RANCANG BANGUN SISTEM DETEKSI SERANGAN DISTRIBUTED DENIAL OF SERVICE BERBASIS MACHINE LEARNING

Serangan Distributed Denial of Service (DDoS) merupakan ancaman serius
dalam keamanan jaringan, terutama pada lingkungan Software Defined Networking
(SDN). Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem
deteksi serangan DDoS berbasis machine learning yang efektif. Sistem ini
menggunakan berbagai algoritma machine learning, termasuk Random Forest, Naïve
Bayes, dan Neural Networks, untuk mendeteksi pola lalu lintas jaringan yang
mencurigakan. Pengujian dilakukan melalui dua metode: pertama, menggunakan
aplikasi Streamlit yang menyediakan antarmuka visual, dan kedua, melalui simulasi
menggunakan Ryu Controller dan Mininet untuk evaluasi dalam kondisi jaringan
nyata. Hasil pengujian menunjukkan bahwa metode pertama dengan Streamlit
menghasilkan akurasi yang baik dalam mendeteksi serangan DDoS. Namun, metode
kedua menggunakan Ryu dan Mininet menghasilkan banyak false positive,
menunjukkan adanya tantangan dalam penerapan model di lingkungan jaringan yang
lebih kompleks. Pengembangan lebih lanjut diperlukan untuk mengatasi masalah ini,
termasuk perbaikan pada pemilihan fitur, pengelolaan kompleksitas model, dan
peningkatan representasi dataset. Sistem ini memiliki potensi signifikan dalam
meningkatkan keamanan jaringan melalui deteksi dini terhadap serangan DDoS
dengan penyesuaian yang tepat