<![CDATA[Penelitian ini bertujuan membangun dataset lalu lintas jaringan terenkripsi yang mencakup trafik normal dan serangan Denial of Service (DoS) pada lapisan aplikasi berbasis HTTPS, untuk mendukung pengembangan sistem deteksi berbasis pembelajaran mesin. Kebutuhan akan dataset terenkripsi muncul seiring meningkatnya penggunaan protokol HTTPS dan keterbatasan metode deteksi berbasis payload maupun signature dalam menangani komunikasi terenkripsi. Simulasi dilakukan di Mininet dengan topologi tiga host virtual dan satu switch, menggunakan komunikasi HTTPS dengan sertifikat self-signed. Trafik benign dihasilkan melalui skrip Python multithread, sedangkan trafik DoS pada lapisan aplikasi disimulasikan menggunakan tools open source seperti GoldenEye, ScarletDDoS, Slowloris, SlowHTTPTest, dan Torshammer. Simulasi berbasis waktu dilakukan untuk menyetarakan durasi antar skenario. Trafik direkam secara pasif oleh Argus, lalu diproses menjadi dataset melalui ekstraksi fitur, pelabelan otomatis, dan penggabungan data. Proses pembangunan dataset memakan waktu sekitar 90-100 menit. Dataset akhir terdiri dari 373.983 entri, 123 fitur, dan 3 label utama. Mayoritas entri merupakan trafik berbahaya (97,7%), yang terutama berasal dari serangan flood seperti post_flood dan get_flood. Analisis menunjukkan adanya fitur dengan nilai hilang penuh dan konstan, serta distribusi data yang tidak seimbang akibat dominasi serangan flood, namun validasi label menunjukkan konsistensi]]>
Copyrights © 2025
