Perpustakaan Digital ITB

Sistem Transportasi Cerdas (ITS), yang didukung oleh teknologi konektivitas 5G, sangat bergantung pada komunikasi Vehicle-to-Everything (V2X) untuk memastikan keselamatan dan kelancaran arus lalu lintas. Dalam konteks ini, Vehicular Ad-hoc Networks (VANET) berperan penting sebagai fondasi utama dalam pertukaran data secara real-time antar kendaraan, infrastruktur, pejalan kaki, dan jaringan cloud. Namun, karakteristik alami VANET seperti komunikasi nirkabel, topologi yang sangat dinamis, serta tidak adanya entitas pusat, membuatnya rentan terhadap berbagai ancaman siber, salah satunya adalah serangan Distributed Denial-of-Service (DDoS). Serangan DDoS dapat membanjiri kanal komunikasi dengan data palsu, yang menghambat pengiriman pesan keselamatan yang vital dan berpotensi menyebabkan kecelakaan. Metode deteksi tradisional yang mengandalkan ambang batas volume lalu lintas tidak lagi cukup untuk mendeteksi dan menangani kompleksitas serangan DDoS modern. Meskipun banyak penelitian sebelumnya yang mengkaji secara terpisah penggunaan manajemen kepercayaan untuk reputasi node dan algoritma pembelajaran mesin canggih seperti Random Forest dan XGBoost untuk deteksi serangan dengan akurasi tinggi, namun belum ada integrasi komprehensif antara kedua pendekatan ini untuk mencapai perlindungan end-to-end yang diperlukan oleh aplikasi 5G-V2X yang membutuhkan latensi rendah dan keandalan tinggi. Tugas akhir ini mengusulkan sebuah sistem deteksi DDoS terintegrasi yang inovatif, yang menggabungkan manajemen kepercayaan berbasis blockchain sederhana dengan model Random Forest dan XGBoost untuk meminimalkan false positive dan false negative. Penelitian ini menganalisis dampak serangan DDoS terhadap komunikasi Vehicle-to-Vehicle (V2V) dan mengevaluasi kinerja deteksi Random Forest dan XGBoost dalam berbagai skenario lalu lintas, termasuk kepadatan rendah, sedang, dan tinggi, serta berbagai jenis serangan seperti Flooding Attack, High Power Jamming, dan Asynchronize Attack. Hipotesis utama yang diuji adalah bahwa integrasi blockchain untuk pengelolaan skor reputasi kendaraan dapat meningkatkan akurasi deteksi secara signifikan dan memungkinkan model untuk beradaptasi dengan baik terhadap kondisi VANET yang dinamis. Pengujian dilakukan dalam simulasi yang melibatkan kendaraan (node) untuk memantau dan mendeteksi serangan secara real-time. Simulasi pada skenario serangan SYN, Flooding, dan High Power Jamming menghasilkan lebih dari 400.000 sampel, dan menunjukkan bahwa model XGBoost dengan reputasi berbasis blockchain mampu mencapai akurasi dan F1-score mendekati 100%, dengan validation accuracy stabil di angka 99,5%. Hasil ini menguatkan efektivitas pendekatan terintegrasi dalam mendeteksi serangan DDoS secara andal dalam lingkungan VANET. Perlu dicatat bahwa seluruh skenario simulasi pada penelitian ini menggunakan topologi six lane highway sebagaimana dikonfigurasi pada modul generator FCD, sehingga pengaruh variasi topologi jalan belum dianalisis. Hal ini menjadi batasan yang dapat dieksplorasi pada penelitian lanjutan untuk menguji kinerja sistem pada kondisi topologi dan infrastruktur yang lebih beragam. Pendekatan terintegrasi ini sangat penting untuk menciptakan lingkungan komunikasi kendaraan yang lebih aman, andal, dan efisien, serta memberikan kontribusi dalam pengembangan ITS global.