SISTEM DETEKSI MALWARE DENGAN DEEP NEURAL NETWORK UNTUK SERANGAN SPYWARE

Fais Fadila, Adika (2024) SISTEM DETEKSI MALWARE DENGAN DEEP NEURAL NETWORK UNTUK SERANGAN SPYWARE. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (190kB)
	Text BAB II.pdf Restricted to Registered users only Download (572kB)
	Text BAB III.pdf Restricted to Registered users only Download (391kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Download (157kB)
	Text BAB VI.pdf Download (157kB)
	Text DAFTAR PUSTAKA.pdf Download (218kB)

Abstract

Keamanan informasi menjadi aspek penting dalam era digital, di mana ancaman serangan malware terus meningkat seiring perkembangan teknologi. Malware adalah perangkat lunak berbahaya yang mengeksploitasi kerentanan dalam sistem komputasi untuk tujuan jahat. Analisis dinamis trafik internet diperlukan untuk mendeteksi perilaku malware dalam jaringan. Namun, analisis manual terhadap data trafik yang besar sangat sulit dilakukan, sehingga diperlukan algoritma Machine Learning yang efektif. Penelitian ini bertujuan untuk merancang sistem deteksi serangan malware menggunakan Deep Neural Network (DNN) dengan memanfaatkan dataset CIC-MalMem-2022. Dalam penelitian ini, DNN diterapkan untuk mendeteksi malware dengan menggunakan Google Colaboratory dan bahasa pemrograman Python. Dataset yang digunakan adalah CIC-MalMem-2022 dari Canadian Institute for Cybersecurity. Proses seleksi fitur dilakukan menggunakan metode Univariate untuk mengurangi dimensi atribut dan meningkatkan akurasi klasifikasi. Hasil penelitian menunjukkan bahwa metode DNN dapat mendeteksi malware dengan accuracy 99,99%, precission 100%, recall 100% dan f1-score 100%.

Actions (login required)

View Item