Palembang, Haluan Sumsel –
Peningkatan besar dalam layanan Internet of Things (IoT) di berbagai bidang seperti grid, transportasi pintar, rumah pintar, dan pabrik pintar di kota pintar mempengaruhi kemampuan komputasi, penyimpanan, dan komunikasi perangkat IoT, dan pada saat yang sama menciptakan celah untuk serangan botnet berbasis IoT. Botnet adalah jaringan overlay yang dibentuk oleh banyak host dan dikendalikan oleh penyerang untuk mengontrol server dan memulai beberapa serangan cyber.
Serangan botnet ini dapat menyebabkan gangguan serius pada jaringan dan menjadi ancaman serius, terutama untuk jaringan IoT. Demikian pengantar awal dari paparan yang disampaikan Dr. Susanto yang sehari-hari beraktivitas dosen di Universitas Bina Insan.
Penelitian ini telah dikaji secara terstruktur selama tiga tahun di Riset Grup COMNETS (Communication, Computer Network, Enterprise & Information Securitu) Universitas Sriwijaya. Penelitian ini menggunakan dataset N-BaIoT, dataset ini dipilih karena real dicapture dari perangkat IoT dan memiliki skalabilitas tinggi serta memiliki data yang unbalanced.
Untuk mendeteksi serangan botnet yaitu melakukan optimasi klasifikasi dari proses pengurangan dimensi data menggunakan algoritma evolutionary search. Pada tahapan pertama adalah melakukan analisis dampak pengurangan dimensi data dengan menggunakan metode Principal Component Analysis, Truncated Singular value decomposition, Fast Independent Component Analysis, Random projection, dan Linear discriminant analysis.
Hasilnya menunjukkan bahwa pengurangan dimensi data lebih rendah berdampak pada turunnya nilai akurasi dan peningkatan alarm palsu. Tujuan dari pengurangan dimensi data adalah untuk mengurangi penyimpanan yang digunakan selama proses deteksi.
Selanjutnya pada tahap 2 adalah melakukan peningkatan akurasi klasifikasi dengan menggunakan algoritma evolutionary search. Hasilnya menujukan bahwa optimasi pada metode klasifikasi k-NN dengan menggunakan algoritma evolutionary search dari pre-processing data dua dimensi menggunakan beberapa metode pengurangan dimensi berhasil mendeteksi botnet secara akurat.
Ini ditunjukkan dengan hasil dari evaluasi mengunakan beberapa parameter pengukuran yaitu akurasi, sensivitas, spesifitas, presisi, tingkat positif palsu, dan nilai negatif palsu.
Selama melakukan penelitian ini, Dr. Susanto mendapatkan hasil yang telah dipublikasikan di mimbar akademik internasional reputasi, yang dapat dilihat dari pangkalan data dunia https://www.scopus.com/authid/detail.uri?authorId=57220894703 dan sudah di sitasi oleh beberapa peneliti dunia lain. Penelitian ini juga melibatkan dan berkolaborasi dengan peneliti dari Universitas luar negeri lainya yaitu Universiti Teknologi Malaysia dan Albaha Universiti Saudi Arabia.(Rill)
