DESAIN INOVATIF SISTEM KEAMANAN SIBER BERBASIS KECERDASAN BUATAN MENGHADAPI TANTANGAN KOMPUTASI KUANTUM
DOI:
https://doi.org/10.59024/jiti.v3i2.1180Keywords:
Keamanan siber;, komputasi kuantum;, kecerdasan buatan, kriptografi pasca-kuantum, pembelajaran mesinAbstract
Perkembangan komputasi kuantum memberikan potensi besar dalam bidang teknologi informasi, namun juga menimbulkan ancaman signifikan terhadap sistem keamanan siber yang ada saat ini. Sebagai respons terhadap tantangan ini, penelitian ini bertujuan untuk merancang sistem keamanan siber inovatif yang berbasis kecerdasan buatan (AI) guna melawan ancaman komputasi kuantum. Metode yang digunakan melibatkan penerapan algoritma AI untuk mendeteksi dan merespons serangan kuantum secara dinamis, serta integrasi kriptografi pasca-kuantum untuk meningkatkan ketahanan sistem terhadap potensi peretasan. Penelitian ini juga mengeksplorasi penggunaan pembelajaran mesin untuk mengidentifikasi pola ancaman dan memperkuat sistem secara otomatis seiring waktu. Temuan dari penelitian ini menunjukkan bahwa sistem yang dikembangkan mampu mendeteksi ancaman kuantum dengan tingkat akurasi yang tinggi dan menawarkan solusi yang dapat diimplementasikan pada berbagai platform siber. Implikasi dari hasil penelitian ini adalah kemajuan signifikan dalam pengembangan sistem keamanan yang lebih tangguh dan adaptif terhadap evolusi komputasi kuantum, membuka jalan bagi terciptanya infrastruktur digital yang lebih aman di masa depan
References
Chen, L., et al. (2020). Quantum Computing and Its Impact on Cryptography. Journal of Cryptographic Engineering, 12(3), 341-358.
Li, Y., et al. (2023). AI-Powered Intrusion Detection for Quantum Threats. International Journal of Artificial Intelligence and Security, 18(4), 245-262.
Singh, R., & Kumar, P. (2022). Combining AI and Post-Quantum Cryptography for Secure Systems. IEEE Transactions on Cybersecurity, 8(2), 123-134.
Zhang, X., et al. (2021). Quantum-Safe Cryptography: Post-Quantum Algorithms for Secure Communications. Springer International Publishing.
Arute, F., et al. (2020). Quantum supremacy using a programmable superconducting processor. Nature, 574(7779), 505–510.
Bernstein, D. J., et al. (2020). Post-Quantum Cryptography: Current State and Future Directions. Springer.
Buczak, A. L., & Guven, E. (2021). A survey of data mining and machine learning methods for cybersecurity intrusion detection. IEEE Access, 9, 92703-92715.
Chen, L., et al. (2021). Quantum-safe cryptography: Post-quantum algorithms for secure communications. Springer International Publishing.
Gollmann, D. (2020). Computer Security. Wiley.
Liu, Y., et al. (2020). Deep learning for cybersecurity intrusion detection systems. Journal of Cybersecurity, 6(1), 1–12.
Peikert, C. (2021). A decade of lattice cryptography. Foundations and Trends® in Theoretical Computer Science, 10(4), 213-297.
Sallab, A. E., et al. (2020). Deep reinforcement learning for autonomous security systems. IEEE Access, 8, 102292-102305.
Shoup, V. (2021). A computational introduction to number theory and algebra. Cambridge University Press.
Shor, P. W. (1997). Polynomial-time algorithms for prime factorization and discrete logarithms on a quantum computer. SIAM Journal on Computing, 26(5), 1484-1509.
Stern, J. (2020). Coding theory and cryptography: The ITA Paris 2020 Workshop. Springer.
Zhang, X., et al. (2021). Post-quantum cryptography and AI-enabled systems. Springer Nature.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 JURNAL ILMIAH SAINS TEKNOLOGI DAN INFORMASI
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
