Deteksi Botnet pada Jaringan DNS secara Virtual menggunakan Decision Tree
DOI:
https://doi.org/10.26418/jp.v9i3.70193Keywords:
Botnet, Decision Tree, DNS, Deteksi, VirtualisasiAbstract
Internet adalah aspek yang paling penting dan krusial dalam kehidupan di dunia. DNS Server bertugas menerjemahkan atau mengarahkan alamat IP ke alamat domain aplikasi yang diminta oleh client. DNS Server merupakan komponen krusial yang rentan terhadap serangan. Serangan paa DNS Server dapat berupa phising, penyebaran malware dan DDoS. Dampak dari serangan tersebut dapat menyebabkan layanan DNS mati hingga pencurian data pribadi. Serangan tersebut tidak hanya dilakukan oleh individual, namun juga dapat dilakukan oleh robot atau program komputer yang biasa disebut dengan botnet. Botnet merupakan sistem komputer yang telah terinfeksi program yang dapat dikendalikan jarak jauh. Untuk mencegah serangan botnet pada jaringan DNS, diperlukan sebuah metode yang mampu mendeteksi serangan dengan cepat. Penelitian ini bertujuan untuk mengembangkan metode untuk mendeteksi serangan botnet pada jaringan DNS menggunakan algoritma pembelajaran mesin. Penelitian ini kami lakukan secara simulasi menggunakan mesin virtual untuk mendapatkan data lalu lintas DNS. Penelitian ini menghasilkan pemahaman atau perspektif baru mengenai metode deteksi serangan botnet berdasarkan lalu lintas jaringan DNS Server yang disimulasikan secara virtual. Metode pembelajaran mesin untuk deteksi serangan botnet yang diimplementasikan adalah decision tree. Hasil pengujian menunjukkan bahwa model mampu mendeteksi dengan baik. Model dapat mendeteksi botnet dengan akurasi 95%. Model memiliki rata-rata nilai precision 97%, recall 92.6% dan F1-score 95%.
References
S. Adiwal, B. Rajendran, P. S. D., dan S. D. Sudarsan, “DNS Intrusion Detection (DID) — A SNORT-based solution to detect DNS Amplification and DNS Tunneling attacks,†Franklin Open, vol. 2, hlm. 100010, Mar 2023, doi: 10.1016/j.fraope.2023.100010.
X. Liao, J. Xu, Q. Zhang, dan Z. Li, “A Comprehensive Study of DNS Operational Issues by Mining DNS Forums,†IEEE Access, vol. 10, hlm. 110807–110820, 2022, doi: 10.1109/ACCESS.2022.3215753.
A. A. Zare, H. & Esra’, A. Zare, A. A. Z. Hudaib, P. Esra’, dan A. Z. Hudaib, “DNS Advanced Attacks and Analysis,†2014. [Daring]. Tersedia pada: www.xyz.com
M. Singh, M. Singh, dan S. Kaur, “Issues and challenges in DNS based botnet detection: A survey,†Comput Secur, vol. 86, hlm. 28–52, 2019, doi: https://doi.org/10.1016/j.cose.2019.05.019.
S. S. C. Silva, R. M. P. Silva, R. C. G. Pinto, dan R. M. Salles, “Botnets: A survey,†Computer Networks, vol. 57, no. 2, hlm. 378–403, 2013, doi: https://doi.org/10.1016/j.comnet.2012.07.021.
G. Kirubavathi dan R. Anitha, “Botnet detection via mining of traffic flow characteristics,†Computers & Electrical Engineering, vol. 50, hlm. 91–101, 2016, doi: https://doi.org/10.1016/j.compeleceng.2016.01.012.
R. Sommese dkk., “Investigating the impact of DDoS attacks on DNS infrastructure,†dalam Proceedings of the ACM SIGCOMM Internet Measurement Conference, IMC, Association for Computing Machinery, Okt 2022, hlm. 51–64. doi: 10.1145/3517745.3561458.
S. Miller dan C. Busby-Earle, “The role of machine learning in botnet detection,†dalam 2016 11th International Conference for Internet Technology and Secured Transactions (ICITST), 2016, hlm. 359–364. doi: 10.1109/ICITST.2016.7856730.
D. Zhao dkk., “Botnet detection based on traffic behavior analysis and flow intervals,†Comput Secur, vol. 39, no. PARTA, hlm. 2–16, 2013, doi: 10.1016/j.cose.2013.04.007.
M. Stevanovic dan J. M. Pedersen, “An analysis of network traffic classification for botnet detection,†dalam 2015 International Conference on Cyber Situational Awareness, Data Analytics and Assessment (CyberSA), 2015, hlm. 1–8. doi: 10.1109/CyberSA.2015.7361120.
M. Stevanovic, J. M. Pedersen, A. D’Alconzo, S. Ruehrup, dan A. Berger, “On the ground truth problem of malicious DNS traffic analysis,†Comput Secur, vol. 55, hlm. 142–158, 2015, doi: https://doi.org/10.1016/j.cose.2015.09.004.
M. Alshamkhany, W. Alshamkhany, M. Mansour, M. Khan, S. Dhou, dan F. Aloul, “Botnet Attack Detection using Machine Learning,†dalam Proceedings of the 2020 14th International Conference on Innovations in Information Technology, IIT 2020, Institute of Electrical and Electronics Engineers Inc., Nov 2020, hlm. 203–208. doi: 10.1109/IIT50501.2020.9299061.
A. Feizollah, N. Anuar, R. Salleh, F. Amalina, R. Ma’arof, dan S. Band, “A Study Of Machine Learning Classifiers For Anomaly-Based Mobile Botnet Detection,†Malaysian Journal of Computer Science, vol. 26, hlm. 251–265, Sep 2013.
H. At Thooriqoh, M. H. Naufal Azzmi, Y. Ari Tofan, dan A. Mazharuddin Shiddiqi, “MALICIOUS TRAFFIC DETECTION IN DNS INFRASTRUCTURE USING DECISION TREE ALGORITHM.â€
S. Y. Yerima dan M. K. Alzaylaee, “Mobile Botnet Detection: A Deep Learning Approach Using Convolutional Neural Networks,†dalam 2020 International Conference on Cyber Situational Awareness, Data Analytics and Assessment, Cyber SA 2020, Institute of Electrical and Electronics Engineers Inc., Jun 2020. doi: 10.1109/CyberSA49311.2020.9139664.
K. Monika Dian Pertiwi, R. Fenaldo Maulana, dan A. Yusuf Wicaksono, “JEPIN (Jurnal Edukasi dan Penelitian Informatika) Implementasi dan Analisa Performa Berbagai Platform Web server pada Lingkungan Multicoreâ€.
S. Saad dkk., “Detecting P2P botnets through network behavior analysis and machine learning,†dalam 2011 9th Annual International Conference on Privacy, Security and Trust, PST 2011, 2011, hlm. 174–180. doi: 10.1109/PST.2011.5971980.
M. Wielogorska dan D. O’brien, “DNS Traffic Analysis for Botnet Detection.â€
A. Longheu, V. Carchiolo, G. Mangioni, dan M. Malgeri, “Virtualization for Effective Risk-Free Network Security Assessment,†International Journal of Online Engineering (iJOE), vol. 10, hlm. 21, Agu 2014, doi: 10.3991/ijoe.v10i5.3106.
K. Monika, D. Pertiwi, R. Fenaldo Maulana, dan A. Y. Wicaksono, “Rancang Bangun Sistem Otentikasi Terpusat Berbasiskan Model Single Sign On di IT Telkom Surabayaâ€.
J. Markey, “Using Decision Tree Analysis for Intrusion Detection: A How-To Guide,†2021.
Vijayaraj, S. M, R. M, U. Vijayaraj, D. T. Kamaleshwar, dan D. Rajalakshmi, “Decision Trees to Detect Malware in a Cloud Computing Environment,†dalam 2022 International Conference on Electronic Systems and Intelligent Computing (ICESIC), Apr 2022, hlm. 299–303. doi: 10.1109/ICESIC53714.2022.9783547.
