Deteksi distributed denial of service menggunakan Random Forest

INDONESIA:

Distributed Denial of Service (DDoS) merupakan salah satu metode peretasan yang digunakan oleh penyerang untuk melumpuhkan sebuah server target. Karena serangan DDoS dan aktifitas akses server normal memiliki karakteristik yang sama yaitu melakukan request pada server, maka dari itu dibutuhkan sistem deteksi untuk membedakan antara DDoS dan akses normal, sehingga dapat diberikan penanganan yang tepat pada server yang lumpuh. Adanya sistem deteksi DDoS tentu akan sangat membantu permasalahan tersebut. Random Forest dipilih sebagai metode penelitian karena Random Forest mampu melakukan klasifikasi data dengan baik dan waktu yang singkat. Penelitian ini menggunakan dua jenis set data, yaitu set data primer berasal dari aktifitas simulasi serangan DDoS peneliti pada server virtual, sedangkan set data sekunder merupakan dataset ahli yaitu dataset CICIDS2017 dari University of New Brunswick Kanada. Dari hasil pengujian pada 266 baris set data primer, didapatkan nilai accuracy, presicion, recall dan f-measure secara berturut-turut adalah 99.62%, 98.59%, 100% dan 99.29% dengan durasi pengujian selama 1 detik. sedangkan hasil pengujian pada 169309 baris set data sekunder didapatkan nilai accuracy, presicion, recall dan f-measure secara berturut-turut adalah 99.87%, 99.91%, 99.86% dan 99.89% dengan durasi pengujian selama 12 menit 44 detik.

ENGLISH:
Distributed Denial of Service (DDoS) is one of the hacking methods used by an attacker to disable a target server. Since DDoS attacks and normal access activities have the same characteristics which are making requests on the server, a detection system is needed to distinguish between DDoS and normal access to provide the proper handling for the target. The existence of a DDoS detection system will certainly greatly help these problems. Random Forest was chosen as a research method because Random Forest can classify data well with a short time. This study uses two types of data set, primary data set derived from the simulation activity of DDoS attacks by the researcher on virtual servers, then the secondary data set is CICIDS2017 dataset from the University of New Brunswick, Canada. The test results on 266 rows of primary data set obtained the values of accuracy, precision, recall, and f-measure rate respectively are 99.62%, 98.59%, 100%, and 99.29% with a duration of testing of 1 second. While the results of testing on 169309 secondary data set lines obtained values of accuracy, precision, recall, and f-measure rate respectively are 99.87%, 99.91%, 99.86%, and 99.89% with a duration of testing of 12 minutes 44 seconds.

ARABIC:
Distributed Denial of Service (DDoS) هو واحد من طريق القرصنة الذي يستخدمه المهاجم لتعطيل الخادم الهدف. لأن هجمات DDoS ونشاط الوصول العادي إلى الخادم لهما نفس الخصائص وهو تقديم الطلبات على الخادم, لذلك يحتاج إلى نظام الكشف للتمييز بين DDoS والوصول العادي حتى يستطيع أن يعطي التوفير المناسب للهدف العاجز. كان نظام DDoS مفيدا لهذه المشكلة. اختيارها Random Forest كطريق بحث لأن Random Forest يمكن أن تصنف البيانات بشكل جيد ووقت قصير. وتستخدم هذا البحث نوعان من المجموعة البيانات ، هما المجموعة البيانات الأولية التي تشتق من أنشطة محاكاة هجمات DDoS التي يقوم بها الباحث على حواسيب الخادم الافتراضي, ثم المجموعة البيانات الثانوية هيdataset CICIDS2017 من جامعة نيو برونزويك ، كندا. نتائج الاختبار على 266 الصفوف المجموعة البيانات الأولية التي تم الحصول عليه قيم الدقة ، و الاحكام ، و الأذكر ، و f-قياس معدل على التوالي بنسبة %99.62 , %8.599 , %100 و %.2999 مع مدة الاختبار من 1 ثوان. في حين أن نتائج الاختبار على 169309 خطوط المجموعة البيانات الثانوية حصل على قيم من الدقة ، و الاحكام ، و الأذكر ، و f-قياس معدل على التوالي بنسبة %99.87 , %.9199 , %.8699 و %.8999 مع مدة الإختبار 12 دقائق و44 ثوان.