SKRIPSI IMPLEMENTASI MACHINE LEARNING DALAM DETEKSI DINI SERANGAN DISTRIBUTED DENIAL OF SERVICE PADA ARSITEKTUR SOFTWARE DEFINED NETWORK | PERPUSTAKAAN UNTIDAR Repositori Mahasiswa Untidar

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

Text

SKRIPSI IMPLEMENTASI MACHINE LEARNING DALAM DETEKSI DINI SERANGAN DISTRIBUTED DENIAL OF SERVICE PADA ARSITEKTUR SOFTWARE DEFINED NETWORK

MUHAMAD AJIDAN - Nama Orang;

INTISARI
Serangan Distibuted Denial of Service (DDoS) adalah salah satu serangan siber yang cukup menjadi perhatian sejalan dengan meningkatnya teknologi informasi. Di era sekarang, DDoS merupakan suatu masalah menantang dalam mendeteksi bahkan mengurangi dampak dari serangan DDoS. Software Defined Network (SDN) merupakan salah satu arsitektur yang rentang akan serangan DDoS ini. Dengan menyediakan kontrol terpusat dalam cara kerjanya menjadikan DDoS sangat efekif digunakan dalam menyerang arsitektur SDN. Oleh karena itu, penelitian ini bertujuan untuk membuat model deteksi dini serangan DDoS pada arsitektur SDN menggunakan pendekatan algoritma machine learning. Dengan memperhatikan fitur-fitur dengan memilih fitur terpenting dengan menggunakan metode recursive feature elimination with cross validation (RFECV) terbukti dengan hanya menggunakan 23 fitur dari 83 fitur telah mendapatkan nilai cross validation tertinggi sebesar >95%. Dalam menangani kesenjangan kelas target metode synthetic minority over-sampling technique (SMOTE) dapat menjadikan performa model machine learning mengalami peningkatan pada algoritma yang diusulakan yaitu, decision tree, random forest, naÃ¯ve bayes, support vector machine,dan multi-class perceptron. Dengan algoritma random forest yang memiliki confusion matrix tertinggi dengan akurasi 99,96%, presisi 100%, recall 99,99%, dan F1-score 99,99%.
Kata kunci: Distributed Denial of Service, Software Defined Network, Machine Learning, RFECV, SMOTE

Ketersediaan

Ruang Skripsi (TEKNIK ELEKTRO) ELEKTRO AJI I 2023

73-UN57.U1-STE-XII-2023

Tersedia namun tidak untuk dipinjamkan - No Loan

Informasi Detail

Judul Seri: -
No. Panggil: ELEKTRO AJI I 2023
Penerbit: MAGELANG : UNIVERSITAS TIDAR., 2023
Deskripsi Fisik: XVI;94HAL;29.5CM
Bahasa: Indonesia
ISBN/ISSN: -
Klasifikasi: 621.38
Tipe Isi: -
Tipe Media: -
Tipe Pembawa: -
Edisi: -
Subjek: PRODI_S1_TEKNIK_ELEKTRO
FAKULTAS_FT
Info Detail Spesifik: -
Pernyataan Tanggungjawab: -

Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas

FULLTEXT

Komentar

Anda harus masuk sebelum memberikan komentar