Perpustakaan Digital ITB

Cyber Physical System (CPS) semakin banyak digunakan pada bidang-bidang kritis seperti kesehatan, perkotaan, dan industri. Perkembangan CPS menyebabkan terjadinya peningkatan serangan siber. Serangan pada CPS dapat memiliki dampak besar dari segi ekonomi dan kehidupan orang banyak. Hal ini dapat dilihat pada kasus Stuxnet yang menyebabkan kerusakan besar pada program nuklir Iran. Oleh karena itu, diperlukan sebuah sistem terintegrasi yang dapat memantau, mendeteksi serangan, dan melakukan penanganan pada CPS. Dalam melindungi CPS, biasanya dikembangkan Intrusion Detection System (IDS) untuk mendeteksi adanya serangan pada CPS. Sejumlah penelitian menggunakan model machine learning pada IDS untuk mendeteksi serangan. Dari penelitian- penelitian tersebut, model deep learning seperti 1D-CNN, autoencoder dan LSTM memiliki kinerja baik dalam mendeteksi serangan. Di Institut Teknologi Bandung, terdapat sebuah CPS bernama Process Instrumentation Trainer yang berfungsi sebagai testbed. Pada CPS ini, dikembangkan sebuah IDS untuk mensimulasikan perlindungan CPS dari serangan. Laporan ini mencakup bagian deteksi dan pelatihan model pada IDS. Deteksi dilakukan dengan menggunakan sebuah model machine learning yang dilatih terhadap pola sistem pada keadaan normal. Dalam menentukan model dengan kinerja terbaik, dilakukan perbandingan antara 1D-CNN, autoencoder, LSTM, dan PCA. Menggunakan model 1D-CNN, solusi yang dibangun dapat mendeteksi 29 dari 35 serangan pada dataset SWaT dan 5 dari 5 serangan yang diujikan terhadap CPS. Akan tetapi, masih belum diketahui ketahanan model terhadap serangan adversarial.