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