RANCANG BANGUN APLIKASI DETEKSI MALWARE BERBASIS COLLECTIVE INTELLIGENCE FRAMEWORK (CIF) PADA HONEYPOT

Pratama, Restu (2018) RANCANG BANGUN APLIKASI DETEKSI MALWARE BERBASIS COLLECTIVE INTELLIGENCE FRAMEWORK (CIF) PADA HONEYPOT. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (963kB)
	Text (BAB I) BAB I.pdf Download (302kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (770kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (833kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf Download (97kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (43kB)
	Archive (SOURCE CODE) Source Code 14.11.7976 Restu Pratama.zip Restricted to Repository staff only Download (3MB)

Abstract

Perkembangan malware semakin meningkat dan bervariasi dari tahun ke tahun. Tidak hanya menargetkan sistem komputer sebagai korbannya, malware juga menyerang smartphone dan perangkat IoT. Menurut survey yang dilakukan oleh symantec, pada tahun 2016 terdapat 357 juta jenis malware baru yang secara aktif menyerang sistem komputer dan smartphone. Beberapa pencegahan telah dilakukan di berbagai instansi termasuk dengan memasang honeypot untuk menangkap malware yang menyerang melalui jaringan komputer. Penggunaan honeypot untuk menangkan malware pada jaringan komputer dianggap cukup efektif karena selain mendapatkan salinan malware, honeypot juga dapat mencatat informasi tentang pengirim malware. Namun demikian, kemampuan honeypot dalam mendeteksi malware masih sangat sederhana sehingga dibutuhkan aplikasi untuk meningkatkan kemampuan honeypot dalam mendeteksi malware. Aplikasi yang dibuat dalam penelitian ini mampu meningkatkan kemampuan honeypot dalam mendeteksi malware dengan memanfaatkan collective intelligence framework (CIF). CIF tidak hanya mendeteksi hash malware melainkan juga ip address pengirim sehingga dapat dilakukan pencegahan. Hasil yang diperoleh adalah serangan malware dapat dideteksi dan dicegah walaupun dengan persentase deteksi yang masih kecil.

Actions (login required)

View Item