ANANG, RIDLO FAHMI (2016) ANALISIS IMPLEMENTASI METODE KLASIFIKASI BAYES UNTUK DETEKSI MALWARE ANDROID. Skripsi,Fakultas Ilmu Komputer.
| PDF Download (4Kb) | Preview |
Abstract
Dewasa ini, penggunaan perangkat mobile smartphone semakin meningkat. Salah satu mobile platform yang paling populer saat ini yaitu Android. Platform Android meningkat kepopulerannya melebihi para pesaingnya seperti iOS, Blackberry, Symbian, dan Windows mobile. Tetapi akibat kepopulerannya tersebut Android juga menjadi target yang paling diincar oleh serangan malware. Sudah banyak sekali metode yang diusulkan untuk mengatasi masalah serangan malware pada platform Android. Dari berbagai macam metode tersebut memiliki kelebihan dan kekurangannya masing-masing. Meskipun begitu malware juga berkembang seiring berjalannya waktu. Beberapa jenis malware menjadi lebih sulit untuk dideteksi. Oleh karena itu pada penelitian ini diajukan metode yang ditujukan untuk menjadi solusi bagi pendeteksian malware pada aplikasi Android secara dini. Proses klasifikasi aplikasi dilakukan dengan cara menganalisis source code dari aplikasi tersebut, oleh karena itu dibutuhkan proses reverse engineering untuk mendapatkan source code dari dataset yang berupa file APK. Penelitian dilakukan menggunakan model parameter berupa permission dan properti-properti berbasis code. Hasil penelitian menunjukkan akurasi classifier sebesar 54.0% pada model permission, 89.5% pada model properti berbasis code, dan 88.0% pada gabungan kedua model tersebut. Dari hasil tersebut dapat ditarik kesimpulan, permission kurang cocok untuk digunakan sebagai parameter klasifikasi aplikasi malware/ aman, parameter terbaik adalah properti berbasis code.
Item Type: | Article |
---|---|
Subjects: | T Technology > Teknik Informatika Universitas Dian Nuswantoro > Fakultas Ilmu Komputer > Teknik Informatika |
Divisions: | Fakultas Ilmu Komputer |
Depositing User: | Psi Udinus |
Date Deposited: | 22 Sep 2016 14:38 |
Last Modified: | 22 Sep 2016 14:38 |
URI: | http://eprints.dinus.ac.id/id/eprint/19816 |
Actions (login required)
View Item |