Detection of DDoS TCP Flooding Attack Patterns from AI Agents in IoT Smart Home Networks Using Random Forest

Karya ini membahas deteksi dan analisis pola serangan Distributed Denial-of-Service (DDoS) berbasis TCP Flooding pada lingkungan Internet of Things (IoT) Smart Home, dengan membandingkan karakteristik trafik yang dihasilkan oleh AI Agent dan serangan DDoS manual. Penelitian dilakukan pada lingkungan Smart Home yang terdiri dari perangkat seperti smart bulb, smart plug, CCTV, dan perangkat pengguna, dengan Gemini CLI digunakan sebagai AI Agent untuk menghasilkan trafik serangan. Metode Random Forest digunakan untuk mengklasifikasikan trafik menjadi serangan AI-generated DDoS dan Manual DDoS. Selanjutnya, Explainable AI (XAI) menggunakan SHAP diterapkan untuk mengidentifikasi fitur jaringan yang paling berpengaruh terhadap keputusan model. Hasil penelitian menunjukkan bahwa pola trafik AI-DDoS memiliki karakteristik yang berbeda dari serangan manual, terutama pada rata-rata ukuran paket, jumlah SYN flag, volume paket, serta variasi alamat IP sumber. Model Random Forest mencapai akurasi 97,66% dan F1-score 98,20%, serta mempertahankan akurasi 95,54% pada perangkat Smart Bulb yang tidak digunakan dalam proses pelatihan. Hasil tersebut menunjukkan potensi Random Forest dalam mendeteksi pola serangan DDoS yang dihasilkan oleh AI Agent sekaligus melakukan generalisasi terhadap perangkat IoT yang belum pernah dilihat selama pelatihan. Analisis SHAP juga memberikan interpretasi terhadap fitur jaringan yang menjadi dasar pengambilan keputusan model.