Dalam era digital yang semakin maju, Internet of Things (IoT) telah menjadi suatu fenomena yang mendasar dalam transformasi teknologi. Dengan jutaan perangkat yang terhubung ke internet dan pertukaran data yang luas, keamanan jaringan IoT menjadi prioritas utama.Â
Dalam makalah yang baru-baru ini dipublikasikan di jurnal "IET Renewable Power Generation," yang berjudul "MS-ADS: Multistage Spectrogram Image-Based Anomaly Detection System for IoT Security" oleh Zeeshan Ahmad, Adnan Shahid Khan, Kartinah Zen, dan Farhan Ahmad pada tahun 2023 menghadirkan solusi inovatif dalam bentuk sistem deteksi anomali berbasis gambar yang disebut Multistage Spectrogram image-based Anomaly Detection System (MS-ADS).Â
Makalah ini mengusulkan MS-ADS sebagai langkah maju dalam memastikan keamanan jaringan IoT. Artikel ini akan membahas implikasi praktis dari MS-ADS dan menguraikan dampaknya yang signifikan dalam meningkatkan efisiensi deteksi anomali dalam jaringan IoT.
Solusi Inovatif: MS-ADS sebagai Tonggak dalam Keamanan IoT
Pentingnya keamanan dalam jaringan IoT tak dapat disangkal. Informasi sensitif dan data kritis ditransmisikan melalui perangkat IoT, yang membuatnya menjadi sasaran yang menarik bagi pelaku jahat. Dalam makalah mereka, Zeeshan Ahmad dkk. menggarisbawahi pentingnya meningkatkan sistem deteksi anomali yang efisien untuk melindungi jaringan IoT dari berbagai ancaman, seperti serangan Denial of Service (DoS), Distributed Denial of Service (DDoS), Reconnaissance, dan pencurian informasi.
MS-ADS merupakan solusi yang menonjol dalam upaya ini. Dengan menggunakan jaringan saraf konvolusi dalam (CNN) dan gambar spektrogram yang dihasilkan dari aliran jaringan IoT, MS-ADS mencapai akurasi deteksi yang mengesankan sebesar 99,98%. Ini adalah langkah signifikan menuju memastikan keamanan jaringan IoT yang efektif. Kita tidak dapat meremehkan pentingnya akurasi dalam mendeteksi anomali, karena setiap anomali yang tidak terdeteksi dapat membuka pintu bagi potensi serangan.
Mengurangi Tingkat Alarm Palsu dan Tingkat Negatif Palsu: Kunci Keefisienan
Salah satu masalah yang sering dihadapi dalam sistem deteksi anomali adalah tingkat alarm palsu yang tinggi. Tingkat ini bisa membuat tim keamanan sibuk mengecek peringatan palsu dan mengalihkan sumber daya yang berharga. Dalam hal ini, MS-ADS memberikan kontribusi berharga dengan mengurangi tingkat alarm palsu menjadi 0,006%. Ini bukan hanya langkah menuju efisiensi, tetapi juga menghemat waktu dan sumber daya yang dapat dialokasikan untuk penanganan serangan yang lebih serius.
Selain itu, tingkat negatif palsu (False Negative Rate atau FNR) adalah parameter penting dalam mengevaluasi sistem deteksi anomali. Dalam makalah ini, MS-ADS berhasil meminimalkan FNR menjadi 0,020%. Ini berarti sistem memiliki kemampuan yang luar biasa dalam mendeteksi anomali tanpa mengabaikan ancaman yang sebenarnya. Tingkat alarm palsu yang rendah dan FNR yang minim adalah komponen kunci dalam efisiensi sistem ini.
Meningkatkan Keefisienan dengan Pembelajaran Berkelanjutan
