Dari Riset Menjadi Portofolio: Menyajikan Proyek Cybersecurity Secara Meyakinkan

Kalimat “membuat malware detector dengan GNN” belum cukup. Reviewer ingin memahami masalah, data, peran Anda, cara evaluasi, hasil, keterbatasan, dan apakah pekerjaan dapat diverifikasi tanpa membocorkan data sensitif.

Struktur case study tujuh bagian#

1. Problem: siapa mengalami masalah dan apa dampaknya?
2. Threat model: apa yang dideteksi dan apa yang di luar scope?
3. Data: sumber, izin, label, imbalance, dan split.
4. Method: pipeline dan keputusan desain.
5. Evaluation: baseline, metric, dan reproducibility.
6. Outcome: hasil teknis serta operasional.
7. Limitations: apa yang belum dibuktikan?

Sebelum dan sesudah#

Lemah: “Menggunakan Python, PyTorch, GCN, dan GGNN untuk mendeteksi malware.”

Kuat: “Mengubah artefak process–DLL dari memory capture menjadi typed graph, membandingkan MLP, GCN, dan GGNN pada host-level split, lalu mengukur PR-AUC, false positives per 1.000 process, serta waktu inferensi. Saya menemukan bahwa hasil node-random split terlalu optimistis dan menambahkan evaluasi inductive.”

Tampilkan visual yang menjawab pertanyaan#

Gunakan satu diagram pipeline, satu contoh graph, satu tabel hasil, satu confusion matrix, dan satu demo. Setiap gambar memiliki caption yang menjelaskan “apa yang harus dilihat”.

Bukti yang aman dipublikasikan#

• Dataset sintetis atau publik dengan lisensi.
• Hash/IOC yang dinetralkan atau berasal dari sumber publik.
• Screenshot tanpa nama user, hostname, token, atau alamat internal.
• Config contoh, bukan secret produksi.
• Notebook reproducible dengan seed dan environment.
• Video demo menggunakan skenario buatan.

Repository yang dapat dinilai#

README.md            problem, demo, hasil, limitation
docs/method.md       pipeline dan threat model
src/                 implementasi inti
tests/               unit dan data-contract tests
configs/example.yml  konfigurasi aman
results/             tabel dan figure yang dapat diregenerasi
SECURITY.md          cara melaporkan masalah

Jujur terhadap keterbatasan#

Menulis “belum diuji pada malware family baru” meningkatkan kredibilitas. Jangan menyebut prototype sebagai production-ready. Jelaskan kebutuhan data, performa, false positive, keamanan demo, dan keputusan yang masih membutuhkan manusia.

Checklist publikasi#

• Peran pribadi dibedakan dari kontribusi tim.
• Angka memiliki unit, dataset, dan protocol split.
• Baseline tersedia.
• Visual punya caption dan alt text.
• Demo tidak menjalankan malware aktif di browser.
• Secret dan data personal sudah dipindai.
• Link paper, source, dan presentation bekerja.
• Ada satu paragraf “what I would improve next”.

Portofolio cybersecurity yang meyakinkan bukan yang terlihat paling ofensif. Ia menunjukkan bahwa Anda dapat membangun, menguji, mengkomunikasikan risiko, menjaga evidence, dan mengakui batas temuan.

Demo lima menit#

1. 30 detik: masalah dan pengguna.
2. 45 detik: input serta batas data.
3. 60 detik: pipeline visual.
4. 90 detik: satu skenario dari artefak ke hasil.
5. 45 detik: metric dan baseline.
6. 30 detik: limitation dan next step.

Demo bukan tur repo. Tunjukkan alur keputusan. Siapkan rekaman cadangan bila environment gagal, tetapi tetap jelaskan mana live dan mana prerecorded.

Pertanyaan interview yang harus bisa dijawab#

• Mengapa memilih graph, bukan model tabular?
• Bagaimana mencegah leakage?
• Apa false positive paling sulit?
• Apa yang terjadi saat input malformed?
• Bagaimana menjaga data sensitif?
• Komponen mana kontribusi Anda?
• Apa yang akan diubah untuk production?

Hubungkan tulisan, kode, dan presentasi#

Artikel menjelaskan reasoning, repository membuktikan implementasi, dan presentation merangkum hasil. Gunakan slug/nama proyek konsisten serta tautan dua arah. Recruiter yang hanya punya tiga menit mendapat ringkasan; reviewer teknis dapat masuk ke protocol dan code.

Ukuran keberhasilan#

Portofolio berhasil ketika pembaca dapat menyebut masalah, kontribusi, bukti hasil, dan limitation tanpa perlu bertanya ulang. View count menarik, tetapi kualitas percakapan, reproducibility, dan peluang kolaborasi lebih bermakna.