<![CDATA[Infrastruktur kritis seperti sistem energi, jaringan distribusi air, fasilitas kesehatan, dan sistem transportasi merupakan tulang punggung operasional masyarakat modern yang sangat bergantung pada teknologi digital dan sistem cyber-physical. Konvergensi teknologi informasi (IT) dan teknologi operasional (OT) dalam Industrial Control Systems (ICS) dan SCADA telah meningkatkan efisiensi operasional, namun secara bersamaan memperluas permukaan serangan yang dapat dieksploitasi oleh aktor jahat. Artikel ini menyajikan tinjauan sistematis terhadap 89 publikasi periode 2020-2025 untuk menganalisis perkembangan penerapan kecerdasan buatan (AI) dalam keamanan siber infrastruktur kritis. Hasil kajian mengidentifikasi enam kategori utama serangan siber, diantaranya serangan terhadap jaringan dan komunikasi industri, manipulasi data dan injeksi perintah, Advanced Persistent Threats (APT), malware dan ransomware, insider threats, serta ancaman terhadap sistem berbasis AI. Penelitian ini menunjukkan bahwa algoritma AI, termasuk deep learning (CNN, LSTM, Transformer), machine learning klasik (Random Forest, SVM), Generative Adversarial Networks (GAN), Reinforcement Learning, dan Federated Learning memberikan kontribusi signifikan dalam deteksi dini anomali, respons adaptif, dan pemulihan sistem dengan tingkat akurasi mencapai 96-99%. Namun, implementasi AI menghadapi tantangan berupa kompleksitas komputasi tinggi, keterbatasan dataset, kerentanan terhadap adversarial attacks, serta kebutuhan transparansi dan interpretabilitas. Artikel ini merekomendasikan pengembangan model hybrid yang efisien, integrasi explainable AI, penerapan federated learning lintas sektor, dan pembentukan kerangka kolaboratif untuk membangun sistem keamanan siber yang tangguh dan berkelanjutan.]]>
Copyrights © 2025
