DETEKSI ANOMALI DAN SERANGAN LOW RATE DDOS DALAM LALU LINTAS JARINGAN MENGGUNAKAN NAIVE BAYES

  • Diash Firdaus Telkom University
  • Fahira Fahira Universitas Logistik dan Bisnis Internasional
  • Resa Rianti Universitas Logistik dan Bisnis Internasional
Keywords: Deteksi anomali, Serangan DDoS, Naive Bayes

Abstract

Low Rate  DDoS merupakan serangan jenis DDoS yang sulit di deteksi karena memiliki karakteristik paket yang mirip dengan trafik normal, sehingga dibutuhkan algoritma yang memiliki akurasi tinggi serta memiliki latensi yang cukup rendah dalam memberikan keputusan terhadap trafik di jaringan. Metode Machine Learning dengan algoritma Naïve Bayes digunakan untuk melakukan deteksi terhadap serangan Low Rate DDoS karena memiliki akurasi yang cukup baik. Algoritma yang sering digunakan dalam melakukan deteksi serangan DDoS seperti SVM, KNN dan Random Forest akan tetapi algoritma tersebut memiliki latensi yang cukup tinggi karena komputasi yang dibutuhkan cukup kompleks. Dengan demikian Algoritma Machine Learning yang digunakan adalah algoritma Naive Bayes sebagai model prediksi karena memiliki waktu training yang cepat. Sedangkan dataset yang digunakan adalah CICIDS2017. pada tahap testing dilakukan menggunakan 20% dari CICDS2017. Hasil akhir dari penelitian ini adalah teknik deteksi yang efektif dalam mendeteksi anomali dan serangan Low Rate DDoS. Hal yang dilakukan adalah merancang strategi pemodelan yang baik untuk mendeteksi anomali dan serangan Low Rate DDoS dengan menggunakan pendekatan algoritma Naive Bayes. Model Machine Learning Naive Bayes dievaluasi dengan menggunakan metrik akurasi, presisi, recall, dan f1 score dan dihasilkan model yang dapat memprediksi anomali dan serangan Low Rate DDoS pada lalu lintas jaringan dengan baik. Hasil akurasi yang paling tinggi terdapat pada model GaussianNB yaitu dengan akurasi 83,45 % dimana telah dibandingkan oleh model BernoulliNB yang tertinggi hanya mendapatkan akurasi 76,21%.

Published
2023-12-30
Section
Naratif : Jurnal Nasional Riset, Aplikasi dan Teknik Informatika