Implementasi Federated Learning dengan FedAvg untuk Deteksi Serangan DDoS Menggunakan Dataset CICDDoS2019 [VRA]

Abstract

Serangan Distributed Denial of Service (DDoS) merupakan salah satu ancaman utama dalam keamanan jaringan yang dapat melumpuhkan layanan secara masif. Pendekatan deteksi berbasis machine learning yang terpusat memiliki risiko kebocoran data dan efisiensi rendah. Federated Learning (FL) hadir sebagai solusi yang memungkinkan pelatihan model secara kolaboratif tanpa memindahkan data ke server pusat. Penelitian ini bertujuan mengimplementasikan algoritma FedAvg dalam Federated Learning untuk mendeteksi serangan DDoS menggunakan dataset CICDDoS2019. Evaluasi dilakukan dengan membandingkan kinerja FL dan metode centralized berdasarkan akurasi, F1-score, dan efisiensi waktu pelatihan. Hasil penelitian diharapkan mampu memberikan sistem deteksi DDoS yang efisien, akurat, dan menjaga privasi data pengguna.