Implementasi Federated Learning untuk Deteksi Serangan DDoS Menggunakan Dataset UNSW-NB15

Abstract

Serangan Distributed Denial of Service (DDoS) menjadi salah satu tantangan terbesar dalam menjaga keamanan jaringan, terlebih lagi dengan semakin banyaknya perangkat yang terhubung melalui Internet of Things (IoT). Deteksi serangan semacam ini secara cepat dan akurat sangatlah penting, namun metode tradisional yang bersifat terpusat sering kali terkendala oleh isu privasi dan skalabilitas. Penelitian ini mencoba menghadirkan solusi dengan menerapkan pendekatan Federated Learning (FL) menggunakan algoritma FedAvg, yang memungkinkan pelatihan model dilakukan secara terdistribusi tanpa harus membagikan data mentah. Dengan menggunakan dataset UNSW-NB15, penelitian ini fokus pada pengembangan dan evaluasi model deteksi serangan DDoS berdasarkan metrik seperti akurasi, precision, recall, dan F1-score. Diharapkan, hasil dari penelitian ini mampu menghasilkan model yang tidak hanya akurat dan efisien, tetapi juga menjaga privasi data dan dapat diterapkan pada sistem nyata yang bersifat terdistribusi.