Hasil Pencarian  ::  Simpan CSV :: Kembali

"Software Defined Network (SDN) adalah arsitektur jaringan yang berbeda dengan jaringan pada umumnya karena SDN memisahkan control plane dan data plane. SDN memberikan programmabilitas serta membuka kesempatan untuk inovasi pada manajemen jaringan dan keamanan jaringan. Keamanan jaringan merupakan salah satu hal yang paling penting bagi seorang administrator jaringan. Pada jaringan tradisional, terdapat banyak masalah keamanan, beberapa masalah tersebut sudah dapat diatasi dengan adanya SDN, namun masih ada beberapa masalah yang belum diatasi, contohnya adalah Address Resolution Protocol (ARP) Spoofing yang tidak memiliki solusi yang cukup efisien pada jaringan tradisional. ARP Spoofing adalah suatu cara yang digunakan penyerang untuk melakukan cache poisoning dengan cara memasukan Internet Protocol (IP) yang salah kedalam pemetaan Media Access Control (MAC) address pada ARP cache. Pada penelitian ini dilakukan mitigasi dari serangan ARP spoofing tersebut pada SDN dengan menggunakan modul ARP pada POX controller yang dapat mendeteksi dan menghentikan serangan. OpenFlow digunakan untuk komunikasi controller dengan switch menggunakan Mininet.

---

Software Defined Network (SDN) is a network architecture that is different than the usual network because SDN separates control plane and data plane. SDN gives programmability and more chances for innovation of network management and network security. Network security is one of the most important things. In a traditional network, there a lot of security problems, some of them have been solved by using SDN, but there are some problems that linger, such as Address Resolution Protocol (ARP) spoofing, which has no efficient solution in a traditional network.

ARP spoofing is a way that is used by an attacker to do cache poisoning by inserting a false Internet Protocol (IP) to the Media Access Control (MAC) address mapping on an ARP cache. In this research, mitigation of ARP spoofing attack on an SDN with ARP module on a POX controller which can detect and stop an attack is done. OpenFlow is used for communication between a controller and the switch using Mininet."

"Penelitian ini memberikan bentuk pencegahan lain untuk ARP spoofing dengan menggunakan teknik stateful protocol analysis dan memperbaiki kekurangan dua penelitian yang pernah ada yaitu Genuine ARP dan Antidote serta memanfaatkan fitur-fitur yang dimiliki oleh OpenFlow switch. Pengujian dilakukan pada jaringan virtual menggunakan aplikasi Mininet dan POX sebagai controller untuk OpenFlow switch dengan masing-masing tiga skenario dan arsitektur, yang menguji keamanan jaringan dengan protokol OpenFlow switch serta pencegahan dari controller. Pengujian tersebut 100% berhasil membuktikan bahwa controller yang dihasilkan berfungsi sebagai network-based intrusion prevention system yang dapat mendeteksi pasangan IP-MAC address yang asli serta mencegah penyerang dengan melakukan drop flow pada OpenFlow switch sehingga meningkatkan tingkat keamanan jaringan lokal.

---

This research provided another form of prevention for ARP spoofing using stateful protocol analysis technique and improved the lack of two previous researches which were Genuine ARP and Antidote and took advantages of features of the OpenFlow switch. Tests were performed on a virtual network using Mininet and POX application as controller for OpenFlow switches with three scenarios and architectures on each, which test the network security using protocol OpenFlow switches as well as test the prevention of the controller.

The testing proved that the controller resulted 100% served as network-based intrusion prevention system which could detect a pair of original IP-MAC address and prevent an attacker by doing drop flow on OpenFlow switch, thereby it increased the level of local network security."

"ABSTRAKAddress Resolution Protocol (ARP) mempunyai sejarah panjang akankelemahannya terhadap spoofing attack dikarenakan sifat statelessness nya dankurangnya mekanisme autentikasi untuk memverifikasi dari pengirim paketnya.ARP spoofing terkadang merupakan titik awal untuk terbentuknya serangan LANyang lebih canggih seperti denial of service, man in the middle and sessionhijacking. Metode deteksi saat ini menggunakan pendekatan pasif, memantau trafikARP dan mencari inkonsistensi didalam Ethernet ke alamat IP yg ter mapping.Kelemahan utama dari pendekatan pasif ini adalah jeda waktu antara mempelajaridan mendeteksi serangan spoofing. Ini kadang-kadang menyebabkan seranganyang ditemukan sudah terlanjur lama berjalan setelah serangan itu direncanakan.Dalam tulisan ini, teknik aktif untuk mendeteksi ARP spoofing di arsitektur SDNuntuk protocol IPv4 dan IPv6 dianalisis. Permintaan ARP dan TCP SYN paketdikirimkan ke jaringan untuk menyelidiki inkonsistensi pada jaringan tersebut.Teknik ini lebih cepat, cerdas, terukur dan lebih handal dalam mendeteksi serangandaripada metode pasif. Hal ini juga dapat mendeteksi tambahan pemetaan nyataMAC ke alamat IP untuk tingkat akurasi yang adil dalam hal serangan yangsebenarnya. Saat serangan DOS dengan paket ARP yang tidak berbahaya ataunormal, kontroler menggunakan port monitor untuk mencegah beban apapun.Hasilnya cukup mengesankan menunjukkan hasil minimal atau tidak ada overheadpada controller sama sekali. Arsitektur SDN menghasilkan bandwidth lebih bagusdari pada jaringan tradisional. Ini dikarenakan utilisasi bandwidth dari SDN lebihbaik daripada jaringan tradisional. Performansi SDN lebih bagus 7,2% dari padajaringan tradisional. Begitu juga untuk untuk IPv6 performansi SDN lebih bagus8,1% dari pada jaringan tradisional.

---

ABSTRACTThe Address Resolution Protocol (ARP) due to its statelessness and lack of anauthentication mechanism for verifying the identity of the sender has a long historyof being prone to spoofing attacks. ARP spoofing is sometimes the starting pointfor more sophisticated LAN attacks like denial of service, man in the middle andsession hijacking. The current methods of detection use a passive approach,monitoring the ARP traffic and looking for inconsistencies in the Ethernet to IPaddress mapping. The main drawback of the passive approach is the time lagbetween learning and detecting spoofing. This sometimes leads to the attack beingdiscovered long after it has been orchestrated. In this paper, we analyze activetechnique to detect ARP spoofing in SDN architecture for IPv4 and IPv6 protocol.We inject ARP request and TCP SYN packets into the network to probe forinconsistencies. This technique is faster, intelligent, scalable and more reliable indetecting attacks than the passive methods. It can also additionally detect the realmapping of MAC to IP addresses to a fair degree of accuracy in the event of anactual attack. When DOS attack with ARP packets that are not harmful or normalare produced, the controller uses a monitor port to prevent any burden to thecontroller server. The result is quite impressive show results minimal or nooverhead on the controller altogether. SDN architecture produces better bandwidththan traditional networks. This is because the bandwidth utilization of SDN betterthan traditional network. SDN performance 7.2% better than in traditionalnetworks. Likewise for SDN to IPv6 performance 8.1% better than in traditionalnetworks.Keywords: Man in the middle, ARP, Spoofing, IPv4, Ipv6, SDN"

"Dalam sistem presensi konvensional, seringkali terjadi kecurangan dalam proses presensi baik itu yang menggunakan RFID ataupun manual dengan tanda tangan. Begitu pula dengan presensi menggunakan teknologi pengenalan wajah juga terjadi kecurangan dengan menggunakan foto gambar wajah atau rekaman video,  Oleh karena itu, penelitian ini mengusulkan penggunaan algoritma Deep Learning untuk mendeteksi serangan face spoofing dalam sistem presensi berbasis wajah. Pada pengimplementasiannya digunakan Raspberry Pi 4 Model B agar lebih efektif dan efisien dalam penerapannya. Metodologi yang digunakan dalam penelitian ini adalah dengan mengumpulkan dataset wajah asli dan palsu, kemudian dilakukan proses pelatihan menggunakan algoritma Deep Learning. Algoritma Deep Learning sudah terkenal efektif dalam mengenali fitur wajah. Dataset yang digunakan dalam penelitian ini adalah kombinasi antara dataset wajah asli dan palsu yang dikumpulkan dari berbagai sumber. Hasil yang diperoleh dari penelitian ini menunjukkan bahwa penggunaan teknologi pengenalan wajah dengan penerapan algoritma Deep Learning sebagai Face Anti-Spoofing (FAS) mampu mendeteksi serangan face spoofing dalam sistem presensi berbasis wajah. Hal ini terlihat dari tingkat keakuratan yang diperoleh dari proses pengujian yang dilakukan pada sistem presensi yang dikembangkan. Diharapkan sistem presensi ini dapat diimplementasikan secara luas untuk meningkatkan keamanan dan keandalan dalam sistem presensi berbasis wajah.

---

In conventional attendance systems, cheating often occurs in the attendance process, whether using RFID or manual methods with signatures. Similarly, in attendance systems that utilize facial recognition technology, cheating can occur through the use of facial photos or video recordings. Therefore, this research proposes the use of Deep Learning algorithms to detect face spoofing attacks in facial-based attendance systems. For implementation, Raspberry Pi 4 Model B is employed to enhance effectiveness and efficiency. The methodology utilized in this study involves collecting genuine and fake face datasets, followed by training processes using Deep Learning algorithms. Deep Learning algorithms are renowned for their effectiveness in recognizing facial features. The dataset used in this research is a combination of genuine and fake face data collected from various sources. The results obtained from this research demonstrate that employing facial recognition technology with the application of Deep Learning algorithms as Face Anti-Spoofing (FAS) is capable of detecting face spoofing attacks in facial-based attendance systems. This is evident from the accuracy achieved during the testing process conducted on the developed attendance system. It is hoped that this attendance system can be widely implemented to enhance security and reliability in facial-based attendance systems."