ANALISIS DAN IMPLEMENTASI IDS TERHADAP SERANGAN DDOS PADA VPS MENGGUNAKAN METODE CNN

Detail Cantuman

Skripsi

ANALISIS DAN IMPLEMENTASI IDS TERHADAP SERANGAN DDOS PADA VPS MENGGUNAKAN METODE CNN

XML

ABSTRAK
Sistem deteksi serangan DDoS pada umumnya dilakukan pada sebuah server
kovensional (dedicated) menggunakan tools Snort dan juga dengan berbagai
pendekatan termasuk menggunakan Artificial Intelligence Deep Learning. Saat ini
banyak perusahaan yang sudah menggunakan layanan Virtual Private Server
sebagai pengganti servernya sehingga dibutuhkan riset terkait analisis dan
implementasi deteksi serangan DDoS pada sebuah Virtual Private Server. Dengan
Metode CNN dataset yang digunakan bersumber dari uji coba beberapa varian
serangan DDoS pada Virtual Private Server selama 30 menit menggunakan tools
Loic data serangan dicapture menggunakan Wireshark sebanyak 39920 record
yang selanjutnya diekstraksi dengan menggunakan CICFlowMeter 4.0, Hasil
ekstraksi dataset sebanyak 38726 baris data. Pada python proses dilanjutkan dengan
melakukan pembersihan data (pre-processing) didapatkan jumlah data menjadi
38704 dan normalisasi data dilakukan menggunakan min-max untuk mendapatkan
nilai seluruh data minimum sebesar 0 dan nilai maksimum sebesar 1. Dari dataset
sebanyak 38704 data dibagi menjadi data training dan data testing dengan
perbandingan 70 : 30. Diperoleh 27093 data untuk training dan 11611 data untuk
testing. Pengujian prediksi dalam hal ini deteksi dilakukan menggunakan algoritma
CNN 1-Dimensional dengan mengatur jumlah epoch 20 dan batch size 32
didapatkan hasil klasifikasi dengan tingkat akurasi menggunakan confusion matrix
yaitu 99.673%. Selanjutnya menggunakan jumlah epoch 50 dan batch size 32
didapat peningkatan nilai akurasi yaitu sebesar 99.811%. Dari hasil tersebut dapat
disimpulkan penggunaan model CNN yang dirancang dikategorikan sangat baik
hampir mendekati nilai 100%.
Kata kunci : Convolutional Neural Network, Deep-Learning, Batch Size, Epoch,
Klasifikasi, Confusion Matrix.


Detail Information

Item Type
Skripsi (S1)
Penulis
Obet Leon Siahaan - Personal Name
Student ID
218510122
Dosen Pembimbing
Jimmy F. Naibaho, S.T., M.Kom. - - Dosen Pembimbing 2
Penguji
Kode Prodi PDDIKTI
55201
Edisi
Published
Departement
Teknik Informatika
Kontributor
Bahasa
Indonesia
Penerbit Universitas Methodist Indonesia : Medan.,
Edisi
Published
Subyek
No Panggil
Copyright
Fakultas Ilmu Komputer Universitas Methodist Indonesia
Doi

Lampiran Berkas

LOADING LIST...



Informasi


DETAIL CANTUMAN


Kembali ke sebelumnya  XML Detail