Meningkatkan Keamanan Jaringan Edge AI dengan Kriptografi Hybrid ALO-DHT
Perkembangan teknologi berbasis kecerdasan buatan (AI) telah mencapai tahap di mana penggunaannya tidak lagi terbatas pada pusat data, melainkan telah merambah hingga ke tepi jaringan (Edge AI). Dengan semakin banyaknya perangkat Internet of Things (IoT) yang terhubung, jaringan Edge AI memungkinkan pemrosesan data yang lebih cepat dan efisien secara lokal, mengurangi ketergantungan pada pusat komputasi awan. Namun, perkembangan ini juga menghadirkan tantangan baru, terutama dalam hal keamanan dan privasi data. Data yang dikumpulkan oleh perangkat Edge AI sering kali bersifat sangat sensitif, mulai dari informasi kesehatan hingga data pribadi pengguna. Mengingat ancaman keamanan siber yang terus berkembang, perlindungan data menjadi kebutuhan yang mendesak.
Artikel berjudul "A Hybrid Cryptographic Mechanism for Secure Data Transmission in Edge AI Networks" yang ditulis oleh Abdulmohsen Almalawi, Shabbir Hassan, Adil Fahad, dan Asif Irshad Khan (2024), memberikan solusi inovatif untuk mengatasi tantangan tersebut. Penulis mengusulkan mekanisme kriptografi hybrid yang menggabungkan Ant Lion Optimization (ALO) dengan algoritma Diffie-Hellman berbasis Twofish (DHT). Mekanisme ini dirancang untuk memberikan tingkat keamanan yang lebih tinggi sambil tetap mempertahankan efisiensi pemrosesan dan konsumsi energi yang rendah. Dalam pengujian yang dilakukan, mekanisme ini menunjukkan akurasi yang luar biasa, mencapai 99,45%, serta mengurangi konsumsi energi menjadi hanya 3,2 mJ.
Pengembangan metode ini menunjukkan bahwa ada kebutuhan mendesak akan solusi keamanan yang dapat diimplementasikan dalam skala besar, terutama untuk jaringan yang tersebar seperti Edge AI. Dengan terus meningkatnya volume data dan kecepatan pengambilan keputusan, perlindungan yang andal dan efisien harus menjadi prioritas utama.
***
Mekanisme kriptografi hybrid yang diusulkan dalam artikel ini menghadirkan terobosan penting dalam dunia keamanan jaringan Edge AI. Penggabungan Ant Lion Optimization (ALO) dengan algoritma Diffie-Hellman berbasis Twofish (DHT) menawarkan pendekatan baru yang meningkatkan kekuatan enkripsi dan efisiensi pemrosesan secara bersamaan. Mengapa pendekatan ini begitu penting? Dalam jaringan Edge AI, yang terdiri dari miliaran perangkat IoT, transmisi data yang aman adalah kunci untuk menjaga integritas dan privasi pengguna. Dengan mengandalkan algoritma klasik saja, seperti enkripsi simetris tradisional, sering kali menimbulkan masalah latensi, keterbatasan sumber daya, dan risiko keamanan yang lebih besar.
Ant Lion Optimization (ALO) bekerja dengan mengoptimalkan proses pertukaran kunci dalam algoritma Diffie-Hellman. Dalam proses ini, ALO memilih parameter-parameter terbaik, seperti bilangan prima besar dan modulo primitif, untuk menghasilkan kunci yang lebih kuat. Hal ini penting karena semakin kuat kunci enkripsi, semakin sulit bagi pihak ketiga untuk menyusupi transmisi data. Menariknya, ALO juga meningkatkan efisiensi energi, yang merupakan masalah kritis di jaringan Edge AI, di mana perangkat IoT sering kali beroperasi dengan daya yang terbatas. Hasil pengujian menunjukkan bahwa metode ini mengurangi waktu konsumsi hingga 2 detik, waktu tunda sebesar 0,8 detik, dan konsumsi energi sebesar 3,2 mJ, yang jauh lebih rendah dibandingkan metode konvensional lainnya seperti EC-AI dan SC-ADS.
Selain efisiensi waktu dan energi, mekanisme ini juga menawarkan solusi terhadap ancaman keamanan yang kompleks di era modern, seperti serangan Distributed Denial of Service (DDoS) dan pencurian identitas. Kombinasi ALO dengan Diffie-Hellman dan Twofish memungkinkan sistem untuk secara dinamis menyesuaikan parameter kunci sesuai dengan kondisi jaringan yang berubah. Ini berarti bahwa ketika jaringan dihadapkan pada ancaman siber, mekanisme kriptografi ini dapat secara otomatis menyesuaikan diri untuk memberikan perlindungan tambahan. Selain itu, sistem autoencoder yang digunakan untuk mendeteksi data berbahaya juga menjadi bagian penting dalam mekanisme ini, dengan akurasi deteksi serangan mencapai 99,77%.
Kontribusi signifikan lainnya dari penelitian ini adalah penerapannya dalam konteks nyata, terutama dalam lingkungan yang sensitif terhadap serangan siber seperti sektor kesehatan. Dalam jaringan kesehatan berbasis Edge AI, di mana data pasien yang sangat sensitif dikumpulkan melalui perangkat IoT, ancaman terhadap pelanggaran data sangat besar. Dengan menggunakan sistem hybrid ini, transmisi data yang aman dapat dijamin, sekaligus memastikan keputusan medis yang lebih cepat dan tepat. Artikel ini memberikan contoh konkrit bagaimana mekanisme ini dapat diterapkan dalam konteks medis, dengan mengamankan data rekam medis elektronik (Electronic Health Records/EHR) yang mencakup informasi vital seperti tekanan darah, kadar gula, dan saturasi oksigen pasien.
Dengan demikian, mekanisme kriptografi hybrid ALO-DHT ini tidak hanya menawarkan peningkatan keamanan, tetapi juga efisiensi tinggi, yang sangat penting dalam lingkungan jaringan yang tersebar luas dan memerlukan kinerja real-time seperti Edge AI.
***
