Peneliti Universitas Sriwijaya Berhasil Mencegah Serangan Siber di IoT

SRIPOKU.COM, PALEMBANG-- Internet of Things (IoT) saat ini telah menjadi trend dalam perkembangan di Revolusi Industri 4.0 dikarenakan Teknologi IoT sudah banyak digunakan pada berbagai aplikasi smart cities, layanan kesehata, transportasi, industri, dan smart-home environment.

Dengan teknologi IoT, jumlah perangkat dan aplikasi cerdas yang terkoneksi makin bertambah, beragam dan berkecepatan tinggi.

Akan tetapi di sisi lain dengan keragaman perangkat, kegunaan dan kompleksitasnya, maka IoT menghadapi masalah keamanan dan rentan terhadap berbagai serangan dan penetrasi.

Sehingga, mekanisme pengamanan aplikasi dan infrastruktur menjadi isu penting pada teknologi IoT.

Untuk mengatasi ancaman serangan pada teknologi IoTdibutuhkan sistem pendeteksi serangan sebagai pengaman yang dikenal sebagai Intrusion Detection System (IDS).

Yesi Novaria Kunang, staff pengajar di Universitas Bina Darma Palembang, selama 4 tahun ini mengeluti penelitian di bidang kajian keamanan informasi terutama pada serangan siber terkini di IoT pada Program Studi S3 Ilmu Teknik Universitas Sriwijaya.

Dr. Yesi Novaria Kunang berhasil mengusulkan pendekatan terbarukan.

"Model yang diusulkan merancang prosedur optimisasi hiper-parameter dengan proses tuning secaraotomatis, sehingga dapat menghasilkan kinerja yang baik dalam pendeteksian serangan," katanya usai sidang Disertasi S3 Doktor Teknik Unsri Palembang, Kamis (6/1/2022).

Ia menjelaskan , model deep learning dengan kinerja terbaik akan diimplementasikan pada jaringan IoT agar mampu mendeteksi semua serangan, memilikifalse alarm yang rendah, dan kecepatan waktu pendeteksian yang singkat.

Penelitian yang mengambil judul Peningkatan Kinerja Sistem Pendeteksi Serangan pada Jaringan Internet of Thing Menggunakan Algoritma Deep Learning, dibawah bimbingan Prof. Dr. Ir. Siti Nurmaini, Dr. Deris Stiawan dan Dr. Bhakti Yudho Suprapto yang telah menghasilkan banyak publikasi di Jurnal Internasional Bereputasi yang dapat dilihat di https://www.scopus.com/authid/detail.uri?authorId=57206723142. Hasil publikasi tersebut telah banyak di sitasi oleh para peneliti dari luar negeri.

"Penelitian yang dilakukan mengajukan model ekstraksi fitur dengan pendekatan unsupervised dikombinasikan dengan Deep Neural Networkguna mendeteksi serangan," jelasnya.

Kontribusi utama penelitian ini adalah mengembangkan model deep learning dengan pendekatan pre-training dengan berbagai variasi ekstraksi fitur seperti Autoencoder, Deep Autoencoder,Stacked Autoencoder, Deep Covolutional Autoencoder, LSTM Deep Autoencoder dan Deep Belief Network yang dikombinasikan dengan Deep Neural Network.

Model yang diusulkan dirancang menggunakan prosedur optimisasi hiper-parameter dengan proses tuning secaraotomatis, sehingga dapat menghasilkan kinerja yang baik dalam pendeteksian serangan.