Internet of Things (IoT) menghadirkan banyak manfaat, namun juga meningkatkan risiko keamanan, salah satunya adalah serangan Distributed Denial of Service (DDoS). Serangan ini dapat melumpuhkan sistem Smarthome dengan membanjiri jaringan menggunakan lalu lintas data berlebih. Penelitian ini bertujuan untuk mendeteksi serangan DDoS pada perangkat Smarthome menggunakan metode Convolutional Neural Network (CNN). Dataset yang digunakan berasal dari COMNETS dalam bentuk file PCAP, yang kemudian diekstraksi menjadi CSV menggunakan CICFlowMeter. Data selanjutnya diproses melalui tahapan preprocessing seperti label encoding, feature selection, normalisasi, reshaping, dan pembagian data. Model CNN dibangun dengan arsitektur Conv1D, MaxPooling1D, Flatten, Dense, dan Dropout. Evaluasi dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil terbaik diperoleh dengan akurasi sebesar 98,28%, presisi 98,23%, recall 100%, dan F1-score 98,28%. Hasil ini menunjukkan bahwa metode CNN sangat efektif dalam mendeteksi serangan DDoS pada sistem Smarthome berbasis Internet of Things (IoT) secara real-time dan akurat. Kata kunci: Internet of Things, Smarthome, DDoS, CNN, Deep Learning, Keamanan Jaringan.

Deteksi Serangan Distributed Denial of Service (DDoS) pada Sistem Smarthome menggunakan Metode Convolutional Neural Network (CNN)

Kreator & Penulis