Ardiansyah, Ardiansyah (2023) HYPERPARAMETER TUNING ALGORITMA RANDOM FOREST UNTUK KLASIFIKASI DATA FLOW SERANGAN SLOW HTTP = HYPERPAMETER TUNING RANDOM FOREST ALGORITHM FOR DATA FLOW CLASSIFICATION SLOW HTTP ATTACK. Thesis thesis, Universitas Hasanuddin.
![[thumbnail of Cover]](/31421/1.hassmallThumbnailVersion/D082202016_tesis_08-08-2023%20caver1.jpg)
![](/31421/1.haspreviewThumbnailVersion/D082202016_tesis_08-08-2023%20caver1.jpg)
D082202016_tesis_08-08-2023 caver1.jpg
Download (274kB) | Preview
![[thumbnail of Bab 1-2]](/style/images/fileicons/text.png)
D082202016_tesis_08-08-2023 bab 1-2.pdf
Download (3MB)
![[thumbnail of Dapus]](/style/images/fileicons/text.png)
D082202016_tesis_08-08-2023 dp.pdf
Download (174kB)
![[thumbnail of Full Text]](/style/images/fileicons/text.png)
D082202016_tesis_08-08-2023.pdf
Restricted to Repository staff only until 18 December 2025.
Download (4MB)
Abstract (Abstrak)
Serangan Slow HTTP DoS mengganggu layanan dengan terus membanjiri lalu lintas permintaan HTTP yang tidak lengkap ke server web yang menjalankan HTTP dan HTTPS, membuat layanan pada web server tidak dapat diakses. Serangan Slow HTTP adalah salah satu teknik dari serangan DoS. Pada penelitian ini mengusulkan sebuah metode untuk mengidentifikasi lalu lintas serangan Slow HTTP Header menggunakan machine learning classifier. Untuk mendeteksi serangan DoS Slow HTTP Header, kami menggunakan pengklasifikasi Random Forest untuk mengidentifikasi traffic HTTP normal dan traffic DoS Slow HTTP Header. Dalam penelitian ini, kami mengumpulkan data traffic inbound intranet dan internet, memberi label pada dataset, dan melakukan seleksi fitur menggunakan Mutual Information untuk melihat relevansi fitur terhadap class atau label dan Pearson Correlation untuk mengurangi fitur redundansi berkorelasi sangat tinggi. Hasil penelitian menunjukkan bahwa pendekatan yang kami lakukan memperoleh akurasi sebesar 100% dengan menggunakan dataset split 70:30. Hasil penelitian membuktikan bahwa pemilihan parameter dengan hyperparameter Tuning berpengaruh terhadap peningkatan akurasi model dari classifier.
Keywords : Feature Selection, Slow HTTP Attack, Denial of Service, Hyperparameter Tuning
Item Type: | Thesis (Thesis) |
---|---|
Uncontrolled Keywords: | Feature Selection, Slow HTTP Attack, Denial of Service, Hyperparameter Tuning |
Subjects: | T Technology > T Technology (General) |
Divisions (Program Studi): | Fakultas Teknik > Teknik Informatika |
Depositing User: | S.Sos Rasman - |
Date Deposited: | 19 Dec 2023 02:31 |
Last Modified: | 29 Feb 2024 08:18 |
URI: | http://repository.unhas.ac.id:443/id/eprint/31421 |