Meningkatkan Keamanan Siber dalam Lingkungan Internet of Things (IoT) dengan Menggunakan Sistem Deteksi Intrusi Berbasis Pembelajaran Mesin

Abstract

Improving Cybersecurity in the Internet of Things (IoT) Environment Using Machine Learning-Based Intrusion Detection Systems membahas pendekatan inovatif untuk meningkatkan keamanan sistem dalam konteks Internet of Things (IoT). Penelitian ini bertujuan untuk memanfaatkan teknologi machine learning dalam mengembangkan sistem deteksi intrusi yang mampu mengidentifikasi dan mencegah serangan siber di lingkungan IoT. Dengan memanfaatkan data yang dihasilkan oleh berbagai sensor dan perangkat yang terhubung di IoT, algoritma pembelajaran mesin dilatih untuk mengenali pola serangan dan perilaku mencurigakan. Melalui proses ini, sistem dapat memberikan respons cepat terhadap ancaman keamanan, melindungi infrastruktur IoT dari serangan berbahaya, dan memastikan kelangsungan operasional sistem secara keseluruhan. Hasil eksperimen simulasi menunjukkan bahwa sistem deteksi intrusi berbasis machine learning mampu mengenali serangan siber dengan tingkat akurasi yang tinggi dan meminimalkan kerugian yang disebabkan oleh serangan tersebut. Implikasi dari penelitian ini termasuk potensi untuk meningkatkan keamanan sistem IoT, melindungi data sensitif, dan memperkuat ketahanan infrastruktur terhadap ancaman siber di masa depan. Dengan demikian, penelitian ini memberikan kontribusi yang signifikan dalam mengembangkan solusi keamanan yang adaptif dan responsif terhadap tantangan siber yang semakin kompleks di lingkungan IoT