Sistem Industrial Control System (ICS) merupakan sistem terintegrasi dengan menggunakan teknologi seperti Supervisory Control and Data Acquisition (SCADA), Distributed Control System (DCS), dan Programmable Logic Controller (PLC). Teknologi SCADA merupakan sistem yang berperan sebagai pengawas (supervisory), mengatur dan pengolahan data (data acquisition). Pada awalnya ICS/SCADA dibuat dalam jaringan tertutup, tetapi pada era digital dimana hampir setiap kegiatan menggunakan jaringan internet, SCADA sudah memanfaatkan teknologi internet atau jaringan global dengan tujuan untuk memudahkan manusia dalam mengendalikan sistem secara otomatis dari jarak jauh. Pergeseran dari sistem elektromagnetik tradisional ke sistem digital berbasis jaringan menimbulkan kerentanan baru dalam hardware, software, dan protokol komunikasi. Teritegrasinya Teknologi Informasi (TI) dan Teknologi Operasional (TO) telah menghadirkan acaman baru dan tantangan baru. Pada proses komunikasi antar komponen atau peralatan dalam sebuah jaringan dikenal dengan istilah protokol. Ada beberapa jenis protokol yang dipakai dalam sistem komunikasi SCADA terdiri dari Modbus, DNP3, IEC 6870-5-101 dan IEC 61850. Dibandingkan protokol yang lain, protokol IEC-61850 memiliki kamampuan yang besar sebesar 48 bit untuk data sumber dan tujuan. Semakin berkembanganya perangkat elektronik yang terhubung ke smart grid telah melahirkan protokol pada proses komunikasi. Sistem smart grid ini menggunakan dua protokol, yaitu Generic Object Oriented Substation Events (GOOSE) dan Sampled Value Message (SVM). Berdasarkan kekurangan atau fenomena, maka hal ini menarik untuk dikaji lebih komprehensif terhadap keamanan pada jaringan SCADA khususnya pada protokol IEC 61850. Selain itu, belum adanya satu sistem yang benar-benar efisien dalam mendeteksi serangan pada protokol ini khususnya pada komunikasi GOOSE sehingga penulis berinisiatif untuk membangun sistem deteksi dengan Artificial Intelligence (AI). Dalam pengujian sistem deteksi penelitian ini dilakukan dalam enam tahap yaitu, pembuatan/pencarian dataset, feature extraction, pre-processing, feature selection, dan terakhir pengujian terhadap tiga model Deep Learning (LSTM, BRNN dan DNN). Dataset pada awal penelitian belum sempurna dikarenakan masih dikelompokkan berdasarkan data normal dan serangan DOS, maka pada penelitian selanjutnya akan dilakukan pemisahan yang lebih spesifik terhadap jenis serangan, seperti Flood dan Reply. Hasil dari feature extraction didapatkan 99 atribut yang akan digunakan untuk mendapatkan pola dari paket normal dan serangan. Selanjutnya dilakukan pengujian awal dataset dengan menggunakan tiga mode di atas dan didapatkan hasil LSTM memiliki nilai akurasi yang lebih tinggi dibandingkan dengan dua model yang lain, yaitu sebesar 99.27%, BRNN 96.85 %, dan DNN 94.59 %. Pada tahap akhir pengujian ini akan dilakukan beberapa perlakuan seperti membandingkan nilai hidden layer, nilai epoch, split data dan teknik load balancing dengan tujuan agar benar-benar mendapatan nilai akurasi yang baik sehingga dapat menambah pengetahuan pada bidang keilmuan Cyber Security ICS/SCADA.

Sistem Deteksi Serangan MiTM pada Protokol IEC-61850 dengan Deep Learning

Creators & Authors