansi yang dijanjikan arsitektur berlapis sebagian besar tidak terjadi. Lapisan admission control tidak menangkap satu pun defect baru; yang membedakannya adalah ia menolak, bukan melaporkan. Pengukuran terpisah atas 560 job npm menunjukkan faktor yang lebih menentukan daripada jumlah lapisan, yaitu kesegaran intelijen yang dikonsumsi tiap lapisan: pada advisory yang terbit sesudah basis data sebuah scanner dibangun, kedua scanner berbasis basis data lokal mendeteksi 0%, sementara scanner yang menghubungi API advisory secara langsung mendeteksi 100% pada paket dan advisory yang sama persis. Lebar kebutaan itu terukur dalam jam, bukan hari. Pipeline yang diuji berjalan penuh dalam 87 detik dan akan didemonstrasikan langsung.
talk 02 / 07
Invisible Token Honeypots: Catching AI-Assisted Solving in Web Application CTF
Jeremia Geraldi adalah seorang praktisi cyber security yang saat ini memimpin divisi AI Security R&D di Softscheck APAC. Ia memiliki beberapa sertifikasi seperti OSED, OSWE, OSCP, ARTE, CAISP, CAI/MLPEN serta berhasil berkontribusi dan mendapatkan CVE pada beberapa aplikasi dan library open source AI.
Baca abstrak
Saat ini banyak tantangan Web Application CTF yang sudah dapat diselesaikan menggunakan Large Language Model (LLM) dan AI. Di sisi lain, banyak CTF dalam konteks kompetisi maupun technical assessment yang melarang penggunaan AI, namun penyelenggara umumnya tidak memiliki visibilitas terhadap bagaimana peserta menyelesaikan tantangan. Pada presentasi ini, saya akan memperkenalkan Invisible Token Honeypots, sebuah teknik untuk mendeteksi penggunaan AI dengan penyisipan canary yang tidak terlihat oleh manusia ke dalam artefak CTF seperti source code, HTML, atau file yang dapat diakses selama proses eksploitasi. Canary yang disisipkan ini bertujuan untuk memengaruhi proses analisis dan rekomendasi dari LLM yang digunakan peserta.
talk 03 / 07
Prioritisation Matrix dan Reachability Analysis untuk Mengurangi Alert Fatigue pada GitHub Dependabot
Mochamad Akbar saat ini bekerja sebagai Senior Security Engineer di salah satu perusahaan fintech di Asia Tenggara. Ia menyelesaikan pendidikan Magister di Institut Teknologi Bandung (ITB) dengan fokus pada Keamanan Informasi. Sehari-hari, ia banyak berkecimpung dalam keamanan aplikasi, security operations, serta pengembangan otomasi untuk mendukung dan meningkatkan proses keamanan.
Baca abstrak
Peningkatan jumlah kerentanan pada dependensi open-source dapat menyebabkan alert fatigue dan menyulitkan tim security serta developer dalam menentukan kerentanan yang perlu diprioritaskan. Penelitian ini mengusulkan Prioritisation Matrix yang menggabungkan CVSS, EPSS, CISA KEV, dependency context, dan import-level reachability analysis untuk meningkatkan proses triage GitHub Dependabot secara deterministik dan dapat diaudit. Evaluasi dilakukan terhadap 10.565 Dependabot alerts pada lingkungan produksi sebuah grup fintech di Asia Tenggara. Setelah implementasi, automation menghasilkan keputusan eksplisit pada 358 tiket, dengan 56,1% ditutup sebagai Close as Unfixed karena tidak ditemukan bukti import dan 43,9% dipertahankan sebagai Keep Open. Selama periode observasi, backlog tiket pra-implementasi berkurang sebesar 20,1%, sementara analisis alert baru dapat dilakukan dalam 62–170 menit. Hasil ini menunjukkan bahwa penambahan konteks penggunaan kode dapat membantu mengurangi beban triage dan memprioritaskan alert yang lebih actionable tanpa menghilangkan audit trail.
talk 04 / 07
NET-RAF (Network Trace of Responsible AI for Audit Forensic)
Obrina Briliyant adalah Dosen Poltek PSSN.
Baca abstrak
Alat forensik jaringan berbasis AI berkembang pesat, namun penggunaan AI sebagai alat analisis menghadapi tantangan risiko halusinasi dan bias dari model yang digunakan. Risiko ini mengakibatkan auditor keamanan siber ragu menggunakan AI sebagai alat bantu forensik jaringan. Retrieval-Augmented Generation (RAG) dapat menjadi solusi dengan mendasarkan keluaran LLM pada konteks aktual (faithfulness), sehingga penjelasan yang dihasilkan tidak semata-mata bergantung pada trained model yang berisiko mengalami halusinasi. Penelitian ini mengusulkan NET-RAF (Network Trace of Responsible AI for Audit Forensic), prototipe alat bantu forensik jaringan berbasis RAG dan Responsible AI. NET-RAF mengusung dua inovasi utama: fitur pengukuran tingkat faithfulness LLM, dan fitur chat-with-your-pcap, dimana auditor dapat melakukan investigasi mendalam terhadap paket jaringan dengan bukti jejak node dan koneksitas-nya melalui implementasi Graph RAG.
talk 05 / 07
Otomatisasi Perburuan Kerentanan (CVE) pada Plugin WordPress
Ryan Fabella, seorang bapak yang suka mengautomasi segala hal. Secara paralel bekerja jarak jauh, pengusaha dan freelancer bidang keamanan siber. Berusaha tetap relevan ditengah AI.
Baca abstrak
WordPress digunakan oleh sebagian besar situs web di dunia, dan mayoritas celah keamanannya ada pada ekosistem plugin pihak ketiga yang luas dan berkembang setiap jam, bukan pada inti (core) WordPress. Menemukan kerentanan plugin secara manual sulit dilakukan dalam skala besar. Penelitian ini memaparkan pipeline otomatis untuk perburuan kerentanan (CVE, Common Vulnerabilities and Exposures) pada plugin WordPress, berupa rangkaian skrip analisis statis multi-lapis berbentuk corong (funnel) tujuh tahap: penemuan plugin, pemindaian statis massal (Semgrep dan taint heuristik), triase otentikasi hook, penilaian berbasis sink, checklist manual tujuh poin, verifikasi proof-of-concept di dalam sandbox Docker, serta penulisan laporan yang mencakup penghalusan bahasa dan pengecekan kelayakan bounty Wordfence. Prinsip utamanya adalah sebuah temuan hanya diakui apabila proof-of-concept-nya dapat berjalan, bukan sekadar dugaan hasil pemindaian. Pipeline ini telah menghasilkan 152 temuan terverifikasi, didominasi kelas broken access control (sekitar dua pertiga), sementara kerentanan injeksi tradisional relative jarang ditemukan. Sejalan dengan tema IDSECCONF 2026, pipeline diposisikan sebagai pemasok temuan ke basis data bersama (WPScan, Patchstack, Wordfence): satu temuan yang dipublikasikan melindungi jutaan situs sekaligus, sebagai bentuk pertahanan kolektif.
talk 06 / 07
FlatScan: Layered Static Malware Analysis with Non Detonation Recursive Payload Resolution for Collective-Defense Artifact Generation
Riyan Pratama, also known as sudo3rs, has over 8 years of experience in cybersecurity, with a background spanning Security Operations Center (SOC), threat intelligence, threat hunting, and security research. He currently works at Cyfirma Holdings Pte. Ltd, focusing on threat research and intelligence-driven security operations.
His areas of interest include malware analysis, cyber threat intelligence, threat hunting, offensive security, and developing practical tools and methodologies for analyzing emerging threats. His work focuses on turning technical research and threat intelligence into actionable insights that support detection, investigation, and collective defense.
Riyan is passionate about cybersecurity research, open knowledge sharing, and exploring practical approaches to understanding and addressing evolving cyber threats.
Baca abstrak
The defense-in-depth approach calls for triaging tools that not only provide in-depth analysis, but also generate shareable artifacts to strengthen collective defense. This research introduces FlatScan, a static malware analysis engine with minimal dependencies, built using the Go standard library and a single pure-Go module for disassembly without cgo.
FlatScan integrates six analysis layers into a single parallel pipeline, covering header and network intelligence, initial access vectors, precision and capability analysis, instruction-level code analysis, and recursive payload resolution without detonation. All analysis is performed statically, with each layer expanding analytical visibility without replacing the results of the underlying layers.
talk 07 / 07
Benang Merah: Menyambung Petunjuk Digital Jadi Satu Cerita
Mark Rizal Tholib adalah DFIR Consultant di PT ITSEC Asia, Tbk dengan pengalaman lebih dari lima tahun di bidang keamanan siber, saat ini berfokus pada digital forensics dan incident response. Kesehariannya menangani beragam kasus insiden, seperti cyber fraud, web deface, data breach dan beberapa insiden yang tidak bisa disebutkan.
Memiliki latar belakang teknis: mulai dari OSCP, CEHv10, CEIv2, eWPTv1, eWPTXv2, eCPPTv2, eCPTXv2, dan CRTO di sisi offensive; eCDFP dan CCLFA di sisi forensik; serta eCTHPv2 untuk threat hunting. Ia menyelesaikan pendidikan S1 Teknik Informatika di Institut Teknologi Sepuluh Nopember ( ITS ) Surabaya.
Ketertarikannya pada rekonstruksi kill-chain lintas artefak lahir dari pekerjaan sehari-hari, dari kebiasaan menyambungkan potongan bukti di kepala pada setiap kasus baru. Dari sana Benang Merah dimulai: tool triage DFIR open-source yang ia rancang dan kembangkan sendiri. IDSECCONF 2026 adalah kesempatan pertamanya berbagi hasil kerja itu di depan komunitas.
Baca abstrak
Setiap investigasi forensik pasca-insiden di Windows berakhir sama: ratusan ribu baris data dari puluhan berkas keluaran, dan analis yang menyambungnya sendiri di kepala. Alat yang ada sudah baik membaca artefak. Yang belum selesai adalah menjahitnya jadi kronologi serangan.
Benang Merah membaca keluaran EZ Tools dan menyusunnya jadi narasi kill-chain per fase, terpetakan ke MITRE ATT&CK. Prinsipnya zero hardcoded IOC, tidak ada nama tool, ekstensi, atau hash di logika deteksi, jadi aturannya tetap bekerja pada ancaman baru. Satu mesin deteksinya menyatukan aturan komunitas (SigmaHQ, Chainsaw) dengan aturan native, dan pipeline-nya deterministik penuh: setiap temuan bisa direproduksi dan diaudit.
Sebagian besar waktu akan diisi demonstrasi langsung, dari folder mentah sampai cerita serangan utuh, termasuk kasus ransomware yang ekstensi enkripsinya tidak ada di basis data mana pun, namun tetap terdeteksi lewat keterkaitan struktural dengan surat tebusannya.