Analisis Keamanan Protokol Komunikasi Message Queuing Telemetry Transport (Studi Kasus Smart Greenhouse)

Andy Victor Pakpahan, Mochamad Cory Sakti Triwangsa, Hanif Fakhrurroja

Abstract


Masalah keamanan pada perangkat IoT menjadi isu yang menjadi kekhawatiran pengguna. Perangkat IoT yang memiliki pemrosesan yang terbatas menjadikan perangkat ini memiliki celah keamanan. Perangkat IoT kemudian menjadi sasaran oleh penyerang untuk mengambil data-data penggunanya. Perangkat IoT yang dianalisis keamanannya adalah Smart Greenhouse. Untuk menganalisis keamanan pada Smart Greenhouse menggunakan metode penetration testing dimana terhadap tahap Reconnaissance maka perlunya penggambaran sistem yang sedang berjalan dan berdasarkan sistem yang berjalan akan dicari celah berdasarkan studi literatur yang dilakukan. lalu potensi celah dicoba diimplementasikan di Smart Greenhouse dan dibandingkan dengan protokol komunikasi MQTTS yang dianggap lebih aman Kemudian pada tahap Scanning dilakukan dengan mencari informasi seperti IP, MAC dan port pada jaringan. Tahap ketiga adalah Exploitation melakukan penetrasi menggunakan teknik sniffling, Sniffling yang digunakan adalah ARP Poisoning, pada tahap Maintaining Access dilakukan MITM Attack kemudian ditemukan celah keamanan pada bagian protokol komunikasi MQTT yang digunakan, hal yang sama dilakukan pada MQTTS sebagai pembanding. Hasil implementasi tersebut ditemukan bahwa data yang dikirim melalui protokol MQTT dapat dibaca oleh penyerang dengan melakukan ARP Poisoning dan MITM Attack dapat memodifikasi packet data sehingga packet tidak sampai ke tujuan sedangkan pada protokol MQTTS ARP Poisoning dapat dilakukan namun data terenkripsi sehingga MITM Attack tidak dapat dilakukan

Full Text:

References


Simon Kemp, 5 April 2022, Digital 2022 Indonesia :Internet use in Indonesia 2022,

https://datareportal.com/reports/digital-2022 indonesia?rq=indonesia%202022.

N. Rohman, R. Luviana Musyarofah, E. Utami, and S. Raharjo, “Natural Language

Processing on Marketplace Product Review Sentiment Analysis,” in 2020 2nd International

Conference on Cybernetics and Intelligent System (ICORIS), 2020, pp. 1–5, doi:

1109/ICORIS50180.2020.9320827.

X. Wang, T. Zhou, X. Wang, and Y. Fang, “Harshness-aware sentiment mining framework

for product review,” Expert Systems with Applications, vol. 187, p. 115887, 2022, doi:

https://doi.org/10.1016/j.eswa.2021.115887.

J.-W. Bi, Y. Liu, and Z.-P. Fan, “Representing sentiment analysis results of online reviews

using interval type-2 fuzzy numbers and its application to product ranking,” Information

Sciences, vol. 504, pp. 293–307, 2019, doi: https://doi.org/10.1016/j.ins.2019.07.025.

Q. Wang, W. Zhang, J. Li, F. Mai, and Z. Ma, “Effect of online review sentiment on product

sales: The moderating role of review credibility perception,” Computers in Human Behavior,

vol. 133, p. 107272, 2022, doi: https://doi.org/10.1016/j.chb.2022.107272.

Kevin, V. et al. (2020) “Analisis Sentimen Transportasi Online Menggunakan Support

Vector Machine Berbasis Particle Swarm Optimization ( Online Transportation Sentiment

Analysis Using Support Vector Machine Based on Particle Swarm Optimization ),” Jurnal

Nasional Teknik Elektro dan Teknologi Informasi, 9(2), hal. 162–170FLEXChip Signal

Processor (MC68175/D), Motorola, 1996.

Y. Yennimar and R. Rizal, “Comparison of Machine Learning Classification Algorithms in

Sentiment Analysis Product Review of North Padang Lawas Regency,” SinkrOn, vol. 4, p.

, 2019, doi: 10.33395/sinkron.v4i1.10416

Sihombing, L., Hannie, H. dan Dermawan, B. (2021) “Sentimen Analisis Customer Review

Produk Shopee Indonesia Menggunakan Algortima Naïve Bayes Classifier,” Edumatic:

Jurnal Pendidikan Informatika, 5, hal. 233–242. doi: 10.29408/edumatic.v5i2.4089

M. T. Akter, M. Begum, and R. Mustafa, “Bengali Sentiment Analysis of E-commerce

Product Reviews using K-Nearest Neighbors,” in 2021 International Conference on

Information and Communication Technology for Sustainable Development (ICICT4SD),

, pp. 40–44, doi: 10.1109/ICICT4SD50815.2021.9396910

S. F. N. H. R. JAYADI, “Sentiment Analysis Of Indonesian E-Commerce Product Reviews

Using Support Vector Machine Based Term Frequency Inverse Document,” vol. 99, no. 17,

pp. 4316–4325, 2022




DOI: https://doi.org/10.30591/smartcomp.v12i4.4681

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

SMART COMP INDEXED OR REGISTERED BY

  
Flag Counter

View My Stats
Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

SUNDA787

SUNDA787

SUNDA787

SUNDA787

SUNDA787

SUNDA787

SUNDA787

SUNDA787

SUNDA787

SUNDA787

SUNDA787

 

POSKOBET

POSKOBET

POSKOBET

POSKOBET

POSKOBET

POSKOBET

POSKOBET

POSKOBET

POSKOBET

POSKOBET