Deteksi Distributed Denial of Service (UDP Flood) Menggunakan Algoritma Machine Learning Naive Bayesian
Finalisasi unggah file repositori tanggal 13 April 2022_Kurnadi
Saved in:
| Main Author: | |
|---|---|
| Format: | Academic Paper |
| Published: |
Fakultas Ilmu Komputer,
2022-04-13T07:15:30Z.
|
| Subjects: | |
| Online Access: | Get Fulltext |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| LEADER | 02916 am a22002173u 4500 | ||
|---|---|---|---|
| 001 | repository_unej_123456789_106378 | ||
| 042 | |a dc | ||
| 100 | 1 | 0 | |a RAHAYU, Puji |e author |
| 245 | 0 | 0 | |a Deteksi Distributed Denial of Service (UDP Flood) Menggunakan Algoritma Machine Learning Naive Bayesian |
| 260 | |b Fakultas Ilmu Komputer, |c 2022-04-13T07:15:30Z. | ||
| 500 | |a http://repository.unej.ac.id/xmlui/handle/123456789/106378 | ||
| 520 | |a Finalisasi unggah file repositori tanggal 13 April 2022_Kurnadi | ||
| 520 | |a Serangan jaringan Distributed Denial Of Service merupakan jenis serangan jaringan yang disengaja yang biasanya dibuat dalam lingkungan komputasi terdistribusi dengan menargetkan situs web atau server untuk meminimalkan kinerja normal mereka. Untuk mencapai hal tersebut, penyerang menggunakan beberapa sistem dalam jaringan. Dengan menggunakan sistem ini, penyerang dapat melakukan serangan ke situs web atau server target dengan membuat beberapa permintaan ke sistem atau server target. Secara umum, serangan Distributed Denial Of Service atau bisa disebut penolakan dari layanan secara terdistribusi ini dalah salah satu jenis serangan Denial of Service yang menggunakan banyak host penyerang (baik itu menggunakan komputer yang didedikasikan untuk melakukan penyerangan atau komputer yang dipaksa menjadi zombie) untuk menyerang satu buah host target di jaringan. Serangan Distributed Denial Of Service memiliki dampak yang besar bagi korban, karena dapat melumpuhkan kinerja normal situs web atau server korban. Oleh karena itu, diperlukan adanya deteksi serangan Distributed Denial Of Service untuk menghindari akibat-akibat yang disebabkan oleh serangan tersebut. Dalam penelitian ini deteksi serangan Distributed Denial Of Service dilakukan dengan menggunakan algoritma machine learning Naive Bayesian. Proses deteksi dilakukan dengan penggunaan algoritma menggunakan bahasa pemrograman python dan dengan menggunakan dataset Distributed Denial Of Service yang diperoleh dari website resmi University of New Brunswick. Proses deteksi serangan Distributed Denial Of Service dilakukan dengan dua tahapan yaitu tahap seleksi atribut dan tahap deteksi serangan. Tahapan seleksi atribut dilakukan dengan menggunakan algoritma Mutual information. Pada tahapan deteksi serangan dilakukan dengan menggunakan algoritma Naive Bayesian. Proses deteksi serangan pada penelitian ini menghasilkan nilai akurasi pada setiap dataset yang digunakan yaitu berkisar antara 0.01 sampai dengan 1.0. | ||
| 520 | |a Drs. Antonius Cahya P, M. App,.Sc., Ph.D (Pembimbing I) Yanuar Nurdiansyah, ST., M.Cs (Pembimbing II) | ||
| 546 | |a other | ||
| 690 | |a Naive Bayesian | ||
| 690 | |a Distributed Denial of Service | ||
| 690 | |a Learning Naive Bayesian | ||
| 655 | 7 | |a Other |2 local | |
| 787 | 0 | |n http://repository.unej.ac.id/xmlui/handle/123456789/106378 | |
| 856 | 4 | 1 | |u http://repository.unej.ac.id/xmlui/handle/123456789/106378 |z Get Fulltext |