Analisis kinerja random forest dengan feature selection berbasis karakteristik malware dalam mendeteksi serangan malware

INDONESIA:

Serangan malware pada lingkungan cloud server terus meningkat seiring berkembangnya teknologi cloud computing, sehingga diperlukan metode deteksi yang akurat dan efisien. Penelitian ini bertujuan untuk menganalisis kinerja algoritma Random Forest dengan feature selection dalam mendeteksi malware menggunakan dataset MTA-KDD’19. Tahapan penelitian meliputi praproses data, normalisasi, pembagian data dengan skenario 70:30, 80:20, dan 90:10, pelatihan model, serta evaluasi menggunakan confusion matrix, accuracy, precision, recall, F1-score, dan 10-Fold Cross Validation. Hasil penelitian menunjukkan bahwa model Random Forest dengan feature selection mampu menghasilkan performa yang baik pada seluruh skenario pengujian. Skenario 80:20 dan 90:10 memberikan hasil terbaik dengan accuracy 93,8%, precision 93,8%, recall 93,8% , dan F1-score 93,8%. Hasil uji ablasi menunjukkan bahwa beberapa fitur yang tidak dipilih masih memiliki kontribusi terhadap performa klasifikasi, sehingga penggunaan seluruh fitur menghasilkan performa yang lebih tinggi. Berdasarkan hasil tersebut, algoritma Random Forest dengan feature selection mampu mendeteksi malware pada lingkungan cloud server dengan akurasi yang baik. Meskipun demikian, hasil uji ablasi menunjukkan bahwa pengurangan fitur belum mampu meningkatkan performa model dibandingkan penggunaan seluruh fitur.

ENGLISH:

The increasing prevalence of malware attacks in cloud server environments, driven by the advancement of cloud computing technology, necessitates accurate and efficient detection methods. This research aims to analyze the performance of the Random Forest algorithm with feature selection in detecting malware using the MTA-KDD’19 dataset. The research stages include data preprocessing, normalization, data splitting with scenarios of 70:30, 80:20, and 90:10, model training, and evaluation using a confusion matrix, accuracy, precision, recall, F1-score, and 10-Fold Cross Validation. The research results indicate that the Random Forest model with feature selection is capable of achieving good performance across all testing scenarios. The 80:20 and 90:10 scenarios yielded the best results with an accuracy of 93.8%, precision of 93.8%, recall of 93.8%, and an F1-score of 93.8%. Ablation test results show that some unselected features still contribute to classification performance, thus using all features results in higher performance. Based on these findings, the Random Forest algorithm with feature selection can effectively detect malware in cloud server environments with good accuracy. Nevertheless, the ablation test results suggest that feature reduction has not yet improved model performance compared to the use of all features.

ARABIC:

تستمر هجمات البرامج الضارة في بيئة خوادم السحابة في الازدياد مع تطور تقنية الحوسبة السحابية، مما يتطلب طرق اكتشاف دقيق ة وفعالة. تهدف هذه الدراسة إلى تحليل أداء خوارزمية الغابة العشوائية مع اختيار الميزات في اكتشاف البرامج الضارة باستخدام مجموع ة بيانات MTA-KDD’19. 70:30 تشمل مراحل البحث معالجة البيانات المسبقة، والتطبيع، وتقسيم البيانات بسيناريوهات ، 80:20، وتدريب النموذج، والتقييم باستخدام مصفوفة الارتباك، والدقة، والاستدعاء، ومقياس ،90:10 و F1، والتحقق المتقاط ع 10 أضعاف. أظهرت نتائج البحث أن نموذج الغابة العشوائية مع اختيار الميزات قادر على تحقيق أداء جيد في جميع سيناريوها ت %، ومقيا س 93.8 واستدعاء ،%93.8 ودقة استدعاء ، %93.8 أفضل النتائج بدقة 90:10 و 80:20 الاختبار. قدم سيناريو F1 93.8%. أظهرت نتائج اختبار الاستئصال أن بعض الميزات التي لم يتم اختيارها لا تزال تساهم في أداء التصنيف، وبالتالي فإ ن استخدام جميع الميزات ينتج أداءً أعلى. بناءً على هذه النتائج، فإن خوارزمية الغابة العشوائية مع اختيار الميزات قادرة على اكتشا ف البرامج الضارة في بيئة خوادم السحابة بدقة جيدة. ومع ذلك، تشير نتائج اختبار الاستئصال إلى أن تقليل الميزات لم يتمكن م ن تحسين أداء النموذج مقارنة باستخدام جميع الميزات .