1 BAB III METODE PENELITIAN 3.1 Perancangan Sistem Dan Blok Diagram Sistem Didalam perancangan aplikasi IDS dengan menggunakan metode fuzzy terdiri da...
3.1 Perancangan Sistem Dan Blok Diagram Sistem Didalam perancangan aplikasi IDS dengan menggunakan
metode fuzzy
terdiri dari 2 modul utama, yaitu modul packet sniffing, dan modul fuzzy dimana masing-masing modul mempunyai fungsi yang berbeda-beda. Modul paket sniffing berfungsi untuk mengumpulkan data dan modul fuzzy berfungsi untuk mengklasifikasikan serangan berdasarkan metode fuzzy Sugeno. Log serangan ditampilkan bentuk web. Penyusunan dua modul diatas berdasarkan atas diagram alur sistem aplikasi IDS sebagai berikut:
Gambar 3.1. Alur Kerja Sistem IDS Gambar 3.1 menunjukkan alur kerja sistem IDS secara umum. Sistem mulai bekerja dengan menjalankan modul sniffing paket yang berfungsi untuk memonitoring semua paket data yang melalui interface ethernet router. Aplikasi yang digunakan untuk memantau paket data adalah snort. Semua paket data yang
25
26
termonitor oleh router akan disimpan dalam bentuk database. Dari database tersebut diolah untuk membuat keputusan fuzzy melalui query sql. Pengolahan data dilakukan berdasarkan aturan-aturan fuzzy yang telah dibentuk sesuai dengan karakter serangan. Setelah melalui proses klasifikasi serangan oleh modul fuzzy selanjutnya data-data yang terindikasi serangan ditampilkan dalam bentuk web log. Sistem IDS ini diterapkan pada router yang berfungsi sebagai keluar masuknya trafik jaringan. Adapun diagram blok topologi sistem IDS adalah sebagai berikut:
Gambar 3.2. IDS Topologi Pada Gambar 3.2 IDS akan memonitor paket data dari workstation 192.168.10.5/24, data yang terindikasi serangan akan disimpan dan ditampilkan dalam history log router. Penampilan log sistem IDS berbasis web dengan memanfaatkan pemrograman php. Pada web log data serangan ditampilkan alamat ip penyerang sehingga memudahkan administrator jaringan untuk melakukan analisis serangan.
3.2 Rancangan Sistem Sesuai dengan diagram alur sistem ids pada Gambar 3.1 terdapat 3 komponen penting dalam pembuatan aplikasi IDS dengan menggunakan metode fuzzy, yaitu paket sniffing, pengklasifikasian serangan dan web log. Dibawah ini akan dijelaskan bagaimana sistem IDS dibuat.
27
3.2.1 Perancangan Modul Sniffing Paket Modul paket sniffing merupakan tahapan awal dalam perancangan sistem IDS. Modul ini berperan untuk menangkap data serangan dan menyimpan data tersebut ke dalam database. Aplikasi network sniffing yang digunakan adalah snort-mysql. Dibawah ini merupakan blok diagram alur bagaimana snort bekerja.
Gambar 3.3. Diagram Alur Snort (Nalneesh Gaur, 2001). Gambar 3.3 merupakan diagram alur Snort, dari Gambar 3.3 dapat dilihat beberapa tahapan snort untuk mendapatkan log paket data. Tahap awal snort menangkap paket data mentah, paket data ini masih berupa susunan bilangan biner. Paket data ditangkap oleh decoder modul melalui berbagai interface jaringan (contohnya Ethernet, PPP), Setelah data diolah oleh decoder selanjutnya detection engine mengaplikasikan aturan-aturan protokol dalam snort ke dalam paket tersebut. Data yang telah diolah oleh detection engine ditampilkan sebagai log atau alert.
28
Data log hasil sniffing snort akan ditampilkan dalam bentuk database. Dari data inilah nantinya akan diolah untuk memunculkan hasil keputusan serangan. Berikut ER diagram database snort:
Gambar 3.4. ER Diagram Snort (Roman Danyliw, 2002) Dalam Gambar 3.4 ditunjukkan ER Diagram snort, dalam ER Diagram dapat dilihat bahwa snort mempunyai 22 tabel. Tabel event terhubung dengan 8 tabel yaitu tabel iphdr, sensor, data, icmphdr, udphdr, tcphdr, signature, sensor, dan acid_ag_alerts. Tabel event menyimpan waktu capture packet terjadi, sehingga 8 tabel yang membutuhkan data waktu capture packet akan memanggil data dari tabel event. Tabel iphdr terhubung dengan 3 tabel yaitu protocols, acid_ip_cache dan opt. Dalam tabel iphdr menyimpan data ip host pengirim, ip host penerima, ip protokol dan ip length. Dalam sistem IDS pengolahan data diambil dari tabel event dan iphdr.
29
3.2.2 Sampling Data Serangan Sampling data serangan berguna untuk membantu menentukan besaran domain kategori variabel fuzzy. Melalui sampling data yang tersimpan dalam database snort terdapat 4 jenis data paket yang berbeda yaitu paket normal, paket udp flooding, paket tcp flooding dan paket icmp flooding. Berikut ini sampling masing-masing paket data yang ditunjukkan dalam Tabel 3.1. Tabel 3.1. Sampling Data Serangan Paket Frekuensi (/s) Jumlah Length (B/s) ICMP Normal 3 180 UDP Flooding 1 1500 TCP Flooding 1 1500 ICMP Flooding 3 65078 Syn-Ack 3 120 HTTP 1 1440 Tabel 3.1 berisi contoh nilai frekuensi dan length dari paket serangan yang ditangkap oleh Snort, data tersebut diambil dari data yang tersimpan dalam tabel acid_event dan iphdr pada database snort.
3.2.3 Perancangan Fuzzy Aplikasi IDS yang dirancang ini menggunakan algoritma fuzzy yang menghasilkan identifikasi serangan ke dalam 4 bagian yaitu bukan serangan atau normal, low, middle, dan high. Fuzzy yang digunakan menggunakan metode Sugeno. Dalam metode fuzzy Sugeno terdapat 3 tahapan utama dalam menentukan hasil keputusan yaitu pembentukan fungsi keanggotaan, penyusunan aturan fuzzy dan defuzzyfikasi . Dibawah ini dijelaskan tahapan penyusunan metode fuzzy Sugeno.
30
Tahap pertama adalah pembentukan fungsi keanggotaan dimana terdapat 2 fungsi keanggotaan fuzzy yaitu fungsi keanggotaan variabel frekuensi dan length. Fungsi keanggotaan variable length:
1
Low
Medium
High
Derajat Keanggotaan µ[x]
0
190
200 220 Length
240
Gambar 3.5. Fungsi Keanggotaan Variabel Length Nilai length yang ditunjukkan Gambar 3.5 berdasarkan acuan yang didapat dari hasil sampling pada Tabel 3.1. Dari sampling tersebut diketahui nilai length ICMP normal adalah 180 Byte per detik sehingga ditentukan nilai length kategori low adalah 190 - 200 Byte (derajat keanggotaan 1), selanjutnya dipilih kelipatan 20 Byte untuk masing masing titik tertinggi derajat keanggotaan (=1) tiap kategori. Pada variabel length (B), data yang dimiliki adalah 200 B, 220 B dan 240 B, dengan demikian pada variabel ini bisa dibagi menjadi 3 himpunan fuzzy yaitu LOW, MEDIUM dan HIGH. Himpunan fuzzy LOW memiliki domain [190,220], dengan derajat keanggotaan tertinggi (=1) terletak pada 190-200 B yang artinya length paket adalah LOW, tetapi jika frekuensi lebih dari 200 B maka kondisi length paket mendekati MEDIUM. Himpunan fuzzy LOW direpresentasikan dengan fungsi keanggotaan trapesium dengan derajat keanggotaan semakin rendah jika nilai length melebihi 200 B.
31
Himpunan fuzzy MEDIUM memiliki domain [200,240], dengan derajat keanggotaan MEDIUM tertinggi (=1) terletak pada nilai 220. Jika nilai length kurang dari 220 B maka kondisi nilai length mendekati kondisi LOW, sehingga derajat keanggotaannya pada himpunan MEDIUM akan berkurang. Tetapi jika nilai length melebihi nilai 240 B maka kondisi nilai length mendekati kondisi HIGH. Himpunan fuzzy MEDIUM direpresentasikan dengan fungsi keanggotaan segitiga dengan derajat keanggotaan tertinggi (=1) jika length mendekati nilai 240 B. Himpunan fuzzy HIGH memiliki domain [240, +] dengan derajat keanggotaan HIGH tertinggi (=1) terletak pada nilai lebih dari sama dengan 240. Jika nilai length kurang dari 240 B maka variabrel length mendekati kondisi MEDIUM, sehingga derajat keanggotaannya pada himpunan HIGH akan berkurang sedangkan derajat keanggotaan pada himpunan MEDIUM akan bertambah. Tetapi jika frekuensi paket melebihi 240 B maka kondisi length paket adalah HIGH. Himpunan fuzzy HIGH direpresentasikan dengan fungsi keanggotaan trapesium dengan derajat keanggotaan tertinggi (=1) jika nilai length lebih dari sama dengan 240 B. Berikut ini adalah fungsi keanggotaan frekuensi:
1
Low
Medium
High
Derajat Keanggotaan µ[x]
0
6 8 10 Frekuensi (/s) Gambar 3.6. Fungsi Keanggotaan Variabel Frekuensi
32
Nilai frekuensi yang ditunjukkan Gambar 3.6 berdasarkan acuan yang didapat dari hasil sampling pada Tabel 3.1. Dari sampling tersebut diketahui nilai length ICMP normal adalah 3 per detik sehingga ditentukan nilai frekuensi low adalah 1 – 6 (derajat keanggotaan 1) dengan nilai terkecil adalah 1, untuk selanjutnya dipilih kelipatan 2 untuk masing masing titik tertinggi derajat keanggotaan (=1) tiap kategori. Pada variabel frekuensi, data yang dimiliki 6(/s), 8(/s) dan 1(/s), dengan demikian variabel ini bisa dibagi menjadi 3 himpunan fuzzy, yaitu LOW, MEDIUM dan HIGH. Himpunan fuzzy LOW memiliki domain [0,8] dengan derajat keanggotaan LOW tertinggi (=1) terletak pada nilai lebih dari sama dengan 0(/s) dan kurang dari 6(/s). Jika tingkat frekuensi terletak pada range 6(/s) sampai 8(/s) maka kondisi frekuensi paket mendekati kondisi MEDIUM. Himpunan fuzzy LOW direpresentasikan dengan fungsi keaanggotaan trapesium dengan derajat keanggotaan tertinggi mencapai (=1) apabila nilai length mencapai range 0-40(/s). Himpunan fuzzy MEDIUM memiliki domain [6,10] dengan derajat keanggotaan tertinggi (=1) terletak pada nilai 8(/s). Jika tingkat nilai frekuensi kurang dari 8(/s), maka kondisi length sudah mendekati LOW. Tetapi jika tingkat frekuensi melebihi 8(/s) maka kondisi frekuensi mendekati HIGH. Himpunan fuzzy MEDIUM direpresentasikan dengan fungsi keanggotaan segitiga dengan derajat keanggotaan tertinggi (=1) jika tingkat nilai length berada pada nilai 8(/s). Himpunan fuzzy HIGH memiliki domain [10,+] dengan derajat keanggotaan HIGH tertinggi (=1) terletak pada nilai lebih lebih dari sama dengan 10(/s). Jika tingkat nilai frekuensi kurang dari 10(/s) maka kondisi frekuensi
33
mendekati MEDIUM. Tetapi jika tingkat frekuensi melebihi 10(/s) maka tingkat frekuensi adalah HIGH. Himpunan fuzzy HIGH direpresentasikan dengan fungsi keanggotaan trapesium dengan derajat keanggotaan tertinggi (=1) apabila tingkat frekuensi lebih dari sama dengan 10(/s). Tahap kedua adalah penyusunan aturan fuzzy, berikut adalah tabel aturan fuzzy: Frekuensi Length High Medium Low
Tabel 3.2. Aturan Fuzzy High Attack High Attack High Attack Med
Medium Low Attack High Attack Med Attack Med Attack Med Attack Med Attack Low
Dari Tabel 3.2 diketahui terdapat 9 aturan fuzzy yaitu: 1. [R1] IF Frekuensi HIGH and Length HIGH THEN ATTACK HIGH 2. [R2] IF Frekuensi HIGH and Length MEDIUM THEN ATTACK HIGH 3. [R3] IF Frekuensi HIGH and Length LOW THEN ATTACK HIGH 4. [R4] IF Frekuensi MEDIUM and Length HIGH THEN ATTACK HIGH 5. [R5] IF Frekuensi
MEDIUM and Length MEDIUM THEN ATTACK
MEDIUM 6. [R6] IF Frekuensi MEDIUM and Length LOW THEN ATTACK MEDIUM 7. [R7] IF Frekuensi LOW and Length HIGH THEN ATTACK MEDIUM 8. [R8] IF Frekuensi LOW and Length MEDIUM THEN ATTACK MEDIUM 9. [R9] IF Frekuensi LOW and Length LOW THEN ATTACK LOW Tahap yang ketiga adalah pembentukan defuzyfikasi. Berikut ini adalah contoh jika paket data yang didapatkan memiliki frekuensi 3(/s) dan length 243B. 1. [R1] IF Frekuensi HIGH and Length HIGH THEN ATTACK HIGH
34
α-predikat1 = µFrHIGH n µLthHIGH = min(µFrHIGH(3), µLthHIGH(243)) =min(0;1) = 0 Nilai z1
= 2400
2. [R2] IF Frekuensi HIGH and Length MEDIUM THEN ATTACK HIGH α-predikat2 = µFrHIGH n µLthMEDIUM = min(µFrHIGH(3), µLthMEDIUM(243)) =min(0;0) = 0 Nilai z1
= 2400
3. [R3] IF Frekuensi HIGH and Length LOW THEN ATTACK HIGH α-predikat3 = µFrHIGH n µLthLOW = min(µFrHIGH(3), µLthLOW(243)) =min(0;0) = 0 Nilai z1
= 2400
4. [R4] IF Frekuensi MEDIUM and Length HIGH THEN ATTACK HIGH α-predikat4 = µFrMEDIUM
n µLthHIGH
= min(µFrHIGH(3), µLthHIGH(243)) =min(0;1) = 0 Nilai z1
= 2400
5. [R5] IF Frekuensi
MEDIUM and Length MEDIUM THEN ATTACK
MEDIUM α-predikat5 = µFrMEDIUM n µLthMEDIUM = min(µFrMEDIUM(3), µLthMEDIUM(243))
35
=min(0;0) = 0 Nilai z2
= 1760
6. [R6] IF Frekuensi MEDIUM and Length LOW THEN ATTACK MEDIUM α-predikat6 = µFrMEDIUM n µLthLOW = min(µFrMEDIUM(3), µLthLOW(243)) =min(0;0) = 0 Nilai z2
= 1760
7. [R7] IF Frekuensi LOW and Length HIGH THEN ATTACK MEDIUM α-predikat7 = µFrLOW n µLthHIGH = min(µFrLOW(3), µLthHIGH(243)) =min(1;1) = 1 Nilai z2
= 1760
8. [R8] IF Frekuensi LOW and Length MEDIUM THEN ATTACK MEDIUM α-predikat8 = µFrLOW n µLthMEDIUM = min(µFrLOW(3), µLthMEDIUM(243)) =min(1;0) = 0 Nilai z2
= 1760
9. [R9] IF Frekuensi LOW and Length LOW THEN ATTACK LOW α-predikat9 = µFrLOW n µLthLOW = min(µFrLOW(3), µLthLOW(243)) =min(1;0) = 0 Nilai z3
= 1200
36
Nilai Zx adalah nilai perkalian batas masing-masing derajat keanggotaan tertinggi (=1) suatu kategori. Setelah didapatkan masing-masing α-predikat dan nilai zx untuk setiap aturan maka diperoleh nilai z, yaitu: Z= αpred1*z1 + αpred2*z1 + αpred3*z1 + αpred4*z1 + αpred5*z2 + αpred6*z2 + αpred7*z2 + αpred8*z2 + αpred9*z3 / αpred1 + αpred2 + αpred3 + αpred4 =0 * 2400 + 0 * 2400 + 0 * 2400 + 0 * 2400 + 0 * 1760 + 0 * 1760+ 1 * 1760 + 0 * 1760 + 0 * 1200 / 0+1+0+0+0+0+0+0 =1760/1 = 1760 Kategori defuzzyfikasi = Attack Middle Dimana kategori untuk masing masing z adalah: 1200 = Attack Low 1760 = Attack Middle 2400
= Attack High
3.3 Desain Sistem Desain
sistem
IDS
meliputi
pengolahan
database,
proses
pengklasifikasian serangan dan proses penampilan web log. Untuk lebih jelasnya dapat dilihat Gambar 3.7.
Gambar 3.7. Rancangan Desain Sistem
37
Pada hasil yang ditampilkan dalam aplikasi PHP, web log merupakan hasil query defuzzyfikasi dari tabel database snort. Proses defuzzyfikasi menggunakan query sql tidak terlalu membebani kinerja router, sehingga router dapat memproses defuzzyfikasi secara cepat. Sistem pendeteksian bersifat realtime jadi data serangan yang diolah bersifat up to date artinya data tersebut setiap saat dapat bertambah. Aplikasi yang dibuat hanya dijalankan sekali dan akan menjalankan proses terus menerus tanpa henti, kecuali jika aplikasi ditutup oleh user yang berwenang sehingga secara otomatis sistem tidak akan melakukan proses pendeteksian serangan.
3.3.1 Desain Input Input dari sistem pendeteksian serangan adalah berupa data serangan yang setiap saat terus bertambah dari database log milik snort selanjutnya akan diproses oleh program sesuai query fuzzy yang ada. Data input terdiri dari 2 tabel snort yaitu tabel event dan iphdr. Gambar 3.8 merupakan contoh data tabel event.
Gambar 3.8. Data Tabel Event
38
Gambar 3.8 menunjukkan Tabel event yang mempunyai beberapa field yaitu sid, cid, signature dan timestamp. Field data yang diambil untuk diolah dalam query defuzzyfikasi hanya 3 field yaitu sid, cid dan timestamp. Field sid dan cid menghubungkan ke tabel paket data seperti IP/TCP/UDP/ICMP header, sedangkan timestamp berisi waktu data ditangkap oleh packet sniffer snort. Berikut ini adalah data tabel iphdr:
Gambar 3.9. Data Tabel iphdr Pada Gambar 3.9 diatas merupakan database snort yang terdiri dari berbagai field hasil log paket data. Namun tidak semua data yang ada di database log digunakan. Untuk membangun sistem IDS ini hanya 5 parameter yang digunakan yaitu sid, cid, ip_src, ip_dst dan ip_proto. Data log yang sudah dilakukan seleksi dan siap diolah ditunjukkan pada Gambar 3.10
39
Gambar 3.10. Data iphdr yang sudah diseleksi 3.3.2 Desain Proses Perintah query yang dipakai untuk melihat dan menyeleksi data dari berbagai field adalah select. Syntax dasar penggunaan select adalah select [nama field] from [nama tabel] where [expr…] group by [expr..]. Perintah query untuk menampilkan data yang terdapat pada Gambar 3.10 adalah select sid, cid, ip_src, ip_dst, ip_proto from iphdr. Berikut blok diagram query defuzzyfikasi yang ditunjukkan oleh Gambar 3.11.
Gambar 3.11. Diagram Blok Query Fuzzy
40
Pada Gambar 3.11 query mulai bekerja dengan memilih data yang ada pada tabel event dan iphdr. Adapun field yang diseleksi adalah timestamp, ip_src, ip_dst, ip_len dan ip_proto. Selanjutnya query mencari nilai frekuensi dan rata-rata ip_len berdasarkan data field timestamp yang telah digroup per satuan detik. Untuk nilai alpha frekuensi dan alpha length didapatkan dengan memasukkan nilai frekuensi dan rata-rata ip_len hasil group timestamp kedalam metode fuzzy sugeno. Tahapan akhir yaitu defuzzyfikasi didapatkan dengan menjumlahkan hasil perkalian alpha dan nilai zx yang sudah ditentukan kemudian dibagi dengan penjumlahan 9 nilai rule. Pencocokan data dilakukan berdasarkan sid dan cid.
3.3.3 Desain Output Output yang dihasilkan oleh sistem pendeteksian serangan ini berupa data hasil pengolahan query yang menghasilkan nilai defuzzyfikasi. Nilai defuzzyfikasi inilah yang digunakan sebagai acuan untuk menentukan hasil serangan. Berikut ini adalah kategori nilai serangan, dapat dilihat pada Tabel 3.3. Tabel 3.3. Pengklasifikasian Hasil Serangan Nilai Defuzzyfikasi Kategori Attack 0 Bukan Serangan 1 – 1200 Low 1201 – 2399 Medium >= 2400 High Nilai defuzzyfikasi yang ditunjukkan oleh Tabel 3.3 didapatkan dari hasil perkalian masing-masing batas derajat keanggotaan 1 dari tiap kategori variabel length dan frekuensi. Batas derajat keanggotaan 1 kategori low terletak pada nilai 200 untuk variabel length dan 6 untuk variabel frekuensi maka hasil perkalian dari 2 variabel adalah 200 * 6 = 1200. Batas derajat keanggotaan 1 kategori middle
41
terletak pada nilai 220 untuk variabel length dan 8 untuk variabel frekuensi maka hasil perkalian dari 2 variabel tersebut adalah 220 * 8 = 1760. Batas derajat keanggotaan 1 kategori high terletak pada nilai 240 untuk variabel length dan 10 untuk variabel frekuensi maka hasil perkalian dari 2 variabel tersebut adalah 240 * 10 = 2400. Dari perkalian tersebut didapatkan jangkauan nilai low adalah 1-1200, jangkauan kategori high lebih dari sama dengan 2400 sehingga jangkauan nilai middle adalah 1201-2399. Nilai defuzzyfikasi 0 adalah nilai untuk kategori bukan serangan sebab nilai 0 menyatakan bahwa suatu paket memiliki derajat keanggotaan 0.
3.3.4 Desain Autentifikasi Autentifikasi digunakan untuk mengatur user yang diperbolehkan mengakses log IDS. Blog diagram proses autentifikasi user adalah sebagai berikut.
Gambar 3.12. Diagram Blok Autentifikasi Pada Gambar 3.12 proses autentifikasi dimulai dengan memasukkan username dan password oleh user. Selanjutnya username dan password user diverifikasi
42
sesuai dengan data yang terdapat pada database. Jika username dan password benar maka oleh sistem akan diijinkan untuk masuk pada halaman web log IDS, sebaliknya jika salah terdapat dua kemungkinan yaitu ingin mengulangi memasukkan username dan password atau ingin mengakiri proses autentifikasi.
3.4 Implementasi Program Berdasarkan uraian dari desain sistem, maka tahapan utama untuk membangun aplikasi pendeteksian serangan dengan menggunakan metode fuzzy dengan algoritma fuzzy Sugeno yaitu tahap perolehan data oleh snort sebagai data log input. Sebelum dilakukan proses pengolahan data menggunakan fuzzy Sugeno maka data dari log snort harus diseleksi sesuai kebutuhan variabel fuzzy. Setelah didapatkan data variabel fuzzy selanjutnya diolah menurut tahapan-tahapan desain sistem fuzzy.
3.4.1 Pengumpulan Data (Database Log Snort) Snort mempunyai kemampuan mendeteksi serangan dan menuliskan data-data serangannya di file log, namun snort tidak hanya bisa menulis log pada sebuah file saja, namun snort juga bisa menuliskan log nya kedalam sebuah database baik itu database mysql, postgre ataupun oracle. Agar snort dapat menuliskan data log kedalam database maka perlu dilakukan konfigurasi yang berbeda dari konfigurasi standar. Diagram blok pengumpulan data dapat dilihat pada Gambar 3.13.
43
Gambar 3.13. Diagram Blok Pengumpulan Data Pada Gambar 3.13 langkah yang dilakukan pertama kali adalah melakukan instalasi mysql-server. Kemudian langkah kedua adalah melakukan instalasi php, selanjutnya melakukan instalasi phpmyadmin. Service terakhir yang perlu diinstal adalah snort-mysql. Langkah terakhir adalah membuat database fuzzy yang berisi variabel-variabel fuzzy. Dibawah ini merupakan penjelasan langkah-langkah instalasi service pada Gambar 3.13, sebagai berikut: 1. Instalasi mysql-server Sebelum instalasi snort maka perlu dilakukan instalasi database server yaitu menggunakan mysql-server. Untuk menginstall package mysql-server dilakukan pada shell linux dengan mengetikkan perintah #apt-get install mysql-server. Secara otomatis package dan library
dependencies akan
terinstall pada sistem linux. Proses instalasi ditunjukkan seperti Gambar 3.14.
44
Gambar 3.14. Proses Instalasi MySQL-Server 2. Instalasi php5 Langkah instalasi php5 dilakukan dengan mengetikkan perintah #apt-get install php5. Kemudian ketik y untuk konfirmasi instalasi seperti ditunjukkan pada Gambar 3.15.
Gambar 3.15. Proses Instalasi PHP5 3. Instalasi phpmyadmin Phpmyadmin digunakan untuk memudahkan memonitor dan memanajemen database snort, Langkah instalasi dengan mengetikkan perintah #apt-get
45
install phpmyadmin. Kemudian ketik y untuk konfirmasi instalasi seperti ditunjukkan pada Gambar 3.16.
Gambar 3.16. Konfirmasi Instalasi Phpmyadmin Setelah proses instalasi selesai akan muncul tampilan antarmuka konfigurasi web server. Pilih Apache2 sebagai web server. Proses ditunjukkan pada Gambar 3.17.
Gambar 3.17 Pemilihan Web Server Proses selanjutnya adalah pemilihan auto configure atau manual configure database mysql. Untuk memudahkan set up database pilih yes. Proses ditunjukkan seperti pada Gambar 3.18.
46
Gambar 3.18 Pemilihan auto konfigurasi database Proses berikutnya adalah memasukkan password administrasi database pengguna. Proses ditunjukkan seperti pada Gambar 3.19
Gambar 3.19 Password MySQL untuk phpmyadmin Proses pada Gambar 3.19 merupakan tahapan akhir konfigurasi phpmyadmin. Gambar
3.20
phpmyadmin.
menunjukkan
akhir
proses
instalasi
dan
konfigurasi
47
Gambar 3.20. Proses Akhir Instalasi dan Konfigurasi Phpmyadmin 4. Instalasi snort-mysql Untuk instalasi snort-mysql dapat menggunakan console dengan perintah #apt-get-install snort-mysql. Selanjutnya akan muncul jendela untuk mengisi address range jaringan lokal.
Gambar 3.21. Konfigurasi IP Address Local Network Gambar 3.21 merupakan konfigurasi IP Address jaringan lokal, pada sistem IDS ini alamat jaringan lokal adalah 192.168.10.0/24. Artinya snort akan memantau jaringan lokal 192.168.10.0/24.
Gambar 3.22. Konfirmasi Set Up database snort-mysql
48
Gambar 3.22 merupakan konfirmasi untuk set up database snort-mysql. Pilih untuk melanjutkan konfigurasi database.
Gambar 3.23. Tahap akhir Package Configuration Gambar 3.23 merupakan tahap akhir package configuration. Pilih untuk mengakhiri konfigurasi paket. Langkah selanjutnya adalah membuat database snort melalui mysql command prompt. Login pada terminal dengan mengetikkan perintah #mysql –u root –p, selanjutnya muncul pesan Enter password:. Jika password telah benar dimasukkan maka dapat masuk mysql command promt seperti Gambar 3.24.
Gambar 3.24. MySQL Command Prompt
49
Gambar 3.24 menunjukkan tampilan mysql command prompt yang berguna untuk menjalankan operasi mysql. Untuk membuat database snort dilakukan melalui perintah
#create database snort;. Langkah selanjutnya adalah
kembali keluar dari mysql prompt dengan perintah #quit; sehingga akan kembali pada shell linux. Setelah database berhasil dibuat langkah selanjutnya adalah memasukkan skema database snort pada database snort-mysql dengan perintah #zcat create /usr/share/doc/snort-mysql/create_mysql.gz | mysql –u root –p snort. Langkah selanjutnya adalah melakukan konfigurasi ulang database snort-mysql dengan cara mengetikkan perintah #dpkg-reconfigure snort-mysql.
Gambar 3.25. Snort Start Method Gambar 3.25 adalah pemilihan metode kapan service snort dijalankan. Metode yang dipilih adalah boot. Artinya pada saat komputer dihidupkan secara otomatis snort akan dijalankan, sehingga user tidak perlu untuk memulai service snort secara manual.
Gambar 3.26. Konfigurasi Interface Snort
50
Gambar 3.26 merupakan konfigurasi interface snort yang digunakan untuk mendengarkan paket data pada suatu host. Interface yang dipilih adalah eth0.
Gambar 3.27. Mengaktifkan Snort dalam Mode Promiscuous Gambar 3.27 merupakan proses untuk mengaktifkan snort dalam mode promiscuous. Mode promiscuous membuat snort mampu mendengarkan paket yang melewati segmen Ethernet dalam koneksi antar 2 host komputer lainnya. Langkah terakkhir adalah menghilangkan file db-pending-config pada database snort, agar snort dapat berjalan dengan baik. Perintah untuk menghapus file adalah #rm –rf /etc/snort/db-pending-config 5. Menjalankan Snort Untuk menjalankan snort pertama kali dilakukan dengan mengetik perintah #/etc/init.d/snort start. Untuk selanjutnya snort akan berjalan otomatis pada saat booting komputer. Untuk melihat apakah snort sudah jalan atau belum adalah dengan menjalankan perintah #ps -aux | grep snort seperti yang ditunjukkan pada Gambar 3.28.
Gambar 3.28. Pengecekan Service Snort
51
Seperti yang ditunjukkkan oleh Gambar 3.28 service snort telah berjalan dalam mode daemon. 6. Membuat tabel Fuzzy Secara default tabel snort-mysql hanya terdiri dari 22 tabel. Tabel fuzzy berisi 26 kolom yang berisikan data variabel fuzzy dan klasifikasi serangan. Untuk membuat tabel fuzzy dapat dilakukan melalui phpmyadmin.
Gambar 3.29. Membuat Tabel Baru Tabel fuzzy dibuat dengan cara mengisikan nama tabel dan jumlah kolom, kemudian klik Go. Seperti yang ditunjukkan pada Gambar 3.29 nama tabel adalah fuzzy_ids dan jumlah kolom adalah 26.
.
Gambar 3.30. Pengisian Nama Kolom
52
Gambar 3.30 merupakan halaman pengisian nama kolom tabel beserta dengan atributnya. Setelah melakukan pengisian secara lengkap klik Save untuk menyimpan tabel fuzzy. Berikut ini adalah struktur tabel fuzzy yang telah dibuat. Tabel 3.4. Struktur Tabel fuzzy_ids Column Type Sid int(10) cid int(10) Id int(10) Timestamp Datetime ip_src int(10) ip_dst int(10) Frekuensi int(10) Iplen smallint(10) ip_proto int(10) Alphaflow Float Alphafmid Float Alphallow Float Alphalmid Float Alphalhigh Float rule1 Float rule2 Float rule3 Float rule4 Float rule5 Float rule6 Float rule7 Float rule8 Float rule9 Float Attack Float attack_kategori varchar(40) Dimana: Alphaflow
: alpha fuzzy frekuensi low
Alphafmid
: alpha fuzzy frekuensi middle
Alphafhigh
: alpha fuzzy frekuensi high
Alphallow
: alpha fuzzy length low
Alphalmid
: alpha fuzzy length middle
53
Alphalhigh
: alpha fuzzy length high
Rule 1 -9
: Aturan fuzzy
Tabel 3.4 merupakan struktur tabel fuzzy_ids, kolom sid dan cid merupakan foreign key dari tabel acid_event, sedangkan id menjadi primary key dari tabel fuzzy_ids. Kolom timestamp, ip_src, ip_dst dan ip_proto berisikan data yang sama dengan tabel acid_event. Kolom frekuensi berisi jumlah banyaknya paket data persatuan detik, kolom ip_len berisi banyaknya jumlah data persatuan detik. Kolom alphaflow, alphafmid, alphafhigh, alphallow, alphalmid dan alphalhigh berisi perhitungan alpha fuzzy dari variabel frekuensi dan length. Kolom rule1, rule2, rule3, rule4, rule5, rule6, rule7, rule8 dan rule9 berisi perhitungan nilai zx aturan fuzzy. Kolom attack berisi perhitungan defuzzyfikasi dan kolom attack_kategori berisi klasifikasi serangan.
3.4.2 Konfigurasi IP Address Dalam pengujian sistem IDS berdasarkan metode fuzzy ini terdapat 2 konfigurasi utama yaitu konfigurasi ip address router dan ip address host.Berikut ini konfigurasi masing-masing ip address: 1. Konfigurasi ip address router Konfigurasi
ip
address
/etc/network/interfaces,
router dengan
dilakukan
dengan
mengetikkan
mengedit
perintah
/etc/network/interfaces. Kemudian mengisi konfigurasi file dibawah ini: auto lo iface lo inet loopback auto eth0 iface eth0 inet static address 192.168.10.11
Kemudian klik File – Save pada window gedit, selanjutnya jalankan perintah #/etc/init.d/networking restart 2. Konfigurasi ip address client Adapun sistem operasi client adalah Windows 7, oleh karena itu pengaturan ip address dilakukan dengan cara: Klik kanan pada icon network pilih Network and Sharing Center, seperti yang ditunjukkan pada Gambar 3.31.
Gambar 3.31. Network and Sharing Center Klik Change Adapter Setting sehingga muncul jendela Network Connection seperti yang ditunjukkan pada Gambar 3.32.
Gambar 3.32 Jendela Network Connection
55
Klik kanan pada icon Local Area Connection pilih Properties, sehingga muncul jendela Local Area Connection Properties seperti yang ditunjukkan pada Gambar 3.33.
Gambar 3.33. Jendela Local Area Connection Properties Kemudian klik Internet Protocol Version 4 (TCP/IPv4), pilih Properties sehingga muncul jendela baru seperti pada Gambar 3.34.
Gambar 3.34. Konfigurasi IP Address
56
Konfigurasi ip yang ditunjukkan oleh Gambar 3.34 terdiri dari beberapa bagian yaitu ip address dengan alamat 192.168.10.5. subnet mask 255.255.255.0, default gateway 192.168.10.12. Konfirmasi ip address dapat dilakukan dengan menekan tombol OK.
3.4.3 Penulisan Program A. Program Authentifikasi Berdasarikan alur diagram yang ditunjukkan pada Gambar 3.12 dibuat diagram blok implementasi program yaitu:
Gambar 3.35. Diagram Blok Implementasi Program Authentifikasi
57
Gambar 3.35 menunjukkan username dan password disimpan dalam variabel myusername dan mypassword pada halaman web main_login.php . Script program tersebut adalah sebagai berikut:
Selanjutnya program akan memverifikasi username dan password pada halaman checklogin.php. Verifikasi dimulai dengan membuka koneksi dengan database terlebih dahulu, yaitu dengan script: $host=”localhost”; $username=”root”; $password=”password”; $db_name=”login”; $tbl_name=”login_ids”; mysql_connect(“host”,”$username”,”$password”)or die(“cannot connect”); mysql_select_db(“&db_name”)or die(“cannot select DB”);
Setelah koneksi berhasil selanjutnya langkah yang dilakukan
adalah dengan
mendefinisikan username dan password ke dalam metode POST dengan script: $myusername=$_POST[‘myusername’]; $mypassword=$_POST[‘mypassword’];
Pengecekan username dan password dilakukan dengan script: $sql=”SELECT * FROM $tbl_name WHERE password=’$mypassword’”; $count=mysql_num_rows($result); if($count==1){ session_register(“myusername”); session_register(“mypassword”); header(“location:tampil_ids.php”); } else{ echo “Wrong Username or Password”; }
username=’$myusername’
and
Jika myusername dan mypassword sama dengan data username dan password pada tabel login_ids secara otomatis user akan diarahkan pada halaman web tampil_ids.php, sebaliknya jika salah akan ditampilkan pesan Wrong Username or Password.
58
B. Program Fuzzy Berdasarkan alur kerja sistem IDS yang ditunjukkan pada Gambar 3.1 dibuat blok diagram implementasi program seperti yang ditunjukkan pada Gambar 3.36.
Gambar 3.36. Diagram Blok Penulisan Program Dari Gambar 3.36 terdapat beberapa langkah sequensial penulisan program, adapun langkah-langkah tersebut adalah. 1. Langkah pertama yang dilakukan program adalah menghapus isi tabel fuzzy_ids, langkah ini dilakukan agar tidak terjadi duplicate entries pada saat
59
proses update kolom sid, cid, timestamp, ip_src dan ip_dst. Script program dari hapus tabel adalah.
Langkah selanjutnya mengkopikan kolom sid, cid, timestamp, ip_src dan
ip_dst dari tabel acid_event ke dalam tabel fuzzy_ids, script program tersebut adalah: $qry2= ”insert into fuzzy_ids (sid,cid,timestamp,ip_src,ip_dst) select sid,cid,timestamp,ip_src,ip_dst from acid_event”; $sql = mysql_query($qry2);
3. Update kolom frekuensi dengan script: $qry3= ”update fuzzy_ids as t left join (select sid,cid,timestamp,count(ip_src) as NumEvents from acid_event group by timestamp) as m on m.sid = t.sid and m.cid = t.cid and m.timestamp = t.timestamp set t.frekuensi = m.NumEvents where t.id is not null”; $sql = mysql_query($qry3);
5. Hitung alpha frekuensi dan alpha length dengan script: $qry5= ”update fuzzy_ids left join (select frekuensi, if(frekuensi >=0 and frekuensi <=6, 1, if(frekuensi >=6 and frekuensi <=8, (8 – frekuensi)/2,9)) as alpha_flow from fuzzy_ids ) as alpha using (frekuensi) set alphaflow = alpha_flow”; $sql = mysql_query($qry5); $qry8= ”update fuzzy_ids left join (select iplen, if(sum(iplen) >=190 and sum(iplen) <=220, 1, if(sum(iplen) >=200 and sum(iplen) <=220, (220 – sum(iplen))/20,9)) as alpha_llow from fuzzy_ids where ip_dst = 3232238091 group by timestamp ) as alpha using (iplen) set alphallow = alpha_llow”; $sql = mysql_query($qry8);
6. Update rule fuzzy dengan script: $qry11= ”update fuzzy_ids left join (select alphafhigh, alphalhigh, least (alphafhigh,alphalhigh) as rule_1 from fuzzy_ids) as nilairule1 using (alphafhigh,alphalhigh) set rule1 =rule_1”; $sql = mysql_query($qry11);
60
7. Update nilai defuzzyfikasi attack dengan script: $qry20= ”update fuzzy_ids left join (select rule1, rule2, rule3, rule4, rule5, rule6, rule7, rule8, rule9, (rule1*2400 + rule2*2400 + rule3*2400 +rule4*2400 + rule5*1760 +rule6*1760 +rule7*1760 + rule8*1760 + rule9*1200) / (rule1+rule2+rule3+rule4+rule5+rule6+rule7+rule8+rule9) as tempcount from fuzzy_ids) as totalcount using (rule1,rule2,rule3,rule4,rule5,rule6,rule7,rule8,rule9 set attack=tempcount "; $sql = mysql_query($qry20);
8. Update kategori attack dengan script: $qry21 = “ update fuzzy_ids set attack_kategori=if((attack) =0 , \"bukan serangan\",if ((attack) > 0 and (attack) <=1200,\"low\", if ((attack) >1200 and (attack) <2400,\"middle\",\"high\")))"; $sql = mysql_query($qry21);
