UNRAMUNRAM

Jurnal Teknologi Informasi, Komputer, dan Aplikasinya (JTIKA )Jurnal Teknologi Informasi, Komputer, dan Aplikasinya (JTIKA )

Kemajuan pesat teknologi informasi menuntut keamanan yang baik. Salah satu pendekatan yang dapat diambil dan dianggap efektif untuk mengidentifikasi dan menganalisis serangan siber adalah implementasi lapisan keamanan honeypot. Penelitian komparatif ini membandingkan dua jenis honeypot, yaitu Opencanary dan Cowrie, dengan meneliti bentuk respons honeypot dan fokus utama kebutuhan sumber daya terhadap serangan, menggunakan dua metode serangan brute-force dan port-scanning. Serangan dilakukan secara virtual dengan metode self-attack, dengan tujuan membandingkan setiap honeypot dalam hal kebutuhan sumber daya. Hasil penelitian menunjukkan bahwa dalam serangan brute-force, Opencanary memiliki kebutuhan sumber daya yang lebih rendah dengan kebutuhan CPU/RAM tertinggi hanya 14% / 1,3%, sementara Cowrie membutuhkan sumber daya yang lebih besar dengan kebutuhan CPU/RAM tertinggi 17% / 1,3%. Sementara serangan port-scanning memiliki kebutuhan sumber daya yang lebih rendah dengan kebutuhan CPU tertinggi pada Opencanary sebesar 3% dan Cowrie sebesar 2% serta kebutuhan RAM yang serupa sebesar 1,28%. Penelitian ini diharapkan menjadi tolok ukur dalam memilih honeypot yang sesuai dengan kebutuhan sumber daya yang ada.

Penelitian ini menyimpulkan bahwa Opencanary dan Cowrie memiliki kelebihan dan kekurangan masing-masing dalam mendeteksi serangan SSH.Opencanary unggul dalam pendeteksian awal karena ringan dan mudah dikonfigurasi, sementara Cowrie memberikan data yang lebih detail melalui simulasi shell.Pemilihan honeypot harus didasarkan pada kebutuhan spesifik, seperti sumber daya yang tersedia dan tingkat analisis yang diinginkan.Dengan demikian, Opencanary cocok untuk lingkungan dengan sumber daya terbatas, sedangkan Cowrie ideal untuk analisis mendalam terhadap perilaku penyerang.

Berdasarkan hasil penelitian ini, beberapa saran penelitian lanjutan dapat dipertimbangkan. Pertama, penelitian lebih lanjut dapat dilakukan untuk mengintegrasikan Opencanary dan Cowrie dalam sebuah sistem pertahanan berlapis, memanfaatkan keunggulan masing-masing honeypot untuk meningkatkan efektivitas deteksi dan analisis serangan. Kedua, eksplorasi penggunaan teknik machine learning untuk menganalisis log yang dihasilkan oleh kedua honeypot dapat membantu mengidentifikasi pola serangan baru dan meningkatkan akurasi deteksi. Ketiga, penelitian dapat difokuskan pada pengembangan honeypot yang lebih interaktif dan realistis, yang mampu menjebak penyerang lebih lama dan mengumpulkan informasi yang lebih komprehensif tentang taktik, teknik, dan prosedur (TTP) mereka. Penelitian-penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam meningkatkan keamanan sistem dan jaringan dari ancaman siber yang terus berkembang.

Read online
File size538.34 KB
Pages12
DMCAReport

Related /

ads-block-test