Analisis Web Traffic untuk Keamanan Informasi dan Domain Pengunjung di UIN Jakarta

##plugins.themes.academic_pro.article.main##

Andrew Fiade

Abstract

Tantangan big data meliputi proses perolehan, penyimpanan, penelusuran, pembagian, pemindahan, analisis, dan pemvisualan data. Web based menjadi salah satu contoh dari penerapan big data. Saat ini user dari seluruh dunia mengakses web. Banyak informasi yang dapat diambil dalam penggunaan web seperti halaman apa saja yang sering diakses user, waktu akses user yang paling sering, dan kata kunci yang sering digunakan dalam pencarian web untuk mendapatkan domain web yang dituju. Untuk sisi keamanan informasi, dapat diketahui bagaimana cara sebuah halaman web telah di-deface atau telah disisipkan file tertentu oleh user dari luar sehingga user luar dapat mengambil informasi yang sensitif serta apakah web tersebut pernah digunakan untuk mengakses sql injection. Dalam penelitian ini dianalisa domain uinjkt.ac.id yang memiliki sekitar 72 sub domain dan perlu untuk dimonitoring.Metode yang digunakan adalah Rapid Application Development.Dari hasil pengujian didapatkan bahwa subdomain sudah dapat dimonitor dan terdapat beberapa user luar mencoba akses hack ke situs UIN. Kedepannya penelitian ini dapat ditingkatkan untuk alert 

##plugins.themes.academic_pro.article.details##

Author Biography

Andrew Fiade, Universitas Islam Negeri Jakarta

Program Studi Teknik Informatika
How to Cite
Fiade, A. (2016). Analisis Web Traffic untuk Keamanan Informasi dan Domain Pengunjung di UIN Jakarta. MULTINETICS, 2(1), 1–7. https://doi.org/10.32722/multinetics.v2i1.1050

References

  1. Badrish Chandramouli, Jonathan Goldstein, Songyun Duan,Temporal Analytics on Big Data for Web Advertising, 2012 IEEE 28th International Conference on Data Engineering
  2. R. Barga et al. Consistent streaming through time: A vision for event stream processing. In CIDR, 2007.
  3. Manish Godse,Rajendra Sonar,Shrikant Mulik,Web Service Selection based on Analytical Network Process Approach,2011 IEEE Asia-Pasific Servicees Computing Conference,978-0-7695-3473-2/08 $25.00 © 2008 IEEE
  4. M. Balazinska et al. Fault-tolerance in the borealis distributed stream processing system. In SIGMOD, 2005.
  5. B. Chandramouli et al. Temporal analytics on big data for web advertising. Technical report, Microsoft Research (MSR-TR-2011-87). http://research.microsoft.com/apps/pubs/?id=150002.
  6. Shhwu min Horg, Analysis of Users’ Behavior on Web 2.0 Social Network Sites: An Empirical Study, 2010 Seventh International Conference on Information Technology
  7. Kristin Glass, Richard Colbaugh, Web Analyticis for Security Information, 2011 European Intelligence and Security Informatics Conference,978-0-7695-4406-9/11 $26.00 © 2011 IEEE, 978-0-7695-3984-3/10 $26.00 © 2010 IEEE
  8. R. Chaiken et al. SCOPE: easy and efficient parallel processing of massive data sets. PVLDB, 1(2), 2008.
  9. Y. Chen, D. Pavlov, and J. Canny. Large-scale behavioral targeting. In KDD, 2009.T. Condie et al. Mapreduce online. In NSDI, 2010.10] A. Das et al. Google news personalization: Scalable online collaborative