Penggunaan Random Forest dan Analisis Perilaku untuk Prediksi Serangan DDoS dalam Lingkungan Cloud Computing
DOI:
https://doi.org/10.62411/tc.v23i3.11317Abstract
Dalam dunia komputasi awan yang semakin berkembang, ancaman serangan Distributed Denial of Service (DDoS) menjadi isu yang sangat krusial. Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan model prediksi serangan DDoS menggunakan algoritma Random Forest dan analisis perilaku jaringan. Dataset CICIDS2017 digunakan sebagai sumber data utama untuk melatih dan menguji model prediksi yang dikembangkan. Pemilihan algoritma Random Forest didasarkan pada kemampuannya yang tinggi dalam menangani data besar dan kompleks serta kemampuannya dalam mengenali pola anomali yang sering menjadi indikasi serangan siber. Hasil pengujian menunjukkan bahwa model ini mencapai akurasi yang signifikan dengan precision sebesar 97,8%, recall sebesar 98,2%, dan F1-score sebesar 98,0%. Analisis perilaku jaringan yang diterapkan, melibatkan fitur-fitur dinamis seperti waktu antar paket (Inter-Arrival Time/IAT), ukuran rata-rata segmen, dan jumlah paket per detik, yang terbukti efektif dalam meningkatkan kemampuan deteksi model. Implementasi model dalam lingkungan komputasi awan menunjukkan bahwa metode ini dapat diintegrasikan dengan sistem deteksi intrusi (Intrusion Detection Systems/IDS) yang sudah ada untuk memberikan lapisan perlindungan tambahan terhadap serangan DDoS. Berdasarkan hasil yang diperoleh, penelitian ini merekomendasikan penggunaan kombinasi algoritma Random Forest dan analisis perilaku jaringan sebagai solusi yang efektif untuk mendeteksi serangan DDoS dalam lingkungan komputasi awan. Penelitian lanjutan disarankan untuk mengembangkan dan menguji model dengan dataset yang lebih beragam serta mengoptimalkan algoritma untuk meningkatkan performa deteksi. Kata kunci: Random Forest, DDoS, Cloud ComputingDownloads
Published
Issue
Section
License
Copyright (c) 2024 Andi Prayogi, Muhammad Akbar Syahbana Pane, Rahmad Dian, Ratu Mutiara Siregar, Raden Aris Sugianto, Hasanal Fachri Satia Simbolon

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
License Terms
All articles published in Techno.COM Journal are licensed under the Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0). This means:
1. Attribution
Readers and users are free to:
-
Share – Copy and redistribute the material in any medium or format.
-
Adapt – Remix, transform, and build upon the material.
As long as proper credit is given to the original work by citing the author(s) and the journal.
2. Non-Commercial Use
-
The material cannot be used for commercial purposes.
-
Commercial use includes selling the content, using it in commercial advertising, or integrating it into products/services for profit.
3. Rights of Authors
-
Authors retain copyright and grant Techno.COM Journal the right to publish the article.
-
Authors can distribute their work (e.g., in institutional repositories or personal websites) with proper acknowledgment of the journal.
4. No Additional Restrictions
-
The journal cannot apply legal terms or technological measures that restrict others from using the material in ways allowed by the license.
5. Disclaimer
-
The journal is not responsible for how the published content is used by third parties.
-
The opinions expressed in the articles are solely those of the authors.
For more details, visit the Creative Commons License Page:
? https://creativecommons.org/licenses/by-nc/4.0/