Deteksi Serangan berbasis Machine Learning pada Internet of Vehicle

Abstract

The Internet of Things (IoT) technology has become commonplace in the daily lives of people worldwide. It is not only applied in homes, offices, or urban areas but is also increasingly found in vehicles, including cars. IoT applied to vehicles is commonly referred to the Internet of Vehicles (IoV). The widespread adoption of IoV is due to its ability to enhance user comfort, safety, and efficiency when driving. Some implementations of IoV include vehicle health monitoring and smart parking. On the other hand, the involvement of internet technology in vehicle operations actually opens up security gaps which can certainly have a negative impact on users, vehicles and the surrounding environment. Cyberattacks such as Denial of Service (DoS) and spoofing pose risks by disrupting the sensors within vehicles and interfering communication among involved devices. Therefore, detecting cyberattacks in IoV is essential, and one effective approach is to involve machine learning. In this research experiment, we evaluated the performance of three machine learning algorithms in detecting IoV attacks, including determining whether the attacks are DoS or spoofing. We used a publicly available dataset called CICIoV2024, created in 2024. The freshness of the dataset is crucial in security-related research, given that cyberattack patterns continually evolve over time. The three algorithms used in this study were Decision Tree, Naive Bayey, and Logistic Regression. The Naive Bayes algorithm performed the best, achieving 98.10% of accuracy and a 98.00 of F1-Score.

Abstrak

Teknologi Internet of Things (IoT) sudah jamak dimanfaatkan dalam keseharian masyarakat dunia. Tidak hanya diaplikasikan di rumah, kantor atau wilayah kota, pemanfaatkan IoT juga mulai banyak dijumpai pada kendaraan, termasuk mobil. Internet of Things (IoT)  yang diterapkan pada kendaraan, umumnya disebut dengan Internet of Vehicles (IoV). Maraknya penggunaan IoV disebabkan karena teknologi tersebut dapat meningkatkan kenyamanan, keamanan dan efisiensi pengguna dalam berkendara. Beberapa implementasi IoV, diantaranya yaitu untuk memantau kesehatan kendaraan dan juga untuk smart parking. Di sisi lain, pelibatan teknologi internet dalam operasional kendaraan justru membuka celah keamanan yang tentunya dapat berdampak buruk bagi pengguna, kendaraan, dan lingkungan sekitar. Serangan siber seperti Denial of Service (DoS) dan Spoofing beresiko melumpuhkan sensor-sensor yang ada pada kendaraan, sekaligus mengacaukan komunikasi pada perangkat-perangkat yang terlibat. Oleh karena itu, mendeteksi serangan siber pada IoV menjadi sangat esensial, dan salah satu caranya yaitu dengan melibatkan machine learning. Eksperimen pada penelitian ini dilakukan guna mengevaluasi performa tiga algoritma machine learning dalam mendeteksi ada tidaknya serangan pada IoV, termasuk menentukan apakah serangan yang terjadi adalah berupa DoS atau Spoofing. Dataset yang digunakan merupakan dataset publik bernama CICIoV2024 yang dibuat pada tahun 2024. Kebaruan dataset memiliki peran yang sangat penting dalam suatu penelitian terkait dunia keamanan mengingat pola serangan siber terus berevolusi dari waktu ke waktu. Tiga algoritma yang digunakan pada penelitian ini adalah Decision Tree, Naive Bayes, dan Logistic Regression. Hasilnya, algoritma Naive Bayes mendapatkan performa terbaik, yaitu 98.10% untuk akurasi dan 98.00 untuk F1-Score