MODEL DETEKSI SERANGAN SSH-BRUTE FORCE BERDASARKAN DEEP BELIEF NETWORK

Menteng, Constantin (2023) MODEL DETEKSI SERANGAN SSH-BRUTE FORCE BERDASARKAN DEEP BELIEF NETWORK. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 20.51.1283 Constantin Menteng.pdf Download (2MB)

Abstract

Model Deteksi Serangan SSH-Brute Force berdasarkan Deep Belief Network adalah judul dari penelitian ini. Tujuan penelitian ini agar dapat memberikan beberapa pengujian pada DBN seperti mendeteksi akurasi recall dan presisi klasifikasi yang lebih baik, Dengan menggunakan algoritma ini diharapkan kita sebagai penggunanya bisa mengatasi masalah yang cukup sering terjadi seperti serangan brute force ini didalam akun kita maupun didalam perusahaan. Batasan pada penelitian ini adalah mengevaluasi kinerja model dari DBN. Metode yang dilakukan dalam penelitian ini dalam bentuk simulasi untuk penelitiannya. DBN tidak dapat dibandingkan dengan CNN karna memiliki hasil yang sangat berbeda jauh untuk pengukuran hasilnya. Akan tetapi lebih DBN cukup baik dari logistic regression dan hampir sama dengan nilai dari k-nearest neighbour untuk hasilnya. Jadi algoritma DBN ini lebih baik untuk dibandingkan seperti antara logistic regression dan k-Nearest Neighbour untuk melakukan suatu penelitian didalamnya. Dan hasil dari penelitian ini paling terbaik adalah CNN untuk dapat mendeteksi suatu serangan malware, ransomware, dan serangan siber lainnya seperti brute Force. Data dari hasil eksperimen tersebut result DBN itu lebih rendah dari hasil penelitian sebelumnya, akan tetapi dengan mendeteksi suatu serangan menggunakan CNN lebih baik untuk dalam hal mendektsi suatu serangan malware maupun ransomware. Dikarenakan hasil dari eksperimen tersebut menunjukan bahwa tingkat akurasi, recal, precesion, dan f1-score itu lebih baik dari DBN.

Actions (login required)

View Item