ATMALUHURATMALUHUR
Jurnal Sisfokom (Sistem Informasi dan Komputer)Jurnal Sisfokom (Sistem Informasi dan Komputer)Serangan Distributed Denial of Service (DDoS) tetap menjadi ancaman utama bagi infrastruktur jaringan modern, terutama dalam Software Defined Networks (SDN) yang beroperasi di bawah arsitektur kontrol terpusat. Penelitian ini bertujuan untuk menilai efektivitas algoritma Gradient Boosting dan Decision Tree dalam mengidentifikasi serangan DDoS di lingkungan SDN. Untuk meningkatkan kinerja model, kami menerapkan pra-pemrosesan dan seleksi fitur pada dataset DDoS berbasis SDN yang tersedia secara publik. Proses seleksi fitur berhasil mengurangi jumlah atribut dari 23 menjadi 10 fitur paling berpengaruh untuk klasifikasi. Model dilatih dan dievaluasi menggunakan berbagai rasio pembagian data: 60:40, 70:30, 80:20, dan 90:10. Kinerjanya diukur melalui akurasi, presisi, recall, F1-score, dan analisis matriks kebingungan. Hasil eksperimen menunjukkan bahwa Gradient Boosting mencapai akurasi tertinggi sebesar 95,53% pada pembagian 90:10 dengan waktu komputasi yang relatif rendah, sedangkan Decision Tree mencapai akurasi maksimum 94,26% tetapi membutuhkan waktu pemrosesan yang lebih lama. Matriks kebingungan untuk model dengan kinerja terbaik menunjukkan tingkat true positive dan true negative yang tinggi, bersama dengan tingkat false negative yang minimal, menunjukkan kemampuan deteksi yang andal. Penelitian ini berkontribusi pada riset berkelanjutan dalam deteksi DDoS dengan menyoroti efektivitas algoritma pembelajaran mesin di lingkungan SDN.
Penelitian ini mengevaluasi kinerja algoritma Gradient Boosting dan Decision Tree untuk deteksi serangan DDoS di lingkungan SDN, menggunakan pendekatan pembelajaran mesin dan seleksi fitur pada dataset DDoS berbasis SDN.Hasilnya menunjukkan Gradient Boosting secara konsisten mencapai akurasi validasi lebih tinggi (maksimal 95,53%) dan efisiensi waktu komputasi yang lebih baik dibandingkan Decision Tree (akurasi maksimal 94,26%).Meskipun akurasi model ini sedikit di bawah beberapa penelitian sebelumnya, Gradient Boosting terbukti menjadi solusi yang efektif dan efisien untuk identifikasi serangan DDoS otomatis dalam sistem deteksi intrusi.
Untuk penelitian selanjutnya, sangat menarik untuk tidak hanya berfokus pada deteksi, tetapi juga pada bagaimana sistem keamanan jaringan bisa menjadi lebih cerdas dan adaptif. Salah satu arah yang bisa dieksplorasi adalah pengembangan model pembelajaran mendalam yang lebih canggih, seperti arsitektur transformer atau jaringan autoencoder, yang mampu mendeteksi pola serangan DDoS yang lebih kompleks dan berkembang, bahkan yang mencoba meniru lalu lintas normal. Pendekatan ini harus mempertimbangkan bagaimana model dapat secara berkelanjutan belajar dan beradaptasi dengan jenis serangan baru tanpa memerlukan pelatihan ulang yang ekstensif, sehingga sangat relevan untuk implementasi di lingkungan SDN yang dinamis dan membutuhkan respons cepat.. . Selain itu, sangat penting untuk meneliti bagaimana hasil deteksi serangan DDoS ini dapat diintegrasikan secara otomatis dengan mekanisme mitigasi dalam pengontrol SDN. Daripada hanya mendeteksi, ide penelitian bisa bergeser ke arah merancang sistem yang mampu secara mandiri mengambil tindakan respons, seperti mengalihkan lalu lintas berbahaya, mengkarantina sumber serangan, atau menyesuaikan kebijakan firewall secara dinamis. Ini memerlukan eksplorasi algoritma yang memungkinkan pengambilan keputusan otomatis dan cerdas untuk pertahanan proaktif dengan intervensi manusia minimal.. . Terakhir, mengingat pentingnya kepercayaan dalam sistem keamanan, investigasi terhadap kemampuan model untuk menjelaskan prediksinya (Explainable AI - XAI) menjadi krusial. Bagaimana kita bisa memahami *mengapa* suatu model mengidentifikasi lalu lintas tertentu sebagai serangan DDoS? Penelitian dapat mencakup penerapan teknik XAI pada model yang digunakan untuk memberikan wawasan transparan tentang proses pengambilan keputusannya, serta mengevaluasi ketahanan model terhadap serangan adversarial, di mana penyerang sengaja memanipulasi data untuk menghindari deteksi. Ini akan membantu membangun sistem keamanan SDN yang lebihandal dan dapat dipercaya di masa depan.
| File size | 507.06 KB |
| Pages | 8 |
| DMCA | Report |
Related /
UIN WALISONGOUIN WALISONGO Dataset terdiri dari catatan pendaftaran penumpang harian dari 1 Januari 2023 hingga 15 Juli 2025, dianggap sebagai deret waktu. Untuk model SARIMA, pra-pemrosesanDataset terdiri dari catatan pendaftaran penumpang harian dari 1 Januari 2023 hingga 15 Juli 2025, dianggap sebagai deret waktu. Untuk model SARIMA, pra-pemrosesan
UnnasUnnas Penelitian ini menunjukkan bahwa integrasi pemodelan 3D dengan analisis semiotika dapat mendokumentasikan elemen arsitektural pabrik gula secara akuratPenelitian ini menunjukkan bahwa integrasi pemodelan 3D dengan analisis semiotika dapat mendokumentasikan elemen arsitektural pabrik gula secara akurat
LIKMILIKMI Random Forest dipilih karena kemampuannya menangani data kompleks dan mengurangi overfitting melalui pendekatan ensemble. Algoritma ini membangun beberapaRandom Forest dipilih karena kemampuannya menangani data kompleks dan mengurangi overfitting melalui pendekatan ensemble. Algoritma ini membangun beberapa
UNIBAUNIBA Untuk Peneliti selanjutnya, sebaiknya menggunakan metode-metode yang lain dalam memprediksi kebangkrutan perusahan sehingga dapat diketahui perbedaan signifikansiUntuk Peneliti selanjutnya, sebaiknya menggunakan metode-metode yang lain dalam memprediksi kebangkrutan perusahan sehingga dapat diketahui perbedaan signifikansi
SMARTPUBLISHERSMARTPUBLISHER 05 maka secara parsial Sales Growth berpengaruh positif dan signifikan terhadap Struktur Modal. Pada variabel Business Risk, nilai signifikansi (Sig. 0405 maka secara parsial Sales Growth berpengaruh positif dan signifikan terhadap Struktur Modal. Pada variabel Business Risk, nilai signifikansi (Sig. 04
IJCISIJCIS Penerimaan mahasiswa baru berada di garis depan proses operasional sekolah. Suksesnya setiap input perguruan tinggi berasal dari hal ini. Polimedia selaluPenerimaan mahasiswa baru berada di garis depan proses operasional sekolah. Suksesnya setiap input perguruan tinggi berasal dari hal ini. Polimedia selalu
IBIK57IBIK57 Dari ketiga model prediksi menghasilkan prediksi yang berbeda satu sama lain. Nilai prediksi paling rendah adalah Springate yang menunjukkan kekuatan rendahDari ketiga model prediksi menghasilkan prediksi yang berbeda satu sama lain. Nilai prediksi paling rendah adalah Springate yang menunjukkan kekuatan rendah
STMIK BANJARBARUSTMIK BANJARBARU Bank SeaBank adalah salah satu bank digital yang memiliki media sosial Twitter (X) dan YouTube dengan ribuan pengikut. Kedua platform ini sering digunakanBank SeaBank adalah salah satu bank digital yang memiliki media sosial Twitter (X) dan YouTube dengan ribuan pengikut. Kedua platform ini sering digunakan
Useful /
UNDIKSHAUNDIKSHA Hasil ini berkontribusi pada pengembangan diskursus mengenai integrasi kebijaksanaan lokal ke dalam manajemen pendidikan tinggi dan penguatan budaya akademikHasil ini berkontribusi pada pengembangan diskursus mengenai integrasi kebijaksanaan lokal ke dalam manajemen pendidikan tinggi dan penguatan budaya akademik
ANTISPUBLISHERANTISPUBLISHER Hasil penelitian menunjukkan bahwa penerapan metode Talaqqi efektif dalam meningkatkan kemampuan menghafal hadis pada anak-anak. Hasil penelitian ini menunjukkanHasil penelitian menunjukkan bahwa penerapan metode Talaqqi efektif dalam meningkatkan kemampuan menghafal hadis pada anak-anak. Hasil penelitian ini menunjukkan
SMARTPUBLISHERSMARTPUBLISHER Namun jika diuji secara parsial, carbon emission disclosure dan kinerja lingkungan tidak menunjukkan pengaruh yang signifikan, sedangkan ukuran perusahaanNamun jika diuji secara parsial, carbon emission disclosure dan kinerja lingkungan tidak menunjukkan pengaruh yang signifikan, sedangkan ukuran perusahaan
SMARTPUBLISHERSMARTPUBLISHER Selain itu, hanya kemudahan penggunaan dan manfaat yang berpengaruh pada pengaruh sosial, namun pengaruh sosial tidak memediasi persepsi kemudahan penggunaan,Selain itu, hanya kemudahan penggunaan dan manfaat yang berpengaruh pada pengaruh sosial, namun pengaruh sosial tidak memediasi persepsi kemudahan penggunaan,