Rekayasa Fitur Berbasis Machine Learning untuk Mendeteksi Serangan DDoS
Serangan jaringan terdistribusi yang disebut juga dengan distributed denial of service (DDoS) merupakan ancaman dan masalah utama keamanan internet. DDoS adalah serangan pada jaringan yang bertujuan melumpuhkan sumber daya server. Serangan ini meningkat setiap tahunnya, terlebih pada kondisi pandemi...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Universitas Gadjah Mada
2022-08-01
|
| Series: | Jurnal Nasional Teknik Elektro dan Teknologi Informasi |
| Subjects: | |
| Online Access: | https://jurnal.ugm.ac.id/v3/JNTETI/article/view/3423 |
| _version_ | 1818482555669708800 |
|---|---|
| author | Muhammad Nur Faiz Oman Somantri Arif Wirawan Muhammad |
| author_facet | Muhammad Nur Faiz Oman Somantri Arif Wirawan Muhammad |
| author_sort | Muhammad Nur Faiz |
| collection | DOAJ |
| description | Serangan jaringan terdistribusi yang disebut juga dengan distributed denial of service (DDoS) merupakan ancaman dan masalah utama keamanan internet. DDoS adalah serangan pada jaringan yang bertujuan melumpuhkan sumber daya server. Serangan ini meningkat setiap tahunnya, terlebih pada kondisi pandemi COVID-19 saat ini. Salah satu bentuk penanggulangan untuk meminimalkan dampak DDoS adalah dengan perintah deteksi sistem atau intrusion detection system (IDS). Teknik IDS saat ini masih banyak menggunakan metode tradisional, sehingga masih jauh dari sempurna dibandingkan dengan teknik dan alat yang digunakan penyerang, karena IDS dengan metode tradisional hanya menggunakan deteksi berbasis signature atau model deteksi berbasis anomali dan menyebabkan banyak kesalahan. Lalu lintas paket data jaringan memiliki sifat yang kompleks, baik dari segi ukuran maupun sumbernya. Penelitian ini memanfaatkan kemampuan jaringan saraf tiruan untuk mendeteksi serangan DDoS atau normal. Teknik klasifikasi dengan metode jaringan saraf tiruan menjadi salah satu solusi. Berdasarkan kekurangan pada IDS tradisional, penelitian ini bertujuan untuk mendeteksi serangan DDoS menggunakan teknik rekayasa fitur berbasis feeder machine learning untuk meningkatkan pengembangan IDS. Selain itu, penelitian ini juga bertujuan untuk menganalisis dan mendapatkan kombinasi fungsi pelatihan dan arsitektur lapisan tersembunyi jaringan saraf tiruan terbaik untuk menyelesaikan permasalahan deteksi dan klasifikasi paket DDoS dalam jaringan komputer dengan memanfaatkan dataset UNSW-NB15 menggunakan metode jaringan saraf tiruan, sehingga didapatkan suatu kombinasi antara fungsi pelatihan dan arsitektur jaringan tersembunyi jaringan saraf tiruan yang mampu memberikan tingkat akurasi pengenalan DDoS yang tinggi. Berdasarkan percobaan yang dilakukan dengan tiga skema dan menggunakan teknik arsitektur skema jaringan saraf tiruan dengan masukan delapan fitur, diperoleh akurasi tertinggi sebesar 98,22%. Pemilihan fitur memainkan peranan penting dalam ketepatan hasil deteksi dan kinerja pembelajaran mesin dalam masalah klasifikasi. |
| first_indexed | 2024-12-10T11:48:51Z |
| format | Article |
| id | doaj.art-8d208c452bed4c84a2bc4bb0f94b9b0e |
| institution | Directory Open Access Journal |
| issn | 2301-4156 2460-5719 |
| language | English |
| last_indexed | 2024-12-10T11:48:51Z |
| publishDate | 2022-08-01 |
| publisher | Universitas Gadjah Mada |
| record_format | Article |
| series | Jurnal Nasional Teknik Elektro dan Teknologi Informasi |
| spelling | doaj.art-8d208c452bed4c84a2bc4bb0f94b9b0e2022-12-22T01:50:00ZengUniversitas Gadjah MadaJurnal Nasional Teknik Elektro dan Teknologi Informasi2301-41562460-57192022-08-0111317618210.22146/jnteti.v11i3.34233423Rekayasa Fitur Berbasis Machine Learning untuk Mendeteksi Serangan DDoSMuhammad Nur Faiz0Oman Somantri1Arif Wirawan Muhammad2Politeknik Negeri CilacapPoliteknik Negeri CilacapIT Telkom PurwokertoSerangan jaringan terdistribusi yang disebut juga dengan distributed denial of service (DDoS) merupakan ancaman dan masalah utama keamanan internet. DDoS adalah serangan pada jaringan yang bertujuan melumpuhkan sumber daya server. Serangan ini meningkat setiap tahunnya, terlebih pada kondisi pandemi COVID-19 saat ini. Salah satu bentuk penanggulangan untuk meminimalkan dampak DDoS adalah dengan perintah deteksi sistem atau intrusion detection system (IDS). Teknik IDS saat ini masih banyak menggunakan metode tradisional, sehingga masih jauh dari sempurna dibandingkan dengan teknik dan alat yang digunakan penyerang, karena IDS dengan metode tradisional hanya menggunakan deteksi berbasis signature atau model deteksi berbasis anomali dan menyebabkan banyak kesalahan. Lalu lintas paket data jaringan memiliki sifat yang kompleks, baik dari segi ukuran maupun sumbernya. Penelitian ini memanfaatkan kemampuan jaringan saraf tiruan untuk mendeteksi serangan DDoS atau normal. Teknik klasifikasi dengan metode jaringan saraf tiruan menjadi salah satu solusi. Berdasarkan kekurangan pada IDS tradisional, penelitian ini bertujuan untuk mendeteksi serangan DDoS menggunakan teknik rekayasa fitur berbasis feeder machine learning untuk meningkatkan pengembangan IDS. Selain itu, penelitian ini juga bertujuan untuk menganalisis dan mendapatkan kombinasi fungsi pelatihan dan arsitektur lapisan tersembunyi jaringan saraf tiruan terbaik untuk menyelesaikan permasalahan deteksi dan klasifikasi paket DDoS dalam jaringan komputer dengan memanfaatkan dataset UNSW-NB15 menggunakan metode jaringan saraf tiruan, sehingga didapatkan suatu kombinasi antara fungsi pelatihan dan arsitektur jaringan tersembunyi jaringan saraf tiruan yang mampu memberikan tingkat akurasi pengenalan DDoS yang tinggi. Berdasarkan percobaan yang dilakukan dengan tiga skema dan menggunakan teknik arsitektur skema jaringan saraf tiruan dengan masukan delapan fitur, diperoleh akurasi tertinggi sebesar 98,22%. Pemilihan fitur memainkan peranan penting dalam ketepatan hasil deteksi dan kinerja pembelajaran mesin dalam masalah klasifikasi.https://jurnal.ugm.ac.id/v3/JNTETI/article/view/3423ddosseleksi fiturjaringan saraf tiruanmachine learning |
| spellingShingle | Muhammad Nur Faiz Oman Somantri Arif Wirawan Muhammad Rekayasa Fitur Berbasis Machine Learning untuk Mendeteksi Serangan DDoS Jurnal Nasional Teknik Elektro dan Teknologi Informasi ddos seleksi fitur jaringan saraf tiruan machine learning |
| title | Rekayasa Fitur Berbasis Machine Learning untuk Mendeteksi Serangan DDoS |
| title_full | Rekayasa Fitur Berbasis Machine Learning untuk Mendeteksi Serangan DDoS |
| title_fullStr | Rekayasa Fitur Berbasis Machine Learning untuk Mendeteksi Serangan DDoS |
| title_full_unstemmed | Rekayasa Fitur Berbasis Machine Learning untuk Mendeteksi Serangan DDoS |
| title_short | Rekayasa Fitur Berbasis Machine Learning untuk Mendeteksi Serangan DDoS |
| title_sort | rekayasa fitur berbasis machine learning untuk mendeteksi serangan ddos |
| topic | ddos seleksi fitur jaringan saraf tiruan machine learning |
| url | https://jurnal.ugm.ac.id/v3/JNTETI/article/view/3423 |
| work_keys_str_mv | AT muhammadnurfaiz rekayasafiturberbasismachinelearninguntukmendeteksiseranganddos AT omansomantri rekayasafiturberbasismachinelearninguntukmendeteksiseranganddos AT arifwirawanmuhammad rekayasafiturberbasismachinelearninguntukmendeteksiseranganddos |