Perpustakaan Digital ITB

Sistem Transportasi Cerdas (ITS), yang didukung oleh konektivitas 5G, sangat bergantung pada komunikasi Vehicle-to-Everything (V2X) untuk menjamin keselamatan dan efisiensi lalu lintas. Dalam kerangka ini, Vehicular Ad-hoc Networks (VANET) menjadi tulang punggung utama untuk pertukaran data realtime antar kendaraan, infrastruktur, pejalan kaki, dan jaringan cloud. Namun, karakteristik intrinsik VANET seperti sifat nirkabel, topologi yang sangat dinamis, dan ketiadaan entitas pusat, menjadikannya rentan terhadap berbagai ancaman keamanan siber, terutama serangan Distributed Denial-of-Service (DDoS). Serangan DDoS mampu membanjiri kanal komunikasi dengan lalu lintas palsu, secara efektif menghambat pengiriman pesan keselamatan yang kritis, dan berpotensi memicu kecelakaan. Metode deteksi tradisional yang hanya mengandalkan ambang batas volume lalu lintas tidak lagi memadai untuk mengidentifikasi dan menanggulangi kompleksitas pola serangan DDoS modern. Meskipun penelitian sebelumnya telah mengeksplorasi secara terpisah kerangka kepercayaan untuk manajemen reputasi node dan algoritma pembelajaran mesin canggih seperti Multilayer Perceptron (MLP) untuk deteksi serangan dengan akurasi tinggi, integrasi komprehensif antara kedua pendekatan ini masih menjadi tantangan untuk mencapai perlindungan end-to-end yang dibutuhkan oleh aplikasi 5G-V2X yang menuntut latensi rendah dan keandalan tinggi. Tugas akhir ini mengusulkan sebuah sistem deteksi DDoS terintegrasi yang inovatif, memadukan manajemen kepercayaan berbasis simple blockchain dengan model deep learning Multilayer Perceptron (MLP) untuk meminimalkan false positive dan false negative. Penelitian ini menganalisis dampak serangan DDoS pada komunikasi V2V dan mengevaluasi kinerja deteksi MLP dalam berbagai skenario lalu lintas, meliputi kepadatan rendah, sedang, dan tinggi, serta berbagai jenis serangan seperti Flooding Attack, High Power Jamming, dan Synchronize Attack. Hipotesis utama yang diajukan adalah bahwa integrasi blockchain untuk pengelolaan skor reputasi kendaraan akan secara signifikan meningkatkan akurasi deteksi dan memungkinkan model untuk beradaptasi secara efektif terhadap kondisi VANET yang dinamis. Pengujian dilakukan dalam simulasi yang melibatkan Road Side Unit (RSU) dan setiap kendaraan (node) untuk memantau dan memprediksi serangan secara real-time. Hasil awal menunjukkan peningkatan kinerja model yang substansial dengan penambahan fitur reputasi, menegaskan bahwa pendekatan terintegrasi ini sangat krusial untuk menciptakan lingkungan komunikasi kendaraan yang lebih aman, andal, dan efisien, sekaligus memberikan kontribusi pada pengembangan ITS global.