Beranda Berita Gabung Riset
Kegiatan Penelitian
Hibah Internal Udinus 2026

Optimasi Kerangka Hybrid Kriptografi Multimedia Berbasis Deep Learning untuk Enkripsi Citra dan Video yang Aman dan Adaptif

Tim Peneliti / Pelaksana
Catur Supriyanto, Fauzi Adi Rafrastara, Eko Hari Rachmawanto, Christy Atika Sari, Ramadhan Rakhmat Sani, Wildanil Ghozi
Skema / Program
Penelitian Hibah Kelompok Keilmuan

Abstrak / Deskripsi

Urgensi pengamanan data multimedia semakin meningkat seiring dengan melonjaknya distribusi citra dan video digital pada berbagai aplikasi kritis, mulai dari komunikasi daring, telemedicine, hingga penyimpanan berbasis cloud. Metode kriptografi konvensional sering menghadapi keterbatasan dalam menghadapi kompleksitas pola data visual, sehingga diperlukan pendekatan baru yang lebih adaptif dan tangguh. Penelitian ini bertujuan untuk mengembangkan skema enkripsi citra dan video berbasis deep learning (DL) yang dikombinasikan dengan symmetric encryption, sehingga mampu menghasilkan sistem pengamanan multimedia yang lebih kuat, efisien, dan sesuai dengan kebutuhan era komputasi modern.
Metode yang diusulkan dimulai dengan merancang model Convolutional Neural Network (CNN) yang dipadukan dengan algoritma kriptografi simetris sebagai baseline untuk enkripsi citra dan video. Selanjutnya dilakukan optimasi arsitektur CNN, pelatihan dengan dataset multimedia berskala besar, serta evaluasi kinerja berdasarkan parameter keamanan, kompleksitas komputasi, dan ketahanan terhadap serangan. Penelitian ini dibagi menjadi dua fokus utama: pengembangan model enkripsi citra dan model enkripsi video. Masing-masing fokus menghasilkan dua varian model, yaitu Model 1 sebagai rancangan awal dan Model 2 sebagai hasil optimasi dengan pendekatan DL yang lebih adaptif.
Luaran penelitian tahun pertama ditargetkan berupa lima keluaran utama: (i) Bibliometric analysis DL- Crytography in Multimedia pada jurnal intertasioanal (Scopus, Q3), (ii) Model 1 Image Encryption DL-Based dengan publikasi pada jurnal internasional bereputasi Computers & Electrical Engineering (Elsevier, Q3), (iii) Model 2 Image Encryption DL-Based dengan publikasi pada Signal Processing: Image Communication (Elsevier, Q3), (iv) Model 1 Video Encryption DL-Based dengan publikasi pada Computers & Electrical Engineering (Elsevier, Q3), serta (v) Model 2 Video Encryption DL-Based dengan publikasi pada Multimedia Systems (Springer, Q3). Dengan demikian, penelitian ini diharapkan memberikan kontribusi signifikan dalam pengembangan teknologi hybrid deep learning cryptography untuk multimedia yang aman, efisien, dan dapat diaplikasikan pada skala luas.