UMN Knowledge Center

Implementasi Count-Min Sketch Pada Anomaly Detection System Berbasis Naïve Bayes

Wijaya, Nelson (2018) Implementasi Count-Min Sketch Pada Anomaly Detection System Berbasis Naïve Bayes. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img]
Preview
Text
HALAMAN AWAL.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview
[img]
Preview
Text
BAB I.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (898kB) | Preview
[img]
Preview
Text
BAB II.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview
[img]
Preview
Text
BAB III.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview
[img] Text
BAB IV.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB)
[img]
Preview
Text
BAB V.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (798kB) | Preview
[img]
Preview
Text
DAFTAR PUSTAKA.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (976kB) | Preview
[img]
Preview
Text
LAMPIRAN.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (2MB) | Preview

Abstract

Anomaly Detection System merupakan sebuah sistem yang mendeteksi adanya aktifitas anomali pada jaringan komputer yang berpotensi merupakan sebuah serangan cyber seperti Distributed Denial Of Service. Distributed Denial of Service merupakan sebuah teknik penyerangan dimana penyerang mengirim paket lalu lintas jaringan pada sebuah host dari berbagai sumber untuk menghentikan layanannya pada jaringan. Salah satu teknik pendeteksian Anomaly Detection System merupakan Machine Learning berbasis Naive Bayes Algorithm yang mengklasifikasikan sebuah lalu lintas berdasarkan dari data lalu lintas anomali dan lalu lintas normal yang dipelajari oleh program. Penelitian ini mengimplementasikan sebuah struktur data Count-Min Sketch pada sebuah Anomaly Detection System berbasis teknik machine learning Naïve Bayes. Sistem yang dikembangkan dapat mendeteksi terjadinya sebuah penyerangan DDoS SYN Flood dengan menganaliskan setiap distinct flow. Hasil pengujian menunjukkan bahwa mengimplementasikan Count-Min Sketch pada Anomaly Detection System menghasilkan performa dalam segi kecepatan deteksi yang lebih baik dibandingkan dengan struktur data Linked-List jika menggunakan ukuran packet count window yang lebih besar dan lalu lintas jaringan yang diprediksi mempunyai distinct flow yang banyak. Penggunaan Count-Min Sketch mempunyai sedikit pengaruh terhadap prediksi akurasi dibandingkan dengan Linked-List, jumlah kesalahan prediksi yang diberikan bergantung pada ukuran hashtable yang digunakan oleh Count-Min Sketch.

Item Type: Thesis (Bachelor Thesis)
Uncontrolled Keywords: Count-Min Sketch , Linked-List, Naïve Bayes, Anomaly Detection System, Distinct flow
Subjects: T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7800-8360 Electronics > TK7885-7895 Computer engineering. Computer hardware
Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources
Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources > ZA4150-4380 Computer network resources
Divisions: Fakultas Teknik Informatika > Program Studi Teknik Komputer
Depositing User: mr admin umn
Date Deposited: 24 Jan 2019 09:52
Last Modified: 24 Jan 2019 09:52
URI: http://kc.umn.ac.id/id/eprint/4919

Actions (login required)

View Item View Item