Rancangan 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.