Penelitian ini bertujuan untuk mengembangkan model klasifikasi yang akurat untuk mengidentifikasi dan mengkategorikan lalu lintas anonim pada jaringan Tor. Dataset yang digunakan adalah CIC-Darknet2020. Teknik Synthetic Minority Over-sampling Technique (SMOTE) diterapkan untuk menangani ketidakseimbangan kelas, sementara Mutual Information Classifier (MIC) digunakan untuk seleksi fitur. Model K-Nearest Neighbor (K-NN) digunakan untuk klasifikasi dengan hasil akurasi tertinggi sebesar 93.17% pada n_neighbors = 1. Meskipun tidak menggunakan normalisasi data karena distribusi fitur yang cukup merata, penelitian ini menunjukkan bahwa kombinasi K-NN, SMOTE, dan MIC efektif dalam memberikan klasifikasi lalu lintas anonim yang akurat pada jaringan Tor. Penelitian ini berkontribusi signifikan dalam bidang keamanan jaringan dan dapat menjadi dasar untuk penelitian lebih lanjut dalam deteksi dan keamanan jaringan.

Klasifikasi Traffic Anonymous The Onion Route Dengan Metode K-Nearest Neighbor

Kreator & Penulis