Perpustakaan Digital ITB

Kecepatan teknologi internet yang terus bertambah berbanding dengan harga per bandwidth yang terus menurun membuat internet menjadi salah satu kebutuhan utama pada masyarakat untuk mencari informasi, hiburan dan lain sebagainya. Hal tersebut mengakibatkan maraknya pemasangan fasilitas internet pada Home Area Network (HAN) atau jaringan rumahan. HAN sendiri memiliki beberapa celah keamanan yang perlu untuk ditinjau secara berkala agar serangan DDoS terbesar dalam sejarah jaringan berskala kecil tidak terulang kembali. Salah satu solusi untuk meninjau sisi kemanan yang terdapat pada jaringan rumahan adalah mengimplementasi Network Intrusion Detection System (NIDS). Namun, pengimplementasian NIDS pada jaringan rumahan sangat jarang dilakukan karena terkendala faktor biaya dan sumber daya manusia untuk mengoperasikannya. NIDS sendiri memiliki dua metode pendeteksian yang sering digunakan, yaitu Misuse Detection dan Anomaly Detection. Setiap metode memiliki kelemahan dalam melakukan pendeteksian intrusi yang terdapat pada jaringan. Oleh sebab itu, pada tesis ini penulis merancang dan mengimplementasi sebuah Network Intrusion Detection System (NIDS) yang menggunakan metode Hybrid Detection untuk menutupi kelemahan pada metode misuse detection dan anomaly detection. Pada anomaly detection, Artificial Intelligence dengan algoritme Deep Neural Network (DNN) yang digunakan memiliki tingkat akurasi sebesar 94,45% dengan nilai false positive yang sangat rendah dalam mengklasifikasikan NetFlow anomali. Pada penelitian ini, Raspberry Pi digunakan untuk menekan biaya produksi. Selain itu, Security Information and Event Management (SIEM) dan sistem yang dirancang secara otomatis digunakan untuk mempermudah pengguna awam dalam proses pengoperasian NIDS tersebut. Sebuah prototipe NIDS dihasilkan pada penelitian ini dan diharapkan dapat diimplementasikan pada Home Area Network (HAN) atau jaringan berskala rumahan dengan tujuan meningkatkan faktor keamanan pada jaringan tersebut.