ANALISIS FORENSIK TERHADAP SERANGAN CYBER PADA EMAIL MENGGUNAKAN FORENSIK TOOLS DENGAN METODE NATIONAL INSTITUTE OF STANDARDS TECHNOLOGY (NIST)

Lonjakan kasus anomali lalu lintas siber di Indonesia, terutama kejahatan Phishing berbasis rekayasa social (social engineering) via email, mengancam kerahasiaan data sensitif para pengguna perangkat bergerak. Keterbatasan pengguna awam dalam melihat visualisasi metadata secara utuh pada antarmuka Gmail Mobile kerap dimanfaatkan oleh aktor ancaman untuk menyisipkan manipulasi tautan. Guna mengatasi masalah tersebut, penelitian ini dilaksanakan untuk mengkaji alur investigasi taktis serangan Phishing di platform Gmail Mobile lewat implementasi kerangka kerja forensik digital National Institute of Standards Technology (NIST) SP 800-86, sekaligus mengevaluasi performa platform Cisco Threat Intelligence (CTI) Cisco Talos Intelligence dalam memverifikasi indikator bahaya siber. Menggunakan metode eksperimen laboratorium terisolasi, simulasi serangan dirancang memakai Gophish dan Google SMTP Realy demi mendistribusikan tautan berbahaya aktif dari PhisTank menuju smartphone POCO M3. Pengujian Live Forensic ini diterapkan secara ketat mencakup empat tahapan utama NIST SP 800-86 (Collection, Examination, Analysis, Reporting) dengan mematuhi panduan Safety Handling melalui isolasi string teks mentah (Raw String). Temuan riset mengonfirmasi bahwa penerapan metode NIST SP 800-86 bekerja sangat optimal dalam mengekstraksi artefak bukti digital secara aman. Selain itu, verifikasi melalui Cisco Talos Intelligence terbutki presisi dalam memetakan reputasi siber dan klasifikasi ancaman siber, di mana kalkulasi kuantitatif pada Threat Scoring Matrix domain rekaya menghasilkan skor tinggi (+5) berstatus Untrusted dan dikategorikan sebagai Phishing/Malicious Sites. Secara menyeluruh, studi ini membuktikan bahwa investigasi taktis mampu menutupi celah minimnya visibilitas metadata pada Gmail Mobile, sehingga identifikasi ancaman dapat dilakukan secara dini, valid, dan aman guna meminimalkan Risiko insiden kebocoran data.