Implementasi fuzzy hashing untuk meningkatkan jumlah deteksi malware dengan metode signature based detection

Rinaldi, Aditia (2015) Implementasi fuzzy hashing untuk meningkatkan jumlah deteksi malware dengan metode signature based detection. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	Text HALAMAN AWAL.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (821kB) | Preview
Preview	Text BAB I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (804kB) | Preview
Preview	Text BAB II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
Preview	Text BAB III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB) | Preview
	Text BAB IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB)
Preview	Text BAB V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (754kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (760kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (843kB)

Abstract

Hash tradisional yang umum digunakan adalah MD5, SHA-1, dan SHA256. Dalam penelitian ini, keterbatasan hash tradisional dimana nilainya digunakan untuk membandingkan kesamaan file (fingerprinting), akan digantikan dengan fuzzy hashing sebagai salah satu metode hash yang berbeda dari hash tradisional karena dengan menggunakan fuzzy hash dapat mendeteksi kemiripan file dengan output berupa rentang nilai dari nol (tidak mirip) sampai dengan satu (sangat mirip) sehingga malware yang dapat terdeteksi dapat melebihi jumlah signature yang telah ada dalam database walau signature malware sebenarnya belum dibangun ke dalam database, terutama malware yang masih mirip atau varian dari malware yang telah terdapat dalam database dengan batas toleransi kemiripan minimal (threshold) tertentu. Implementasi fuzzy hashing menggunakan gabungan algoritma spamsum untuk menghasilkan nilai hash dan algoritma Levenshtein Distance termodifikasi untuk membandingkan kemiripan antara dua nilai fuzzy hash. Dari hasil uji coba, didapati bahwa implementasi fuzzy hashing pada signature malware dapat meningkatkan jumlah deteksi malware rata-rata sebesar 31,84% dan meningkatkan tingkat akurasi rata-rata sebesar 16,63% dari hash tradisional SHA256. Peningkatan jumlah deteksi dan akurasi optimal dapat dicapai pada threshold 50%. Kata kunci: accuracy, detection rate, fuzzy hasing, signature-based detection, signature malware.

Item Type:	Thesis (Bachelor Thesis)
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.1 Programming, Programming Language 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.8 Computer Security, Data Security
Divisions:	Faculty of Engineering & Informatics > Informatics
Depositing User:	Administrator UMN Library
Date Deposited:	25 Jul 2017 08:15
Last Modified:	21 Jan 2022 04:00
URI:	https://kc.umn.ac.id/id/eprint/1481

Actions (login required)

View Item