Muhammad Ilman Aqilaa, Diash Firdaus, Nawaf Naofal
{"title":"Identifikasi Serangan Lowrate Distributed Denial Of Services Dalam Jaringan Dengan Menggunakan Algoritma Adaboost","authors":"Muhammad Ilman Aqilaa, Diash Firdaus, Nawaf Naofal","doi":"10.31294/simpatik.v3i1.1829","DOIUrl":null,"url":null,"abstract":"Distributed Deniel of Service (DDoS) merupakan salah satu serangan yang paling populer saat ini. DDoS adalah yang bertujuan untuk menyebabkan crash pada sistem server dengan cara membanjiri paket ataupun permintaan pada jaringan. Karakteristik serangan lowrate 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 lowrate DDoS. Pada penelitian ini telah dilakukan identifikasi serangan lowrate DDoS dengan menggunakan metode AdaBoost. Dataset yang digunakan merupakan data MachineLearningCSV yaitu bagian dari kumpulan data CICIDS-2017 yang berasal dari Konsorsium ISCX. MachineLeaningCSV terdiri dari delapan (8) sesi pemantauan traffic. Data tersebut akan di preprocessing guna mengubah data menjadi array dan dilakukan seleksi atribut yang paling relevan untuk mempermudah kinerja metode AdaBoost dalam melakukan klasifikasi. Setelah melakukan pengujian terhadap penlitian terhadap deteksi DdoS dengan menggunakan algoritma AdaBoost, akurasi yang dihasilkan dengan tingkat akurasi hingga 99.2%.","PeriodicalId":130411,"journal":{"name":"Simpatik: Jurnal Sistem Informasi dan Informatika","volume":"36 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-06-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Simpatik: Jurnal Sistem Informasi dan Informatika","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.31294/simpatik.v3i1.1829","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

DDoS的分销Deniel是目前最受欢迎的攻击之一。DDoS的目标是通过充斥数据包或网络请求来导致服务器系统崩溃。低速率攻击的分级否认服务(DDoS)特征很难区分正常网络流量,因此需要一个能够对DDoS低利率攻击进行分类的系统来识别这些攻击。在这项研究中,已经通过使用AdaBoost方法确定DDoS低利率攻击。使用的数据集是MachineLearningCSV数据,这是样本-2017年样本集的一部分,来自一个名为ISCX的财团。机械装置由8个(8)的交通监控会议组成。数据将被预应化,将数据转换为数组并进行选择最相关的属性,以简化AdaBoost方法的分类工作。在使用AdaBoost算法对DdoS检测进行了反光度测试后,可以得到高达99.2%的准确性。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Identifikasi Serangan Lowrate Distributed Denial Of Services Dalam Jaringan Dengan Menggunakan Algoritma Adaboost
Distributed Deniel of Service (DDoS) merupakan salah satu serangan yang paling populer saat ini. DDoS adalah yang bertujuan untuk menyebabkan crash pada sistem server dengan cara membanjiri paket ataupun permintaan pada jaringan. Karakteristik serangan lowrate 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 lowrate DDoS. Pada penelitian ini telah dilakukan identifikasi serangan lowrate DDoS dengan menggunakan metode AdaBoost. Dataset yang digunakan merupakan data MachineLearningCSV yaitu bagian dari kumpulan data CICIDS-2017 yang berasal dari Konsorsium ISCX. MachineLeaningCSV terdiri dari delapan (8) sesi pemantauan traffic. Data tersebut akan di preprocessing guna mengubah data menjadi array dan dilakukan seleksi atribut yang paling relevan untuk mempermudah kinerja metode AdaBoost dalam melakukan klasifikasi. Setelah melakukan pengujian terhadap penlitian terhadap deteksi DdoS dengan menggunakan algoritma AdaBoost, akurasi yang dihasilkan dengan tingkat akurasi hingga 99.2%.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信