Zidane, Muamar (2021) Klasifikasi Serangan Distributed Denial-of-Service (DDoS) Menggunakan Metode Data Mining Naïve Bayes. Sarjana thesis, Universitas Brawijaya.
Abstract
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%.
English Abstract
At this point, the development of the internet world is growing rapidly. As a result, more and more information is spread and many illegal users try to steal that information, such as hackers. Hackers are internet users who access information illegally. There are several techniques used by hackers, Distributed Deniel of Service (DDoS) is one of them. Distributed Deniel of Service (DDoS) is one of the most popular attacks used. Distributed Denial of Service (DDoS) is an active attack that aims to crash the server system by flooding packets or requests on the network. Characteristics of Distributed Denial of Service (DDoS) attacks are difficult to distinguish from normal network traffic flows, so to identify these attacks, a system that can classify Distributed Denial of Service (DDoS) attacks is needed. In this study, a Distributed Denial of Service (DDoS) attack classification system has been built using the nave Bayes method. The dataset used is a dataset from CICIDS2018 which has 84 features that can help naive Bayes performance in classifying Distributed Denial of Service (DDoS) attacks. As a test sample, the test data is obtained from the results of the attack test using the Slowloris program and then the traffic flow is captured in real time using TCPdump. The capture results are extracted and converted into .csv extensions using the CICFlowMeter tool. Then the data will be preprocessed to eliminate empty data and select the most relevant features to facilitate the performance of the nave Bayes method in classifying. The level of accuracy of the classification results is calculated using a confusion matrix. Based on the test results, the researchers found that the proposed method can classify Distributed Denial of Service (DDoS) attacks with an accuracy rate of 95%.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 004 |
| Uncontrolled Keywords: | klasifikasi, DDoS, naïve bayes, confusion matrix, mutual information, klasifikasi, DDoS, naïve bayes, confusion matrix, mutual information. |
| Subjects: | 000 Computer science, information and general works > 004 Computer science |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Unnamed user with email gaby |
| Date Deposited: | 25 Oct 2021 09:24 |
| Last Modified: | 26 Sep 2024 00:11 |
| URI: | http://repository.ub.ac.id/id/eprint/185996 |
![[thumbnail of MUAMAR ZIDANE.pdf]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text
MUAMAR ZIDANE.pdf Download (5MB) |
Actions (login required)
 |
View Item |