ARTIKEL 2: pAElla: Edge-AI yang Mendeteksi Malware Lewat Jejak Daya dan Perilaku Perangkat

Pendahuluan

Ketika jutaan perangkat IoT terhubung, satu sensor yang disusupi bisa membuka pintu ke seluruh jaringan.

Sayangnya, banyak perangkat kecil tidak mampu menjalankan antivirus konvensional.

Solusinya datang dari riset pAElla (2020) — sistem Edge-AI yang mampu mengenali malware hanya dari jejak daya dan perilaku fisik perangkat.

Cara Kerja pAElla

pAElla menggunakan autoencoder neural network yang belajar dari sinyal:

1.  Konsumsi daya listrik.

2. Temperatur CPU.

3. Pola fluktuasi frekuensi dan memori.

Jika pola ini menyimpang dari baseline, AI menandainya sebagai anomali.

Hasil pengujian menunjukkan:

1.  Deteksi real-time (<300ms latency).

2. Akurasi 95% untuk malware cryptomining dan ransomware laten.

3. Beban daya tambahan <5%.

Inovasi Utama

1.     Non-konvensional features: data fisik perangkat menjadi sumber insight keamanan.

2. Privasi lebih baik: deteksi dilakukan di edge, bukan cloud.

3. Adaptif terhadap hardware heterogen: tiap perangkat memiliki profil unik yang bisa dilatih          ulang.

Implikasi untuk Ekosistem Indonesia

Teknologi seperti pAElla cocok untuk:

1.  Smart city (lampu, CCTV, sensor lalu lintas).

2. Smart farming (drone, pengendali irigasi).

3. Infrastruktur energi (PLN, gardu cerdas).

Dengan adaptasi dataset lokal, Indonesia dapat mengembangkan sistem keamanan IoT yang hemat bandwidth dan tangguh terhadap serangan baru.

Kesimpulan

pAElla membuktikan bahwa masa depan cybersecurity ada di pinggiran jaringan. AI tidak perlu berada di cloud untuk melindungi sistem; ia bisa hidup di setiap perangkat kecil yang mendengarkan “denyut daya” perangkatnya sendiri.