Yesi Novaria Kunang

Sistem Pendeteksi Serangan (IDS) bekerja dengan menganalisis pola dari data yang ditangkap di jaringan. IDS dapat mendeteksi adanya serangan berdasarkan pola anomaly detection dan misuse detection. Peneliti masih terus mengembangkan sistem pendeteksi serangan yang dapat digunakan pada berbagai platform IoT yang hetrogen. IDS tradisional yang biasa digunakan pada jaringan konvensional, tidak fleksibel saat digunakan pada jaringan IoT yang komplek dan hetrogen. Beberapa teknik sudah dikembangkan untuk mendeteksi serangan di jaringan, akan tetapi penelitian yang membahas sistem pendeteksi serangan di jaringan IoT sendiri masih terbatas. Beberapa penelitian awal untuk pendeteksi serangan di jaringan IoT masih dapat dikembangkan dengan model deep learning untuk meningkatkan realibilitasnya. Dengan kemampuan deep learning yang dapat mempresentasikan data menjadi model yang lebih baik, maka kami mengajukan model deep learning dengan Deep Autoencoder (DAE) yang dihibrid dengan Deep Neural Network pada sistem pendeteksi serangan. Kontribusi dari penelitian ini adalah sebagai berikut: Kami mengembangkan deep learning dengan pendekatan Pre-Training dengan Deep Autoencoder (PTDA) yang dikombinasikan dengan Deep Neural Network. Model yang dikembangkan melalui proses prosedur hyperparameter optimisasi dengan proses fine tunning, yang dapat meningkatkan tingkat pendeteksian serangan dengan proses fine tunning. Model yang dikembangkan akan diimplementasikan pada jaringan IoT untuk meningkatkan pendeteksian serangan dengan false alarm yang rendah, memiliki kemampuan mendeteksi semua serangan, dan timeliness kecepatan waktu pendeteksian.