ROUTING ATTACKS PADA PROTOKOL KOMUNIKASI INTERNET OF THINGS MENGGUNAKAN SMART INTRUSION DETECTION SYSTEM


Eka Lailatus Sofa , 5302414006 (2019) ROUTING ATTACKS PADA PROTOKOL KOMUNIKASI INTERNET OF THINGS MENGGUNAKAN SMART INTRUSION DETECTION SYSTEM. Under Graduates thesis, UNNES.

[thumbnail of ROUTING ATTACKS PADA PROTOKOL KOMUNIKASI INTERNET OF THINGS MENGGUNAKAN SMART INTRUSION DETECTION SYSTEM]
Preview
PDF (ROUTING ATTACKS PADA PROTOKOL KOMUNIKASI INTERNET OF THINGS MENGGUNAKAN SMART INTRUSION DETECTION SYSTEM) - Published Version
Download (770kB) | Preview

Abstract

Internet of Thing (IoT) saat ini sudah mulai berkembang, dilihat dari perwujudannya mulai dari adanya smart city, smart home, smart street, smart industry yang memanfaatkan internet untuk memantau informasi yang dibutuhkan oleh manusia. Meskipun sudah dienkripsi dan diautentikasi, jaringan IPv6 dan 6LoWPAN yang dapat menghubungkan benda-benda yang terbatas sumber daya di IoT masih belum dapat diandalkan. Hal ini dikarenakan benda-benda tersebut masih dapat terpapar oleh serangan nirkabel (routing attacks) yang berasal dari jaringan 6LoWPAN dan internet. Oleh karena itu, Intrusion Detection System (IDS) diperlukan untuk mengatasi routing attacks dan menganalisis aktivitas mencurigakan yang ada dalam jaringan. Pada skripsi ini, Smart Intrusion Detection System berbasis Compression Header Analyzer akan diinvestigasi lebih lanjut dalam menganalisis varian baru model routing attacks pada jaringan IoT. Features selection berupa Best First Search (BFS) dan Greedy Stepwise (GS) dengan Correlation Feature Selection (CFS) digunakan untuk memilih fitur signifikan yang dapat membedakan antara serangan dan non-serangan. Sedangkan machine learning algorithm (Random Forest, J48, Logistic, MLP, Naïve Bayes dan SMO) digunakan untuk mengklasifikasikan serangan di IoT. Hasil simulasi menunjukkan bahwa Smart Intrusion Detection System berbasis Compression Header Analyzer dapat mendeteksi antara serangan dan nonserangan. Selain itu, enam machine learning algorithm yang digunakan dapat menunjukkan tingkat akurasi dalam mendeteksi routing attacks yang ada.

Item Type: Thesis (Under Graduates)
Uncontrolled Keywords: Compression header, feature selection, IoT, machine learning algorithm, smart intrusion detection system
Subjects: T Technology > Information and Computer
T Technology > Computer Engineering
Fakultas: Fakultas Teknik > Pendidikan Teknik Informatika dan Komputer, S1
Depositing User: indah tri pujiati
Date Deposited: 14 Apr 2020 00:48
Last Modified: 14 Apr 2020 00:48
URI: http://lib.unnes.ac.id/id/eprint/35714

Actions (login required)

View Item View Item