KLASIFIKASI MALWARE FAMILY MENGGUNAKAN METODE K-NEAREST NEIGHBOR

Vinna Rahmayanti Nastiti, denar regata akbi

Abstract


Malware atau malicious software adalah program berbahaya yang berjalan didalam sebuah sistem komputer tanpa izin dengan tujuan untuk merusak atau mencuri data pribadi dari sistem. Perkembangan malware yang semakin pesat, menyebabkan banyak jenis keluarga malware baru yang bermunculan.  Untuk mendeteksi jenis dari suatu malware, salah satu teknik yang dapat digunakan adalah dengan klasifikasi malware menggunakan k-nearest neighbor. Klasifikasi malware family menggunakan metode k-nearest neighbor pada dataset CICInvesAndMal2019, didapatkan hasil bahwa nilai k =3 dan komposisi pembagian data 90% data latih dan 10 % data uji memiliki hasil paling baik dengan nilai recall sebesar 45% dan precision 42%. Kata kunci: malware, k-nearest neighbor, k-fold cross validaton

Full Text:

PDF

References


Rajkumar, M. N., Kumar, V. V., & Vijayabhasker, R. (2020). A Hybrid Approach to Detect the Malicious Applications in Android-Based Smartphones Using Deep Learning. In Handbook of Research on Machine and Deep Learning Applications for Cyber Security (pp. 176-194). IGI Global.

Udayakumar, N., Subbulaksmi, T., Mishra, A., Mishra, S., & Jain, P. (2019). Malware Category Prediction Using KNN and SVM Classifiers. International Journal of Mechanical Engineering and Technology (IJMET) (pp.787-797).

Mahajan, G., Saini, B., & Anand, S. (2019, February). Malware Classification Using Machine Learning Algorithms and Tools. In 2019 Second International Conference on Advanced Computational and Communication Paradigms (ICACCP) (pp. 1-8). IEEE.

Milosevic, N., Dehghantanha, A., & Choo, K. K. R. (2017). Machine learning aided Android malware classification. Computers & Electrical Engineering, 61, 266-274.

San, C. C., Thwin, M. M. S., & Htun, N. L. (2019). Malicious software family classification using machine learning multi-class classifiers. In Computational Science and Technology (pp. 423- 433). Springer, Singapore.

Kruczkowski, M., & Niewiadomska-Szynkiewicz, E. (2014). Comparative study of supervised learning methods for malware analysis. Journal of Telecommunications and Information Technology.

Taheri, L., Kadir, A. F. A., & Lashkari, A. H. (2019, October). Extensible Android Malware Detection and Family Classification Using Network-Flows and API-Calls. In 2019 International Carnahan Conference on Security Technology (ICCST) (pp. 1-8). IEEE.

Adinugroho, Sigit, and Yuita Arum Sari. Implementasi Data Mining Menggunakan Weka. Universitas Brawijaya Press, 2018.




DOI: https://doi.org/10.22219/sentra.v0i6.3906

Refbacks

  • There are currently no refbacks.


Seketariat

Fakultas Teknik

Universitas Muhammadiyah Malang Kampus III

Jl. Raya Tlogomas 246 Malang, 65144