Penyesuaian Proses Generating Cluster Secara Periodik Pada Algoritma Denstream Untuk Analisis Sistem Deteksi Anomali Trafik
Abstract
Dalam beberapa tahun terakhir internet mengalami perkembangan yang pesat Oleh karena itu
terjadi trafik yang tinggi di dalam suatu jaringan komputer. Trafik yang tinggi dapat disebabkan oleh
suatu serangan Jenis serangan yang umum dilakukan adalah Denial of Service (DoS) dan Distributed
Denial of Service (DDoS). Oleh karena itu penting membangun sistem yang dapat mendeteksi serangan
DDoS. Pada penelitian ini dibangun sebuah metode Intrusion Detection System (IDS) menggunakan
algoritma Denstream modifikasi . Modifikasi pada proses generating cluster dilakukan secara periodik
disesuaikan dengan karakteristik datastream. Hasil dari penelitian ini yaitu, sistem yang dibagun dapat
bekerja dengan baik dalam deteksi dan membedakan antara traffic normal dan traffic anomaly dengan
sedikit kesalahan deteksi pada cluster normal. Pada penelitian ini digunakan purity sebagai parameter
uji untuk algortima Denstream modifikasi dimana menghailkan rataan purity sebesar 98.02% pada
seluruh dataset yang digunakan.
Kata Kunci : Anomaly Traffic, DDoS, Denstream, Clustering
References
Gou. Rui, G. Chang, R. hou, Y. Qin, B. Sun, A. Liu dan D. Peng,
DDoS attacks based on Genetic,= International Conference on Natural Computation, vol. III, 2007.
Cao. Feng, M. Ester, W. Qian dan A. Zhou,
Noise,= SIAM Conference Data Mining, Bethesda, 2006.
[Online]. Available: -www.ll.mit.edu/ideval/data/. [Diakses 23 October 2014].
P. Danzig, J. Mogul, V. Paxson dan M. Schwartz,
-ita.ee.lbl.gov/html/contrib/WorldCup.html.
Wang. Huan, Y. Yu, Q. Wang dan Y. Wan,
Data Streams=.
Reddy. Rajani, R. Siva dan C. Malathi,
International Journal of Advanced Research in Computer Science and Software Engineering, vol. 3, no. 6,
pp. 295-299, June 2013.
Purwanto Yudha, kuspriyanto dan Hendrawan,
International Conference On Telecommunication System, Services, And Application, vol. VIII, pp. 313-318,
Matysiak. Martin,
A. K. Mann dan N. Kaur,
and Technology, vol. XIII, no. 5, pp. 43-47, 2013.
Ester. Martin, H. P. Kriegel dan J. Sander,
Spatial Databases with Noise,= International Conference on Knowledge Discovery and Data Mining (KDD96), vol. II.
