SELEKSI FITUR MALWARE FAMILY MENGGUNAKAN METODE C5.0

Denar Regata Akbi, Vinna Rahmayanti Setyaning Nastiti, Achmad Rizal Yogaswara

Abstract


Malicious software (Malware) merupakan kode program berbahaya yang dapat mengganggu kinerja dari sistem komputer sehingga dapat mengakibatkan kerusakan sistem, ataupun terjadinya pencurian data yang dilakukan oleh malware. Semakin hari perkembangan malware semakin berbagai macam dan mengalami evolusi semakin canggih. Untuk meminimalisir terkena serangan dari malware peneliti dan pengembang antivirus melakukan beberapa penelitian salah satunya adalah melakukan analisis terhadap fitur – fitur yang terdapat dalam malware, salah satu teknik yang banyak digunakan untuk melakukan analisis fitur adalah metode C5.0. Analisis fitur dilakukan dengan melihat fitur – fitur apa saja yang paling berpengaruh terhadap data malware yang dianalisis, CICInvesAndMal2019 merupakan data malware yang digunakan pada penelitian ini dan didapatkan hasil bahwa dari 305 data malware yang memiliki 918 fitur, tereduksi dan terseleksi menjadi 129 fitur yang paling berpengaruh serta hasil evaluasi yang didapatkan dari penelitian ini adalah nilai accuracy 0,085 dan nilai kappa 0,058.

Full Text:

PDF

References


Gadhiya, Savan, and Kaushal Bhavsar. "Techniques for malware analysis." International Journal of Advanced Research in Computer Science and Software Engineering 3.4 (2013)

Chowdhury, Mozammel, Azizur Rahman, and Rafiqul Islam. "Malware analysis and detection using data mining and machine learning classification." International Conference on Applications and Techniques in Cyber Security and Intelligence. Edizioni della Normale, Cham, 2017.

Sihwail, Rami, Khairuddin Omar, and KA Zainol Ariffin. "A survey on malware analysis techniques: Static, dynamic, hybrid and memory analysis." International Journal on Advanced Science, Engineering and Information Technology 8.4-2 (2018): 1662.

Damodaran, Anusha, et al. "A comparison of static, dynamic, and hybrid analysis for malware detection." Journal of Computer Virology and Hacking Techniques 13.1 (2017): 1-12

Ranveer, Smita, and Swapnaja Hiray. "Comparative analysis of feature extraction methods of malware detection." International Journal of Computer Applications 120.5 (2015).

Babaagba, Kehinde Oluwatoyin, and Samuel Olumide Adesanya. "A study on the effect of feature selection on malware analysis using machine learning." Proceedings of the 2019 8th InternationalConference on Educational and Information Technology. 2019.

Kurniawan, Erwin, et al. "C5. 0 algorithm and synthetic minority oversampling technique (SMOTE) for rainfall forecasting in Bandung regency." 2019 7th International Conference on Information and Communication Technology (ICoICT). IEEE, 2019.

Taheri, Laya, Andi Fitriah Abdul Kadir, and Arash Habibi Lashkari. "Extensible android malware detection and family classification using network-flows and api-calls." 2019 International Carnahan Conference on Security Technology (ICCST). IEEE, 2019

Feizollah, Ali, et al. "A review on feature selection in mobile malware detection." Digital investiga




DOI: https://doi.org/10.22219/sentra.v0i6.3914

Refbacks

  • There are currently no refbacks.


Seketariat

Fakultas Teknik

Universitas Muhammadiyah Malang Kampus III

Jl. Raya Tlogomas 246 Malang, 65144