Distributed Denial of Service (DDOS) adalah salah satu ancaman paling signifikan di antara berbagai
ancaman yang dapat menyerang jaringan komputer yang semakin rentan. Metode deteksi tradisional
sering kali gagal mengelola kompleksitas serangan modern secara efektif karena metode ini biasanya
mengandalkan pemantauan volume lalu lintas dan mengidentifikasi lonjakan sebagai serangan.
Pendekatan ini menyebabkan ketidakefektifan, ketidakakuratan, dan kurangnya skalabilitas. Untuk
mengatasi tantangan ini, penelitian ini bertujuan untuk mengembangkan pendekatan yang lebih maju dan
inovatif untuk mendeteksi dan mengklasifikasikan serangan DDOS. Kami menggunakan Multitask
Learning (MTL) yang dikombinasikan dengan Deep Learning (DL) menggunakan tiga model DL: Multi-
Layer Perceptron (MLP), Long Short-Term Memory (LSTM), dan Convolutional Neural Networks (CNN).
Dengan menggunakan dataset NF-CSE-CIC-IDS2018-V2 dan NF-BoT-IoT-V2, metodologi kami mencakup
data pr