<![CDATA[Pertumbuhan pesat perangkat Internet of Things (IoT) telah menciptakan tantangan keamanan siber yang signifikan karena keterbatasan kapabilitas pemrosesan dan beragamnya permukaan serangan. Kajian ini menyajikan tinjauan komprehensif tentang pendekatan berbasis kecerdasan buatan untuk meningkatkan keamanan siber IoT, dengan fokus pada integrasi teknik pembelajaran mesin dan pembelajaran mendalam dengan komputasi tepi. Melalui analisis sistematis terhadap 150 artikel terpilih dari basis data Scopus dan IEEE Xplore yang diterbitkan antara tahun 2019-2023, kajian ini meneliti efektivitas sistem deteksi ancaman berbasis AI dan optimasi komputasi tepi dalam lingkungan IoT. Hasil tinjauan menunjukkan bahwa model pembelajaran mendalam mencapai akurasi 94,6% dalam deteksi ancaman, sementara implementasi komputasi tepi mengurangi latensi sistem sebesar 62% dan penggunaan bandwidth sebesar 45%. Lebih lanjut, integrasi pembelajaran terfederasi (federated learning) menunjukkan hasil yang menjanjikan dalam menjaga privasi data sambil mempertahankan performa model. Tinjauan ini memberikan wawasan berharga tentang kondisi terkini keamanan IoT berbasis AI dan mengidentifikasi area kunci untuk pengembangan masa depan dalam menciptakan sistem keamanan yang lebih tangguh dan efisien.]]>
Copyrights © 2025
