Analisis Self-similar Untuk Sistem Deteksi Anomali Dengan Estimasi Hurst Eksponen Menggunakan Metode R/s

Abstract

Abstrak

Serangan Denial of Service (DoS) merupakan sebuah fenomena yang sedang menjadi topik hangat belakangan ini. Intensitas serangan DoS semakin meningkat setiap harinya dengan ditemukannya jenis serangan baru dengan tipe yang sama yaitu Distributed Denial of Service (DDoS). Kedua serangan tersebut menyerang korban dengan cara membanjiri kanal trafik korban dengan banyak kiriman paket pada satu waktu. Hal ini membuat aliran paket yang menuju komputer korban menjadi tersendat sehingga memungkinkan koran tidak mendapatkan paket yang diinginkan karena padatnya trafik pada jaringannya. Metode LRD dan Self-Similarity merupakan metode yang cocok dengan sifat trafik jaringan yaitu variability dan burstiness. Pada metode LRD dinyatakan bahwa trafik jaringan menunjukan sebagai memori jangka panjang dimana tingkah laku tersebut berkorelasi melalui waktu yang terpisah jauh. Hal ini menunjukan bahwa setiap paket yang dikirim dan diterima memiliki korelasi dan hubungan tertentu meskipun waktu antar kedatangan paket terpisah cukup jauh. Dalam DDoS kemungkinan korelasi dan hubungan tersebut tidak terjadi dalam waktu yang dekat sekalipun. Ini membuat pendeteksian menggunakan DDoS menggunakan LRD menjadi salah satu metode terbaik. Self-Similarity adalah sebuah skala dari invarian yang selalu memiliki kesamaan, jadi ketika self- similarity digunakan kedalam pemodelan trafik, maka terlihat plot dari trafik tersebut memiliki kesamaan, walaupun secara waktu memiliki perbedaan.

Kata Kunci : DDoS, LRD, Self-Similarity, burstiness