SISTEM DETEKSI SERANGAN DENGAN KOMPUTASI TERDISTRIBUSI DALAM PENANGGULANGAN SERANGAN SIBER TERKINI

HERYANTO, AHMAD and Stiawan, Deris (2024) SISTEM DETEKSI SERANGAN DENGAN KOMPUTASI TERDISTRIBUSI DALAM PENANGGULANGAN SERANGAN SIBER TERKINI. Doctoral thesis, Sriwijaya University.

[thumbnail of RAMA_21001_03013622025006.pdf] Text
RAMA_21001_03013622025006.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (5MB) | Request a copy
[thumbnail of RAMA_21001_03013622025006_TURNITIN.pdf] Text
RAMA_21001_03013622025006_TURNITIN.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (17MB) | Request a copy
[thumbnail of RAMA_21001_03013622025006_0003047905_01_front_ref.pdf] Text
RAMA_21001_03013622025006_0003047905_01_front_ref.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (7MB) | Request a copy
[thumbnail of RAMA_21001_03013622025006_0003047905_02.pdf] Text
RAMA_21001_03013622025006_0003047905_02.pdf - Submitted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (10MB) | Request a copy
[thumbnail of RAMA_21001_03013622025006_0003047905_03.pdf] Text
RAMA_21001_03013622025006_0003047905_03.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (2MB) | Request a copy
[thumbnail of RAMA_21001_03013622025006_0003047905_05.pdf] Text
RAMA_21001_03013622025006_0003047905_05.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (277kB) | Request a copy
[thumbnail of RAMA_21001_03013622025006_0003047905_04.pdf] Text
RAMA_21001_03013622025006_0003047905_04.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (6MB) | Request a copy
[thumbnail of RAMA_21001_03013622025006_0003047905_06_ref.pdf] Text
RAMA_21001_03013622025006_0003047905_06_ref.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (3MB) | Request a copy

Abstract

Keamanan siber merupakan kombinasi dari proses, perilaku manusia, dan sistem yang melindungi sumber daya elektronik dari ancaman serangan siber yang memengaruhi kerahasiaan, integritas, dan ketersediaan informasi. Beberapa jenis serangan siber yang sering terjadi adalah Denial of Service, Malware, dan Botnet. Untuk melindungi sistem dari ancaman ini, administrator jaringan menggunakan berbagai alat seperti firewall dan antivirus, serta sistem deteksi dan pencegahan intrusi (IDPS). Sistem deteksi serangan modern menggunakan teknik berbasis tanda tangan dan anomaly. Penggunaan kecerdasan buatan (AI), machine learning, dan deep learning dalam sistem deteksi serangan membantu meningkatkan keakurasian dengan kemampuan untuk mengenali pola serangan yang kompleks dan deteksi serangan baru tanpa campur tangan manusia. Pada penelitian ini, kami mengusulkan penggunaan autoencoder untuk meningkatkan performa algoritma LSTM dalam melakukan klasifikasi serangan siber. Algoritma LSTM dalam mendeteksi serangan siber menghasilkan performa yang kompetitif dengan akurasi yang stabil di atas 95%. Kemudian, beberapa skenario optimalisasi algoritma LSTM dilakukan dengan penerapan optimizer Adam dan optimizer RMSProp. Hasilnya, penggunaan optimizer RMSProp pada algoritma LSTM menghasilkan peningkatan signifikan dalam performa model LSTM dengan peningkatan akurasi sebesar 96,72%, presisi 88,96%, recall 88,53%, dan f1-score 88,61%. Penggunaan autoencoder pada LSTM menghasilkan peningkatan performa yang lebih optimal, dengan akurasi 96,84%, recall 90,16%, presisi 92,31%, dan f1-score 90,52%. Selain itu, proses penerapan sistem pencegahan intrusi terdistribusi berhasil dilakukan. Setelah serangan berhasil dideteksi dengan LSTM, langkah selanjutnya adalah melakukan pencegahan. Setiap serangan yang berusaha berpindah ke target selanjutnya berhasil dicegah aksesnya oleh target tersebut, menunjukkan efektivitas sistem dalam mencegah penyebaran serangan siber.

Item Type: Thesis (Doctoral)
Subjects: T Technology > T Technology (General) > T10.5-11.9 Communication of technical information > T10.5 General works Information centers
Divisions: 03-Faculty of Engineering > 21001-Engineering Science (S3)
Depositing User: Mr Ahmad Heryanto
Date Deposited: 06 Nov 2024 05:09
Last Modified: 06 Nov 2024 05:09
URI: http://repository.unsri.ac.id/id/eprint/159001

Actions (login required)

View Item View Item