DETEKSI SERANGAN DDOS SYN FLOOD PADA JARINGAN INTERNET OF THINGS (IoT) MENGGUNAKAN METODE DEEP NEURAL NETWORK (DNN)

Munawarah, Syifa (2024) DETEKSI SERANGAN DDOS SYN FLOOD PADA JARINGAN INTERNET OF THINGS (IoT) MENGGUNAKAN METODE DEEP NEURAL NETWORK (DNN). Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (171kB)
	Text BAB II.pdf Restricted to Registered users only Download (672kB)
	Text BAB III.pdf Restricted to Registered users only Download (436kB)
	Text BAB IV.pdf Restricted to Registered users only Download (871kB)
	Text BAB V.pdf Download (95kB)
	Text DAFTAR PUSTAKA.pdf Download (133kB)

Abstract

Sistem dan aplikasi Internet of Thing (IoT) mulai banyak diimplementasikan kedalam berbagai bidang, hal ini membuat IoT menjadi sasaran menarik untuk kejahata cyber, terutama serangan DDoS seperti SYN Flood, dimana serangan ini membuat ketersediaan layanan terganggu dan membanjiri server sehingga server kehilangan sumber daya. Salah satu cara untuk mendeteksi serangan DDoS dapat menggunakan Intrusion Detection System (IDS) dimana teknik baru dalam penerapan IDS adalah Deep Learning yaitu metode Deep Neural Network (DNN) yang mampu menemukan manipulasi matematis yang tepat untuk mengubah input menjadi output, maka pada penelitian ini mengusulkan penggunaan metode DNN dalam mendeteksi serangan DDoS SYN Flood pada jaringan IoT. Hasil pengujian pada penelitian yang menggunakan dataset CICIoT2023 dengan 14 file yang berisi dua label yaitu DDoS-SYN_Flood dan BenignTraffic memberikan hasil yang memuaskan. Pangujian menggunakan epoch dengan nilai 10, 50, dan 100, menunjukkan bahwa epoch 100 memberikan hasil performa tertinggi, dapat dilihat dari nilai rata-rata accuracy sebesar 99,36%, nilai precision sebesar 99,44%, nilai recall sebesar 99,75% dan nilai f1-score sebesar 99,59%.

Actions (login required)

View Item