UAS IoT - Cyber Security - Digital Forensics

Sistem Analisis Serangan DoS pada Arsitektur IoT

Command center akademik untuk membaca audit dataset, performa model, confusion matrix, dan bukti forensik fitur tanpa menjadikan accuracy sebagai klaim utama.

Memuat status...
BoT-IoT DoS/DDoS Digital Forensics UNSIL Semester 6

Executive view

Ringkasan Bukti Utama

Semua angka diambil dari dashboard-data.json.

Dataset

Distribusi Trafik dan Scope Audit

Normal class sangat kecil, sehingga interpretasi memakai Macro F1, MCC, recall, dan FP/FN.

Train split

Class Distribution

Audit scope

Dataset Snapshot

Akurasi bukan klaim utama. Distribusi normal yang sangat kecil dapat membuat accuracy terlihat tinggi tanpa cukup menjelaskan kualitas deteksi.

Modeling

Baseline vs Advanced Macro F1

Macro F1

Perbandingan Model

Error view

Confusion Matrix

FP berarti baris normal terbaca sebagai attack. FN berarti attack terbaca sebagai normal.

Forensics

Feature Evidence dan SHAP

Interpretasi fitur dibaca sebagai bukti dataset-backed, bukan bukti deteksi sempurna di dunia nyata.

Global SHAP

Top Feature Groups

Network forensics

Interpretasi Fitur

Catatan SHAP. Agregasi SHAP global dapat berbeda dari interpretasi khusus Track A, sehingga Track A tetap perlu dibaca terpisah.

Advanced

Track A Realistis dan SOTA Tabular

Highlight diarahkan ke Track A karena paling dekat dengan distribusi audit asli.

Evidence

Artifact, Batasan, dan Kebijakan Klaim

Bagian ini menjaga dashboard tetap akademik dan evidence-first.