Cover Image

TA Intrusion Detection System Menggunakan Deep Learning untuk Deteksi Serangan DoS

Main Author: Kurniawan, Andre Arta
Format: Thesis NonPeerReviewed Book
Bahasa: eng
Terbitan: , 2020
Subjects:
005 Computer programming
programs & data
Online Access: https://repository.dinamika.ac.id/id/eprint/5220/1/16410200016-2020-UNIVERSITASDINAMIKA.pdf
https://repository.dinamika.ac.id/id/eprint/5220/2/16410200016-2020-LAMPIRAN.pdf
https://repository.dinamika.ac.id/id/eprint/5220/
ctrlnum 5220
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>https://repository.dinamika.ac.id/id/eprint/5220/</relation><title>TA : Intrusion Detection System Menggunakan Deep Learning untuk Deteksi Serangan DoS</title><creator>Kurniawan, Andre Arta</creator><subject>005 Computer programming, programs &amp; data</subject><description>Serangan dalam jaringan komputer ataupun internet ke penggunanya dalam era teknologi ini sangat beragam, banyaknya kejadian atau kasus yang telah terjadi membuat ancaman keamanan dalam menggunakan internet atau jaringan komputer menjadi fokus utama. Dari banyaknya jenis serangan yang ada satu yang paling umum digunakan yaitu serangan Denial of Service atau sering disebut dengan DoS attack. Dengan mengandalkan serangan ini pelaku menyerang target &#x2013; target dalam jangkauannya dengan teknik membanjiri packet atau request ke komputer target secara terus menerus dan di saat waktu yang bersamaan hingga membuat komputer target tidak dapat menanggapi packet atau request tersebut. Dengan banyaknya kejadian dan cara menyerang, dibutuhkan tindakan yang harus dilakukan untuk mencegah serangan terjadi. Intrusion Detection System adalah salah satu cara bagaimana mendeteksi sebuah serangan terjadi apabila terjadi serangan pada sebuah komputer atau server atau jaringan komputer. IDS akan memonitor lalu lintas jaringan, namun karena IDS dibutuhkan tindakan maintenance untuk memberitahu serangan dengan karakteristik tersendiri dan ditambah dengan majunya sistem teknologi membuat IDS memiliki keterbatasan dalam penerapannya. Dalam beberapa tahun terakhir penerapan Deep Learning mulai banyak dipergunakan, salah satunya diterapkan pada masalah IDS. Pada penelitian Tugas Akhir ini dibangun sistem IDS dengan menggunakan Deep Learning yang diharapkan dapat mengetahui berapa besar tingkat akurasi serangan DoS yang ada dan menghitung True Positive Rate dan False Positive Rate. Adapun persiapan dataset yang diperlukan sebagai data input Deep Learning yang diambil dari hasil log wireshark kemudian dilakukan data normalisasi lalu diinput ke dalam CNN VGG-19 sebagai Deep Learning yang digunakan. Dari hasil pengujian yang telah dilakukan rata &#x2013; rata akurasi yang dihasilkan sebesar 99.32% dengan rata &#x2013; rata loss sebesar 4.08%. Akurasi terhadap variasi iterasi proses training rata &#x2013; rata sebesar 99.17% dengan loss rata &#x2013; rata sebesar 4.46% serta hasil ROC Curve untuk True Positive Rate dan False Positive Rate sebesar 1.</description><date>2020</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>https://repository.dinamika.ac.id/id/eprint/5220/1/16410200016-2020-UNIVERSITASDINAMIKA.pdf</identifier><type>Book:Book</type><language>eng</language><identifier>https://repository.dinamika.ac.id/id/eprint/5220/2/16410200016-2020-LAMPIRAN.pdf</identifier><identifier> Kurniawan, Andre Arta (2020) TA : Intrusion Detection System Menggunakan Deep Learning untuk Deteksi Serangan DoS. Undergraduate thesis, Universitas Dinamika. </identifier><recordID>5220</recordID></dc>
language eng
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
Book:Book
Book
author Kurniawan, Andre Arta
title TA : Intrusion Detection System Menggunakan Deep Learning untuk Deteksi Serangan DoS
title_sub Intrusion Detection System Menggunakan Deep Learning untuk Deteksi Serangan DoS
publishDate 2020
isbn 1641020001620
topic 005 Computer programming
programs & data
url https://repository.dinamika.ac.id/id/eprint/5220/1/16410200016-2020-UNIVERSITASDINAMIKA.pdf
https://repository.dinamika.ac.id/id/eprint/5220/2/16410200016-2020-LAMPIRAN.pdf
https://repository.dinamika.ac.id/id/eprint/5220/
contents Serangan dalam jaringan komputer ataupun internet ke penggunanya dalam era teknologi ini sangat beragam, banyaknya kejadian atau kasus yang telah terjadi membuat ancaman keamanan dalam menggunakan internet atau jaringan komputer menjadi fokus utama. Dari banyaknya jenis serangan yang ada satu yang paling umum digunakan yaitu serangan Denial of Service atau sering disebut dengan DoS attack. Dengan mengandalkan serangan ini pelaku menyerang target – target dalam jangkauannya dengan teknik membanjiri packet atau request ke komputer target secara terus menerus dan di saat waktu yang bersamaan hingga membuat komputer target tidak dapat menanggapi packet atau request tersebut. Dengan banyaknya kejadian dan cara menyerang, dibutuhkan tindakan yang harus dilakukan untuk mencegah serangan terjadi. Intrusion Detection System adalah salah satu cara bagaimana mendeteksi sebuah serangan terjadi apabila terjadi serangan pada sebuah komputer atau server atau jaringan komputer. IDS akan memonitor lalu lintas jaringan, namun karena IDS dibutuhkan tindakan maintenance untuk memberitahu serangan dengan karakteristik tersendiri dan ditambah dengan majunya sistem teknologi membuat IDS memiliki keterbatasan dalam penerapannya. Dalam beberapa tahun terakhir penerapan Deep Learning mulai banyak dipergunakan, salah satunya diterapkan pada masalah IDS. Pada penelitian Tugas Akhir ini dibangun sistem IDS dengan menggunakan Deep Learning yang diharapkan dapat mengetahui berapa besar tingkat akurasi serangan DoS yang ada dan menghitung True Positive Rate dan False Positive Rate. Adapun persiapan dataset yang diperlukan sebagai data input Deep Learning yang diambil dari hasil log wireshark kemudian dilakukan data normalisasi lalu diinput ke dalam CNN VGG-19 sebagai Deep Learning yang digunakan. Dari hasil pengujian yang telah dilakukan rata – rata akurasi yang dihasilkan sebesar 99.32% dengan rata – rata loss sebesar 4.08%. Akurasi terhadap variasi iterasi proses training rata – rata sebesar 99.17% dengan loss rata – rata sebesar 4.46% serta hasil ROC Curve untuk True Positive Rate dan False Positive Rate sebesar 1.
id IOS16212.5220
institution Universitas Dinamika
institution_id 3669
institution_type library:university
library
library Perpustakaan Universitas Dinamika
library_id 4565
collection Repository Universitas Dinamika
repository_id 16212
city KOTA SURABAYA
province JAWA TIMUR
repoId IOS16212
first_indexed 2021-10-29T02:44:53Z
last_indexed 2021-10-29T02:44:53Z
recordtype dc
merged_child_boolean 1
_version_ 1765770818130804736
score 17.538404

Lihat Juga