Deteksi Serangan DDoS SYN Flood Pada Jaringan Internet of Things (IoT) Menggunakan Metode Deep Neural Network (DNN)

Penulis

  • Syifa Munawarah Syifa Munawarah Universitas Dinamika Bangsa
  • Kurniabudi Universitas Dinamika Bangsa
  • Eko Arip Winanto Universitas Dinamika Bangsa

DOI:

https://doi.org/10.33998/jakakom.2024.4.1.1710

Kata Kunci:

IoT, DDoS, Deep Learning, DNN, IDS

Abstrak

Sistem dan aplikasi Internet of Thing (IoT) mulai banyak diimplementasikan kedalam berbagai bidang, hal ini membuat IoT menjadi sasaran menarik untuk kejahata cyber, terutama serangan DDoS seperti SYN Flood, dimana serangan ini membuat ketersediaan layanan terganggu dan membanjiri server sehingga server kehilangan sumber daya. Salah satu cara untuk mendeteksi serangan DDoS dapat menggunakan Intrusion Detection System (IDS) dimana teknik baru dalam penerapan IDS adalah Deep Learning yaitu metode Deep Neural Network (DNN) yang mampu menemukan manipulasi matematis yang tepat untuk mengubah input menjadi output, maka pada penelitian ini mengusulkan penggunaan metode DNN dalam mendeteksi serangan DDoS SYN Flood pada jaringan IoT. Hasil pengujian pada penelitian yang menggunakan dataset CICIoT2023 dengan 14 file yang berisi dua label yaitu DDoS-SYN_Flood dan BenignTraffic memberikan hasil yang memuaskan. Pangujian menggunakan epoch dengan nilai 10, 50, dan 100, menunjukkan bahwa epoch 100 memberikan hasil performa tertinggi, dapat dilihat dari nilai rata-rata accuracy sebesar 99,36%, nilai precision sebesar 99,44%, nilai  recall sebesar 99,75% dan nilai f1-score sebesar 99,59%.

Unduhan

Data unduhan belum tersedia.

Referensi

S. Soliman, W. Oudah, and A. Aljuhani, “Deep learning-based intrusion detection approach for securing industrial Internet of Things,” Alexandria Engineering Journal, vol. 81, pp. 371–383, Oct. 2023, doi: 10.1016/j.aej.2023.09.023.

W. Najib, S. Sulistyo, and Widyawan, “Tinjauan Ancaman dan Solusi Keamanan pada Teknologi Internet of Things,” Jurnal Nasional Teknik Elektro dan Teknologi Informasi, vol. 9, no. 4, pp. 375–384, 2020, doi: 10.22146/jnteti.v9i4.539.

K. B. Virupakshar, M. Asundi, K. Channal, P. Shettar, S. Patil, and D. G. Narayan, “Distributed Denial of Service (DDoS) Attacks Detection System for OpenStack-based Private Cloud,” Procedia Comput Sci, vol. 167, pp. 2297–2307, 2020, doi: 10.1016/j.procs.2020.03.282.

M. Aljanabi, R. Hayder, S. Talib, A. H. Ali, M. A. Mohammed, and T. Sutikno, “Distributed denial of service attack defense system-based auto machine learning algorithm,” Bulletin of Electrical Engineering and Informatics, vol. 12, no. 1, pp. 544–551, Feb. 2023, doi: 10.11591/eei.v12i1.4537.

Lukman and M. Suci, “Analisis Perbandingan Kinerja Snort Dan Suricata Sebagai Intrusion Detection System Dalam Mendeteksi Serangan Syn Flood Pada Web Server Apache,” Jurnal Teknologi Informasi, vol. 15, no. 2, pp. 6–15, Jul. 2020, doi: 10.35842/jtir.v15i2.343.

Y. Ariyanto, H. A. V. Firdaus, and H. Pramana, “Klasifikasi Jenis serangan DOS dan Probing pada IDS menggunakan metode K-Nearest Neighbor,” Seminar Informatika Aplikatif Polinema (SIAP), pp. 472–476, 2020.

V. K. Rahul, R. Vinayakumar, K. Soman, and P. Poornachandran, “Evaluating Shallow and Deep Neural Networks for Network Intrusion Detection Systems in Cyber Security,” 2018 9th International Conference on Computing, Communication and Networking Technologies, ICCCNT 2018, Oct. 2018, doi: 10.1109/ICCCNT.2018.8494096.

A. E. Cil, K. Yildiz, and A. Buldu, “Detection of DDoS attacks with feed forward based deep neural network model,” Expert Syst Appl, vol. 169, May 2021, doi: 10.1016/j.eswa.2020.114520.

N. Rezaee, S. M. Zanjirchi, N. Jalilian, and S. M. H. Bamakan, “Internet of things empowering operations management; A systematic review based on bibliometric and content analysis,” Telematics and Informatics Reports, vol. 11, Sep. 2023, doi: 10.1016/j.teler.2023.100096.

Ferdiansyah Zulkifli and Handy N, INTERNET OF THINGS (IOT) MEDIA PEMBELAJARAN PRAKTIKUM ERA 4.0. CV. Eureka Media Aksara, 2022.

F. Behmann and Kwok wu., Collaborative Internet Of Things (C-IoT): for future smart connected life and business. Texas: John Wiley & Sons, 2015.

Mambang, BUKU AJAR TEKNOLOGI KOMUNIKASI INTERNET (Internet of Things). Purwokerto: CV. Pena Persada, 2022.

R. Vivin, N. Riza, A. Erna, D. Astuti, M. Pramudia, and D. Rahmawati, FUNDAMENTAL INTERNET OF THINGS (IOT) TEORI DAN APLIKASI PENERBIT CV.EUREKA MEDIA AKSARA. Jawa Tengah: CV. Eureka Media Aksara, 2023.

K. Lone and S. A. Sofi, “A review on offloading in fog-based Internet of Things: Architecture, machine learning approaches, and open issues,” High-Confidence Computing, vol. 3, no. 2, Jun. 2023, doi: 10.1016/j.hcc.2023.100124.

Sharipuddin et al., “Enhanced Deep Learning Intrusion Detection in IoT Heterogeneous Network with Feature Extraction,” Indonesian Journal of Electrical and Engineering and Informatics (IJEEI), vol. 9, no. 3, pp. 747–755, 2021, doi: 10.52549/ijeei.v9i3.3134.

Unduhan

Diterbitkan

2024-04-30

Abstract views:

148

PDF Download:

90

DOI:

10.33998/jakakom.2024.4.1.1710

Dimension Badge: