Deteksi Peniruan Router Nirkabel dengan Pembelajaran Mesin

Abstrak

Deteksi Rogue Access Point (RAP) penting untuk mencegah serangan Evil Twin Attack (ETA) di lingkungan kampus, seperti di Telkom University. Penelitian ini mengembangkan model Machine Learning (ML) untuk mendeteksi RAP berdasarkan data yang dikumpulkan menggunakan airodump-ng. Data mencakup parameter jaringan seperti Channel, Speed, Privacy, Cipher, Authentication, Power, dan beacons. Data dikumpulkan dengan perangkat TP-Link WN821N. Data digunakan untuk melatih model ML dengan algoritma Feedforward Neural Network (FNN).

Kata kunci— Airodump-ng, Evil Twin Attack, Feedforward Neural Network, Machine Learning, Rogue Access Point.