Penerapan Enkripsi Homomorfik pada Jaringan SDN untuk Meningkatkan Keamanan Data Real-Time pada Edge Computing

Muhajirin Muhajirin; Lilik Widyawati; Khairan Marzuki

doi:10.31004/riggs.v5i2.10086

Authors

Muhajirin Muhajirin Universitas Bumigora
Lilik Widyawati Universitas Bumigora
Khairan Marzuki Universitas Bumigora

DOI:

https://doi.org/10.31004/riggs.v5i2.10086

Keywords:

Software Defined Networking, Edge Computing, Homomorphic Encryption, Keamanan Data, Real-Time

Abstract

Peningkatan kebutuhan keamanan data pada jaringan modern mendorong pengembangan metode yang mampu menjaga kerahasiaan informasi tanpa mengurangi efektivitas komunikasi dan kinerja jaringan. Software Defined Networking (SDN) dan Edge Computing merupakan teknologi yang banyak digunakan untuk mendukung pengelolaan jaringan yang fleksibel serta pemrosesan data secara real-time dengan latensi rendah. Namun, penerapan kedua teknologi tersebut masih menghadapi berbagai ancaman keamanan, seperti sniffing, man-in-the-middle (MitM), dan serangan terhadap SDN controller yang berpotensi menyebabkan kebocoran informasi sensitif. Penelitian ini bertujuan untuk mengimplementasikan dan menganalisis penerapan Homomorphic Encryption pada jaringan SDN berbasis Edge Computing guna meningkatkan keamanan data real-time. Metode penelitian yang digunakan adalah Network Development Life Cycle (NDLC) yang meliputi tahapan analisis, perancangan, simulasi, implementasi, dan monitoring sistem. Implementasi dilakukan menggunakan Mininet sebagai emulator jaringan, RYU Controller sebagai pengendali SDN, serta library Microsoft SEAL/TenSEAL dengan skema enkripsi Cheon-Kim-Kim-Song (CKKS). Pengujian dilakukan dengan membandingkan skenario pengiriman data tanpa enkripsi dan dengan Homomorphic Encryption berdasarkan parameter latensi, throughput, penggunaan CPU, penggunaan memori, serta tingkat keamanan menggunakan Wireshark. Hasil penelitian menunjukkan bahwa Homomorphic Encryption mampu menjaga kerahasiaan data tanpa memerlukan proses dekripsi selama transmisi. Meskipun terjadi peningkatan latensi dan penurunan throughput akibat proses enkripsi, kinerja sistem masih berada dalam batas yang dapat diterima untuk aplikasi real-time. Selain itu, paket data terenkripsi tidak dapat dibaca oleh pihak ketiga, sehingga memberikan perlindungan yang efektif terhadap penyadapan. Integrasi SDN, Edge Computing, dan Homomorphic Encryption berpotensi menjadi solusi keamanan jaringan masa depan pada lingkungan industri.

Downloads

Download data is not yet available.

References

[1] J. K. Lastre and Y. Ko, “Evaluating Transport Layer Security 1 . 3 Optimization Strategies for 5G Cross-Border Roaming : A Comprehensive Security and Performance Analysis,” Sensors, vol. 25, no. 19, pp. 1–33, 2025, doi: 10.3390/s25196144.

[2] D. S. Excel, “Edge Computing : Opportunities and Challenges,” World J. Adv. Res. Rev., vol. 23, no. September, pp. 585–596, 2024, doi: 10.30574/wjarr.2024.23.3.2723.

[3] M. El-hajj, H. Mousawi, and A. Fadlallah, “Analysis of Lightweight Cryptographic Algorithms on IoT Hardware Platform †I,” Futur. Internet, vol. 15, no. 2, pp. 1–29, 2023, doi: 10.3390/fi15020054.

[4] S. R. K, “A Novel Lightweight Cryptographic Approach for IoT Using Modi ed SLIM Cipher on FPGA A Novel Lightweight Cryptographic Approach for IoT Using Modified SLIM Cipher on FPGA,” Res. Sq., 2026, doi: 10.21203/rs.3.rs-9119520/v1.

[5] R. Wainwright, M. Bagheri, A. Salama, and R. Saatchi, “Software-Defined Networking Security Detection Strategies and Their Limitations with a Focus on Distributed Denial- of-Service for Small to Medium-Sized Enterprises Software-Defined Networking Security Detection Strategies and Their Limitations with a Foc,” Appl. Sci., vol. 15, pp. 1–21, 2025, doi: 10.3390/app152312389.

[6] S. I. J. King and C. Inf, “CALIS : AI-driven context-aware encryption for SDN-enabled smart-home IoT IN IN,” J. King Saud Univ. - Comput. Inf. Sci., vol. 38, 2026, doi: 10.1007/s4444 3-025-00404-9.

[7] Y. H. Chan et al., “HHEML : Hybrid Homomorphic Encryption for Privacy-Preserving Machine Learning on Edge,” arVix, 2025.

[8] J. L. P. N. D. H. Lee, “Configurable Encryption and Decryption Architectures for CKKS-Based Homomorphic Encryption,” Sensors, vol. 23, pp. 1–13, 2023, doi: 10.3390/s23177389.

[9] W. Jin et al., “FEDML-He: An Efficient Homomorphic-encryption-based Privacy-preserving Federated Learning System,” arVix, 2024.

[10] H. Jia et al., “Efficient and privacy ‑ preserving image classification using homomorphic encryption and chunk ‑ based convolutional neural network,” J. Cloud Comput., 2023, doi: 10.1186/s13677-023-00537-0.

[11] X. Yu, D. Tang, and W. Zhao, “Privacy ‑ preserving cloud ‑ edge collaborative learning without trusted third ‑ party coordinator,” J. Cloud Comput., pp. 1–11, 2023, doi: 10.1186/s13677-023-00394-x.

[12] C. S. R. Huang, “Secure Convolution Neural Network Inference Based on Homomorphic Encryption,” Appl. Sci., vol. 13, no. 1, pp. 1–15, 2023, doi: 10.3390/app13106117.

[13] A. Ali, B. A. S. Al-rimy, F. S. Alsubaei, A. A. Almazroi, and A. A. Almazroi, “HealthLock : Blockchain-Based Privacy Preservation Using Homomorphic Encryption in Internet of Things Healthcare Applications,” Sensors, vol. 23, no. 15, pp. 1–29, 2023, doi: 10.3390/s23156762.

[14] J. Park et al., “Toward Practical Privacy-Preserving Convolutional Neural Networks,” arXiv, pp. 10–12, 2023.

[15] S. Reports, “Machine learning-driven adaptive parameter selection for homomorphic encryption in edge computing IN IN,” Sci. Rep., vol. 16, 2026, doi: 10.1038/ s41598-026-52587-4.