Deteksi Serangan Brute Force pada Jaringan IoT Menggunakan Algoritma Machine Learning Berbasis Dataset CICIoT2023 [AJG]

Abstract

Perkembangan pesat Internet of Things (IoT) telah membawa banyak kemudahan, namun juga membuka celah keamanan baru yang signifikan. Salah satu ancaman yang paling umum adalah serangan brute force, yang dapat membajak perangkat IoT untuk membentuk botnet berbahaya dan mengganggu layanan. Sistem deteksi intrusi (IDS) tradisional seringkali tidak efektif dalam menghadapi ancaman modern ini, sehingga diperlukan pendekatan cerdas menggunakan machine learning. Penelitian ini bertujuan membangun dan mengevaluasi model machine learning untuk mendeteksi serangan brute force pada jaringan IoT. Menggunakan dataset modern CICIOT2023, penelitian ini menerapkan teknik undersampling untuk mengatasi masalah ketidakseimbangan kelas yang signifikan pada data latih, sebuah tantangan utama yang teridentifikasi dalam dataset ini. Dua model klasifikasi, Decision Tree dan Random Forest, dilatih menggunakan data yang telah diseimbangkan dan kemudian diuji pada data uji dengan distribusi natural (tidak seimbang) untuk menyimulasikan kondisi dunia nyata.