Mahendra, I Putu Retya (2019) INTRUSION DETECTION AND PREVENTION SYSTEM BERBASIS MACHINE LEARNING PADA SOFTWARE DEFINED NETWORK DENGAN ALGORITMA ADABOOST CLASSIFIER. Other thesis, UPN Veteran Yogyakarta.
|
Text
Cover.pdf Download (422kB) | Preview |
|
|
Text
Halaman_Pengesahan.pdf Download (657kB) | Preview |
|
|
Text
ABSTRAK.pdf Download (180kB) | Preview |
|
|
Text
Daftar isi.pdf Download (12kB) | Preview |
Abstract
ABSTRAK Keamanan pada Sofware Defined Network (SDN) merupakan sesuatu hal yang sangat penting, karena konsep jaringan SDN yang terpusat pada control plane. Arsitektur terpusat ini membuat SDN rentan terhadap serangan Denial of Service (DoS). Dalam sebuah serangan DoS, hal yang paling mengkhawatirkan adalah serangan terhadap control plane yang merupakan core jaringan. Serangan DoS adalah upaya untuk membuat sumber jaringan atau server tidak tersedia bagi pengguna yang dituju. Intrusion Detection and Prevention System (IDPS) digunakan untuk mengatasi ancaman DoS pada jaringan SDN. IDPS sendiri berfungsi untuk mendeteksi serangan DoS serta selanjutnya dilakukan penanganan terhadap serangan tersebut. IDPS akan diintegrasikan dengan algoritma AdaBoost Classifier untuk mengidetifikasi serangan berdasarkan traffic yang terjadi. Apabila paket yang terjadi teridentifikasi sebagai serangan maka akan dilakukan proses penanganan (blokir akses) terhadap penyerang. Metode penelitian pada tugas akhir ini terdiri dari beberapa proses yaitu pengumpulan data dan studi pustaka. Algoritma AdaBoost Classifier dalam mendeteksi adanya intrusi (serangan), berdasarkan proses pengumpulan data dilakukan dengan observasi pada jaringan SDN yang telah dibangun untuk memperoleh log paket berupa flow statistic. Proses identifikasi serangan tersebut dilakukan dengan mengenali pola-pola traffic yang terjadi akibat anomaly traffic dari serangan DoS yang dilakukan pada jaringan SDN. Sedangkan metode pengembangan sistem yang digunakan dalam penelitian ini adalah metode NDLC (Network Development Life Cycle) yang terdiri dari enam tahap yaitu : analysis, design, simulation prototyping, implementation, dan monitoring Pengujian dilakukan dengan dua tahapan yaitu pengujian aktivitas IDPS secara real time serta pengujian akurasi dari algoritma AdaBoost Classifier dalam mendeteksi adanya serangan DoS menggunakan Confusion Matrix. Hasil dari penelitian ini adalah sistem IDPS berbasis machine learning dengan algoritma AdaBoost Classifier yang mampu mendeteksi adanya serangan DoS atau bukan dengan akurasi mencapai 93,3%. Kata Kunci: SDN, DoS, IDPS, algoritma Adaboost Classifier
| Item Type: | Thesis (Other) |
|---|---|
| Subjects: | Q Science > QA Mathematics > QA76 Computer software |
| Divisions: | Faculty of Engineering, Science and Mathematics > School of Engineering Sciences |
| Depositing User: | S.IP NURUL ALIFAH RAHMAWATI |
| Date Deposited: | 10 Jul 2019 02:49 |
| Last Modified: | 10 Jul 2019 02:49 |
| URI: | http://eprints.upnyk.ac.id/id/eprint/20221 |
Actions (login required)
 |
View Item |