Sistem Deteksi Serangan DDoS pada Software Defined Network Menggunakan Metode Deep Learning - Dalam bentuk buku karya ilmiah
DIMAS PAHLEVI
Informasi Umum
Kode
24.04.3283
Klasifikasi
005.8 - Data security, access control, computer network security, firewalls
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Tugas Akhir
Dilihat
291 kali
Informasi Lainnya
Abstraksi
<a name="_Hlk174694077">Serangan Distributed Denial of Service (DDoS) adalah ancaman besar bagi keamanan jaringan, terutama dalam konteks Software</a> Defined Network (SDN). Penelitian ini mengembangkan sistem deteksi DDoS pada jaringan SDN menggunakan model deep learning Long Short-Term Memory (LSTM). SDN, dengan arsitektur terpusatnya, rentan terhadap serangan yang dapat mengganggu keseluruhan jaringan melalui kontroler. Untuk mengatasi masalah ini, kami menggunakan Mininet untuk simulasi jaringan, Ryu Controller untuk pengelolaan lalu lintas, dan alat seperti hping3 serta Wireshark untuk menghasilkan dan menganalisis data. Dataset yang dihasilkan dilatih menggunakan LSTM untuk memisahkan lalu lintas normal dari serangan DDoS. Hasil pengujian menunjukkan bahwa model LSTM ini mampu mencapai akurasi sebesar 98,40%, membuktikan efektivitasnya dalam mendeteksi serangan DDoS dengan tingkat kesalahan yang sangat rendah. Penelitian ini menunjukkan potensi besar penggunaan LSTM dalam meningkatkan keamanan jaringan
- III4A4 - TUGAS AKHIR
Koleksi & Sirkulasi
Tersedia 1 dari total 1 Koleksi
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | DIMAS PAHLEVI |
| Jenis | Perorangan |
| Penyunting | Mochamad Teguh Kurniawan, Umar Yunan Kurnia Septo Hediyanto |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom, S1 Sistem Informasi |
| Kota | Bandung |
| Tahun | 2024 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
