IDS Berbasis AI Tingkatkan Deteksi Serangan Siber

Dalam pidatonya di sidang terbuka promosi doktor Departemen Teknik Elektro FTUI, Smart Meetig Room Gedung Dekanat Fakultas Teknik Universitas Indonesia, Rabu 1 Juli 2026 Rushendra mengkaji Pengembangan Sistem Deteksi Intrusi berbasis Hybrid CNN-LSTM-DQN-PER dengan ARMF-Aware Reward Shaping untuk Generalisasi Zero-Day dan Peningkatan Ketahanan Jaringan.

Sidang Promosi yang diketuai oleh Wakil Dekan 1 Fakultas Teknik Universitas Indonesia Prof. Dr. Ir. Akhmad Herman Yuwono, M.Phil.Eng. Promotor Prof. Dr.-Ing. Ir. Kalamullah Ramli, M.Eng., Ko-Promotor Dr. Prima Dewi Purnamasari, S.T., M.Sc. Penguji Prof. Dr. Ir. Riri Fitri Sari, M.M., M.Sc., IPU., Dr. lr. Muhammad Salman, S.T., M.IT., Dr. Ruki Harwahyu, S.T., M.T., M.Sc., I Gde Dharma Nugraha, S.T., M.T., Ph.D., Alfan Presekal, S.T., M.T., Ph.D.. serta Penguji Eksternal Rudi Lumanto, Ph.D. (CSIRT.ID, Jakarta).

Penelitian ini mengembangkan Intrusion Detection System (IDS) berbasis kecerdasan buatan yang mengombinasikan CNN, LSTM, Deep Q-Network (DQN), dan Prioritized Experience Replay (PER) untuk meningkatkan kemampuan deteksi serangan siber, termasuk zero-day attack dan Advanced Persistent Threat (APT).

Melalui dua belas eksperimen terkontrol, model yang diusulkan berhasil mencapai recall 91,40% dengan jumlah peringatan palsu yang jauh lebih rendah dibandingkan pendekatan konvensional. Hasil validasi pada dataset TON_IoT juga menunjukkan tingkat recall hingga 98,02%, mengindikasikan kemampuan model dalam beradaptasi pada lingkungan yang berbeda tanpa perubahan arsitektur.

Penelitian turut mengevaluasi ketahanan sistem terhadap concept drift, pengujian zero-day, serta validasi lintas dataset untuk memastikan keandalan model dalam menghadapi ancaman siber modern. Meskipun masih terdapat tantangan pada beberapa jenis serangan tertentu, hasil penelitian menunjukkan bahwa pendekatan berbasis deep reinforcement learning mampu meningkatkan efektivitas sistem deteksi intrusi sekaligus mengurangi beban analisis pada Security Operations Center (SOC).

Temuan ini memberikan kontribusi penting bagi pengembangan sistem keamanan siber yang lebih adaptif, efisien, dan siap menghadapi ancaman digital yang terus berkembang.

Penelitian ini berkontribusi terhadap Sustainable Development Goals (SDGs), terutama SDG 9: Industri, Inovasi, dan Infrastruktur, melalui pengembangan teknologi keamanan siber berbasis kecerdasan buatan untuk memperkuat infrastruktur digital. Selain itu, penelitian ini mendukung SDG 16: Perdamaian, Keadilan, dan Kelembagaan yang Tangguh dengan meningkatkan perlindungan sistem informasi dari ancaman siber, serta SDG 17: Kemitraan untuk Mencapai Tujuan melalui pemanfaatan dataset dan metodologi penelitian yang mendorong kolaborasi dalam pengembangan teknologi keamanan digital.