<![CDATA[DDoS (Distributed Denial of Service) merupakan jenis serangan siber yang membuat sebuah layanan online tidak tersedia dengan membuat server, jaringan, atau aplikasi target dengan lalu lintas internet menjadi overload. Serangan ini biasanya dilakukan dengan menggunakan beberapa sistem untuk mengirimkan sejumlah besar permintaan ke target, menyebabkan layanan menjadi lambat atau bahkan tidak berfungsi. Tujuan dari penelitian ini adalah menganalisis lalu lintas serangan DDoS menggunakan pendekatan deep learning dengan algoritma Convolutional Neural Network (CNN). Penggunaan CNN pada penelitian ini dapat meningkatkan akurasi deteksi dan efisiensi serangan DDoS, dengan memanfaatkan kemampuan mengidentifikasi pola dalam data traffic jaringan. Implementasi dataset, melalui beberapa proses yaitu akuisisi data, pre-processing data, model CNN untuk mengklasifikasikan dan evaluasi terhadap traffic DDoS. Temuan ini menunjukkan bahwa model CNN mencapai akurasi tinggi dalam mendeteksi serangan DDoS dengan nilai akurasi training mencapai 99.75% dan akurasi validasi mencapai 99.65%. Ini berarti model mengklasifikasikan data training dengan benar sebesar 99.75% dan data validasi sebesar 99.65%, lebih baik daripada algoritma DNN , RNN, dan GRU. Penelitian lebih lanjut disarankan untuk mengoptimalkan model dan mengeksplorasi penerapannya dalam sistem deteksi real-time.]]>
Copyrights © 2024
