Deteksi Anomali dan Serangan pada Jaringan Blockchain Menggunakan Machine Learning di MATLAB
Keywords:
blockchain, deteksi anomali, isolation forest, machine learning, one-class svmAbstract
Jaringan blockchain, yang mendasari cryptocurrency serta aplikasi terdesentralisasi, sangat
rentan terhadap berbagai jenis anomali dan serangan, termasuk serangan 51%, serangan
sybil, dan aktivitas bot yang manipulatif. Insiden-insiden ini dapat merusak integritas data,
mengganggu konsensus, dan menyebabkan kerugian finansial yang besar (Werbach, 2018).
Oleh karena itu, deteksi dini perilaku anomali dalam jaringan blockchain sangat krusial
(Ahmed dkk., 2016). Penelitian ini mengusulkan sebuah proses pengidentifikasian anomali dan
potensi serangan dalam jaringan blockchain dengan memanfaatkan algoritma machine
learning (ML) yang dikembangkan menggunakan MATLAB. Pendekatan ini mencakup
pengumpulan data on-chain dan metrik jaringan dari API penjelajah blockchain publik, seperti
CoinGecko (CoinGecko API Documentation), diikuti oleh pra-pemrosesan dan ekstraksi fitur
untuk menghasilkan indikator relevan terkait perilaku penambang, seperti harga Bitcoin dan
volume perdagangan. Penelitian ini menggunakan algoritma unsupervised machine learning,
yaitu isolation forest dan One-Class SVM, dengan memanfaatkan MATLAB Statistics and
Machine Learning Toolbox. Hasilnya divisualisasikan melalui fasilitas plot MATLAB, yang
akan menunjukkan anomali yang terdeteksi dan kemudian membandingkan kinerja dari kedua
algoritma tersebut. Dari hasil simulasi yang dilakukan isolation forest berhasil mendeteksi
lonjakan signifikan dalam harga dan volume sebagai anomali, sementara One-Class SVM,
pada pengaturan yang digunakan, tidak dapat secara visual mengidentifikasi anomali dalam
dataset yang digunakan, hal ini mengindikasikan perlunya penyesuaian kembali model dan
parameter yang digunakan. Penelitian ini membuktikan bahwa MATLAB dapat digunakan
sebagai alat yang sangat efektif untuk analisis data blockchain, dan memungkinkan estimasi
awal terhadap terjadinya ancaman keamanan dan kesehatan pada jaringan secara
keseluruhan.
References
Ahmed, M., Naser Mahmood, A., & Hu, J. (2016). A survey of network anomaly detection
techniques. Dalam Journal of Network and Computer Applications (Vol. 60, hlm. 19–31).
Academic Press. https://doi.org/10.1016/j.jnca.2015.11.016
Atzei, N., Bartoletti, M., & Cimoli, T. (2017). A Survey of Attacks on Ethereum Smart
Contracts (SoK). Dalam M. Maffei & M. Ryan (Ed.), Principles of Security and Trust (hlm.
–186). Springer Berlin Heidelberg.
Chandola, V., Banerjee, A., & Kumar, V. (2009). Anomaly detection: A survey. ACM Comput.
Surv., 41(3). https://doi.org/10.1145/1541880.1541882
Fan, J., Cai, Y., Li, G., Xu, Z., & Gao, D. (2020). Blockchain Transaction Analysis for Anomaly
Detection. Proceedings of the 2020 5th International Conference on Computing and
Communications (ICCC), 381–385. https://doi.org/10.1109/ICCC51575.2020.9345036
Fawcett, T. (2006). An introduction to ROC analysis. Pattern Recognition Letters, 27(8), 861–
https://doi.org/https://doi.org/10.1016/j.patrec.2005.10.010
Gervais, A., Karame, G. O., Wüst, K., Glykantzis, V., Ritzdorf, H., & Capkun, S. (2016). On
the Security and Performance of Proof of Work Blockchains. Proceedings of the 2016 ACM
SIGSAC Conference on Computer and Communications Security, 3–16.
https://doi.org/10.1145/2976749.2978341
Hastie, T., Tibshirani, R., & Friedman, J. (2009a). The Elements of Statistical Learning: Data
Mining, Inference, and Prediction (2nd ed.). Springer.
Hastie, T., Tibshirani, R., & Friedman, J. (2009b). The Elements of Statistical Learning: Data
Mining, Inference, and Prediction, Second Edition. Springer New York.
https://books.google.co.id/books?id=tVIjmNS3Ob8C
Luu, L., Chu, D.-H., Olickel, H., Saxena, P., & Hobor, A. (2016). Making Smart Contracts
Smarter. Proceedings of the 2016 ACM SIGSAC Conference on Computer and
Communications Security, 254–269. https://doi.org/10.1145/2976749.2978309
Nakamoto, S. (2008). Bitcoin: A Peer-to-Peer Electronic Cash System. www.bitcoin.org
Swan, M. (2015). Blockchain: Blueprint for a New Economy. O’Reilly Media, Incorporated.
https://books.google.co.id/books?id=RHJmBgAAQBAJ
Tapscott, D., & Tapscott, A. (2016). Blockchain Revolution: How the Technology Behind Bitcoin Is
Changing Money, Business, and the World. Penguin Publishing Group.JUTIS (Jurnal Teknik Informatika Unis)
Vol. 13 No. 2 Bulan November 2025 p-ISSN: 2252-5351
Program Studi Teknik Informatika – Fakultas Teknik e-ISSN: 2656-0860
Universitas Islam Syekh-Yusuf Tangerang
https://books.google.co.id/books?id=NqBiCgAAQBAJ
Vujicic, D. (2018). The blockchain and new architecture of trust. Strategic Solutions, 2(1), 1–
Werbach, K. (2018). The Blockchain and the New Architecture of Trust. The MIT Press.
https://doi.org/10.7551/mitpress/11449.001.0001
Zheng, Z., Xie, S., Dai, H., Chen, X., & Wang, H. (2017). An Overview of Blockchain
Technology: Architecture, Consensus, and Future Trends. 2017 IEEE International
Congress on Big Data (BigData Congress), 557–564.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 JURNAL TEKNIK INFORMATIKA UNIS
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
