Klasifikasi Serangan Distributed Denial-of-Service (DDoS) Menggunakan Metode Data Mining Naïve Bayes
| Main Author: | Zidane, Muamar |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2021
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/185996/7/MUAMAR%20ZIDANE.pdf http://repository.ub.ac.id/185996/ |
Daftar Isi:
- Pada titik ini, perkembangan dunia internet yang semakin pesat. Akibatnya makin banyak informasi yang tersebar dan makin banyak pula pengguna ilegal yang mencoba untuk mencuri informasi tersebut, yaitu hacker. Hacker adalah pengguna internet yang mengakses suatu informasi secara illegal. Ada beberapa Teknik yang digunakan hacker, Distributed Deniel of Service (DDoS) adalah salah satunya. Distributed Deniel of Service (DDoS) merupakan salah satu serangan yang paling populer digunakan. Distributed Denial of Service (DDoS) adalah serangan aktif yang bertujuan untuk menyebabkan crash pada sistem server dengan cara membanjiri paket ataupun permintaan pada jaringan. Karakteristik serangan Distributed Denial of Service (DDoS) sulit di bedakan dari arus lalu lintas jaringan normal, sehingga untuk mengidentifikasi serangan ini diperlukan sistem yang dapat mengklasifikasi serangan Distributed Denial of Service (DDoS). Pada penelitian ini telah dibangun sistem klasifikasi serangan Distributed Denial of Service (DDoS) dengan menggunakan metode naïve bayes. Dataset yang digunakan yaitu dataset dari CICIDS2018 yang memilki 84 fitur yang dapat membantu kinerja naïve bayes dalam mengklasifikasi serangan Distributed Denial of Service (DDoS). Sebagai sampel pengujian, data uji di dapatkan dari hasil uji coba serangan menggunakan program Slowloris kemudian arus lalu lintas tersebut dicapture secara real time menggunakan TCPdump. Hasil capture tersebut dilakukan ektraksi fitur dan dikonversi menjadi ekstensi .csv menggunakan tools CICFlowMeter. Kemudian data tersebut akan di preprocessing guna menghilangkan data yang kosong dan dilakukan seleksi fitur yang paling relevan untuk mempermudah kinerja metode naïve bayes dalam melakukan klasifikasi. Tingkat akurasi dari hasil klasifikasi dihitung menggunakan confusion matrix. Berdasarkan hasil pengujian, peneliti menemukan bahwa metode yang telah diusulkan dapat mengklasifikasi serangan Distributed Denial of Service (DDoS) dengan tingkat akurasi hingga 95%.