UNIPEMUNIPEM

ipsikomipsikom

Peningkatan jumlah perangkat IoT yang terhubung menciptakan tantangan keamanan yang signifikan. Serangan siber IoT dapat menyebabkan dampak besar, mulai dari pencurian data hingga sabotase infrastruktur kritis. Penelitian ini mengusulkan pendekatan keamanan berbasis kecerdasan buatan (AI) yang menggabungkan deep learning dan federated learning untuk deteksi dan mitigasi serangan siber pada ekosistem IoT.

Penelitian ini mengusulkan pendekatan keamanan berbasis kecerdasan buatan (AI) untuk meningkatkan efektivitas deteksi dan mitigasi serangan siber dalam ekosistem Internet of Things (IoT).Dengan menggabungkan Convolutional Neural Networks (CNN) dan Long Short-Term Memory (LSTM) serta menerapkan federated learning, model ini berhasil meningkatkan ketahanan infrastruktur IoT terhadap ancaman siber yang semakin kompleks.

Penelitian lanjutan dapat dilakukan dengan mengembangkan model keamanan AI yang lebih adaptif dan efisien untuk mendeteksi serangan siber pada ekosistem IoT. Selain itu, penelitian dapat dilakukan untuk mengintegrasikan model keamanan AI dengan protokol komunikasi IoT lainnya, seperti LoRaWAN dan NB-IoT. Penelitian juga dapat dilakukan untuk mengembangkan sistem keamanan AI yang dapat mendeteksi dan merespons serangan siber pada waktu yang lebih singkat, sehingga dapat mengurangi dampak serangan siber pada infrastruktur kritis.

  1. #human resources#human resources
  2. #support vector machine#support vector machine
Read online
File size337.55 KB
Pages6
Short Linkhttps://juris.id/p-31H
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test