Analisis Malware Attack Di Internet Indonesia Pada Tahun 2013 Dengan Metode Frequent Itemset Mining

Muhammad, Rowi Fajar (2016) Analisis Malware Attack Di Internet Indonesia Pada Tahun 2013 Dengan Metode Frequent Itemset Mining. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
5212100080-undergraduate-theses.pdf - Published Version

Download (12MB) | Preview

Abstract

Pertumbuhan pengguna internet di Indonesia semakin mengingkat sehingga potensi ancaman juga meningkat. Berdasarkan data-data yang dirilis oleh Sophos, Indonesia merupakan salah satu negara yang memproduksi serangan terbanyak. Untuk mendeteksi serangan pada jaringan internet, dibutuhkan Network Intrusion Detection Systems yang akan mendeteksi serangan yang datang. Serangan tersebut memiliki variasi yang cukup banyak dan menghasilkan data yang sangat besar. Dari data serangan, maka serangan tersebut dihitung frekuensinya. Semakin tinggi maka serangan tersebut dikatakan rutin sehingga potensi ancamannya cukup besar. Pada penelitian ini, untuk mendapatkan frekuensi dari seangan tersebut dilakukan penggalian data dengan Frequent Itemset Mining. . Penelitian ini menggunakan dua algoritma, yaitu Apriori dan FP-Max. FP-Max digunakan untuk mencari kumpulan serangan apa saja yang sering tercapai sedangkan Apriori digunakan untuk menghitung frekuensinya. viii Diharapkan dengan adanya penelitian ini para anlis dapatmelakukan tindaka n prevfentif terhadap jenis jenis serangan yang frekeuntif. ============================================================ Netwrok Intrusion Detection systems is a tool for detecting attack that occur in internet. Network Intrusion Detection Systems often produce a lot of data from these attack. From Network Intrusion Detection Systems, the attack may vary in attak variant. From these attack, each attack will be computed on its frequeny. The higher frequency its attack, the higher risk will ocure. In this research, for finding its frequency we use Frequent Itemset Mining. We use two algorithm, Apriori and FP-Max. Apriori used for finding frequency for each attack and FP-Max used for finding maximal pattern that occure in every day. From this research, we found that some largest known attack is not frequent. Also, the result from Apriori and FP-Max with same minimum support remain same. Finally, we expect from this research the security analyst will take proper action for any attack that frequently occur.

Item Type: Thesis (Undergraduate)
Additional Information: RSSI 025.04 Muh a-1
Uncontrolled Keywords: Itemset Mining, FP-MAX, Apriori, SNORT,Intrusion Detection Systems
Subjects: Q Science > QA Mathematics > QA278 Cluster Analysis. Multivariate analysis. Correspondence analysis (Statistics)
Divisions: Faculty of Information Technology > Information System > 57201-(S1) Undergraduate Thesis
Depositing User: EKO BUDI RAHARJO
Date Deposited: 30 Oct 2019 03:09
Last Modified: 30 Oct 2019 03:09
URI: http://repository.its.ac.id/id/eprint/71496

Actions (login required)

View Item View Item