Penerapan Metode Naïve Bayes pada Honeypot Dionaea dalam Mendeteksi Serangan Port Scanning

Abstract

ABSTRAKPeningkatan serangan terhadap jaringan komputer terus terjadi setiap tahunnya dan dampaknya membuat layanan menjadi terganggu. Pada Penelitian ini Dionaea Honeypot yang merupakan jenis Low Interaction Honeypot, diterapkan untuk mengevaluasi serangan yang terjadi berdasarkan teknik serangan Port Scanning. Data Log yang diperoleh dari pengujian, dianalisis dengan metode Naïve Bayes. Lebih lanjut, data pemetaan Port Scanning dengan menggunakan perangkat lunak Nmap, ditemukan port yang terbuka sebanyak 359 data. Hasil uji klasifikasi dengan menggunakan perangkat lunak WEKA dan penerapan metode Naïve Bayes. Hasil uji klasifikasi diperoleh nilai akurasi sebesar 86,2% dengan nilai rata-rata Precision sebesar 0,885%, Recall sebesar 0,862% dan F-measure sebesar 0,849%. Hasil ini menunjukkan penerapan metode Naïve Bayes berhasil mengklasifikasikan potensi serangan yang dilakukan berdasarkan teknik Port Scanning.Kata kunci: Jaringan Komputer, Low Interaction Honeypot, Port Scanning, Uji Klasifikasi, Akurasi ABSTRACTIncreasing attacks on computer networks continue to occur every year, and the impact makes services disrupted. In this study, Dionaea Honeypot, a type of Low Interaction Honeypot, is applied to evaluate attacks based on the Port Scanning attack technique. Log data obtained from the test were analyzed using the Naïve Bayes method. Furthermore, Port Scanning mapping data using Nmap software on the network found 359 open ports data. The results of the classification test using WEKA software and the application of the Naïve Bayes method. The classification test results obtained are accuracy value, 86.2% with an average value of 0.885% Precision, 0.862% Recall and 0.849% F-measure. This result shows that the application of the Naïve Bayes method has succeeded in classifying potential attacks based on the Port Scanning technique.Keywords: Computer Network, Low Interaction Honeypot, Port Scanning, Classification Test, Accuracy

Naive Bayes Classification Untuk Prediksi Cacat Perangkat Lunak

“…Selain itu, klasifikator Naive Bayes telah diterapkan di bidang lain, seperti memprediksi kelulusan siswa [9] dan mendeteksi serangan jaringan. [10]. Studi ini menunjukkan versatilitas klasifikator Naive Bayes dalam berbagai tugas prediksi.…”

“…Implementasi Python melibatkan langkah-langkah seperti pembacaan dataset, pemrosesan data, pelatihan model, dan evaluasi kinerja model. Analisis data adalah tahap penting dalam penelitian ini, dan metode Python memudahkan pembacaan data, pembersihan, penghapusan data yang tidak relevan, serta eksplorasi data untuk mengidentifikasi pola atau hubungan antara atribut perangkat lunak dan keberadaan cacat [10]. Evaluasi performa model prediksi cacat perangkat lunak adalah tahap akhir dalam penelitian ini.…”

Analisis dan Implementasi Honeypot Honeyd Sebagai Low Interaction Terhadap Serangan Distributed Denial Of Service (DDOS) dan Malware

“…Malware dapat memasuki jaringan melalui berbagai metode, seperti email berbahaya, unduhan tidak aman, atau celah keamanan dalam sistem [3].Untuk melindungi jaringan dari serangan-serangan tersebut, diperlukan strategi keamanan yang efektif, Salah satu pendekatan yang dapat digunakan adalah menggunakan teknologi Honeypot [4]. Honeypot adalah sistem yang dibuat untuk menarik perhatian penyerang dan menyediakan lingkungan yang terisolasi dan terkendali untuk mempelajari serangan mereka [5]. Dalam konteks ini, Honeypot akan diimplementasikan menggunakan perangkat lunak Honeyd sebagai metode low interaction [6].…”