Bambang Susilo, mahasiswa program Doktor Departemen Teknik Elektro FTUI meneliti tentang pengembangan sistem deteksi intrusi cerdas yang dirancang untuk melindungi jaringan Internet of Things (IoT) dari ancaman serangan Denial of Service (DoS), terutama yang bersifat terdistribusi (Distributed Denial of Service atau DDoS). Disertasi Bambang yang berjudul ”Intelligent Intrusion Detection System Against Denial of Service Attacks Based on Hybrid Autoencoder, Long Short-Term Memory, and Convolutional Neural Networks.” dipresentasikan pada sidang terbuka promosi Doktor FTUI pada Rabu (22/1) di ruang Smart Meeting Room.
Bambang membahas pengembangan sistem deteksi intrusi yang cerdas untuk melawan serangan Denial of Service (DoS), khususnya pada jaringan Internet of Things (IoT). “Teknologi Internet of Things (IoT) semakin berkembang, tetapi juga menghadirkan tantangan keamanan yang besar. Salah satu ancaman utamanya adalah serangan Denial of Service (DoS) yang dapat melumpuhkan layanan IoT. Penelitian ini membahas pengembangan sistem deteksi intrusi cerdas untuk melindungi jaringan IoT dari serangan semacam itu.” ungkap Bambang pada awal presentasinya.
Penelitian ini mengatasi tiga tantangan utama dalam deteksi intrusi pada jaringan IoT. Pertama, dimensi data yang tinggi dan pola lalu lintas yang dinamis membuat analisis menjadi kompleks. Kedua, ketidakseimbangan dataset diatasi dengan menggunakan teknik oversampling seperti SMOTE untuk memastikan representasi yang lebih baik terhadap kelas serangan yang kurang terwakili. Ketiga, penelitian ini mengatasi keterbatasan metode berbasis pembelajaran mesin tradisional yang tidak cukup adaptif terhadap kompleksitas dan skala jaringan modern.
Bambang menyimpulkan bahwa pengembangan sistem deteksi intrusi berbasis deep learning hybrid yang mengintegrasikan Autoencoder (AE), Long Short-Term Memory (LSTM), dan Convolutional Neural Network (CNN) berhasil memberikan solusi yang efektif untuk melawan serangan Denial of Service (DoS) di jaringan Internet of Things (IoT). Model ini mampu mengatasi tantangan dimensi data yang tinggi, pola lalu lintas jaringan yang dinamis, dan ketidakseimbangan dataset dengan hasil akurasi deteksi hingga 99,15%. Dengan memanfaatkan dataset modern seperti CICIoT2023, penelitian ini menunjukkan keunggulan model dalam mendeteksi dan mengklasifikasikan berbagai jenis serangan, menjadikannya kontribusi signifikan dalam pengamanan ekosistem IoT yang semakin kompleks dan rentan terhadap ancaman siber.
“Secara keseluruhan, penelitian ini memberikan kontribusi besar dalam mengembangkan sistem deteksi intrusi yang lebih andal dan efisien untuk melindungi ekosistem IoT dari ancaman siber yang semakin kompleks.” ujar Bambang mengakhiri presentasinya.
Dekan FTUI, Prof. Kemas Ridwan Kurniawan, S.T., M.Sc., Ph.D., menyampaikan harapannya, “Semoga hasil penelitian ini menjadi referensi utama dalam pengembangan sistem keamanan yang lebih handal dan menginspirasi lebih banyak inovasi untuk menjaga keberlanjutan dan keamanan teknologi informasi di masa depan.”.”
Berkat penelitianya Bambang meraih gelar doktor dengan IPK 3,9 pada sidang promosi doktornya. Bambang menjadi Doktor ke-180 di Departemen Teknik Elektro dan ke-589 di Fakultas Teknik Universitas Indonesia. Sidang Promosi Doktor ini dipimpin oleh Ketua Sidang, Prof. Dr. Ir. Yanuar, M.Eng., M.Sc.; dengan Promotor, Prof. Dr. Ir. Riri Fitri Sari, MM., MSc. IPU.; dan Ko-Promotor, Dr. Abdul Muis, S.T., M.Eng. Tim penguji internal terdiri dari Prof. Dr. Ir. Bagio Budiardjo, M.Sc.; Prof. Dr.-Ing. Ir. Kalamullah Ramli, M.Eng.;I Gede Dharma Nugraha, S.T., M.T.; Dr. Ruki Harwahyu, S.T., M.T,; Prof. Dr. Ir. Anak Agung Putri Ratna, dan Tim penguji eksternal oleh Prof. Ts. Dr. Suhaidi Hassan.
***
Kantor Komunikasi Publik
Fakultas Teknik Universitas Indonesia
