Javascript must be enabled to continue!
IMPLEMENTASI METODE NAIVE BAYES UNTUK INTRUSION DETECTION SYSTEM (IDS)
View through CrossRef
IDS berfungsi untuk mengidentifikasi traffic atau lalu-lintas data pada sebuah jaringan komputer dimana IDS dapat menentukan apakah traffic aman, mencurigakan atau bahkan terindikasi merupakan serangan. Permasalahan muncul ketika ada aktifitas-aktifitas yang mencurigakan atau bahkan aktifitas tersebut merupakan serangan namun tidak terdaftar pada rule atau aturan yang diinputkan sehingga hal itu sangat membahayakan sebuah jaringan komputer. Tujuan dari penellitian ini adalah membangun sistem deteksi pola serangan baru menggunakan metode naive bayes untuk mengatasi serangan-serangan baru yang muncul, dan yang belum terdaftar pada signature serta untuk meningkatkan akurasi pendeteksian serangan-serangan baru pada Intruison Detection System (IDS). Data yang digunakan pada penelitian ini adalah data NSL-KDD, NSL-KDD telah menyediakan data training dan data testing untuk proses penelitian klasifikasi serangan. Dari data NSL-KDD akan dilakukan klasifikasi serangan menggunakan metode naive bayes agar serangan-serangan baru dapat terklasifikasi. Penelitian yang menggunakan metode naive bayes ini telah berhasil melakukan klasifikasi serangan-serangan baru dengan akurasi kebenaran adalah sebesar 81-84,67 %.
Politeknik Negeri Malang
Title: IMPLEMENTASI METODE NAIVE BAYES UNTUK INTRUSION DETECTION SYSTEM (IDS)
Description:
IDS berfungsi untuk mengidentifikasi traffic atau lalu-lintas data pada sebuah jaringan komputer dimana IDS dapat menentukan apakah traffic aman, mencurigakan atau bahkan terindikasi merupakan serangan.
Permasalahan muncul ketika ada aktifitas-aktifitas yang mencurigakan atau bahkan aktifitas tersebut merupakan serangan namun tidak terdaftar pada rule atau aturan yang diinputkan sehingga hal itu sangat membahayakan sebuah jaringan komputer.
Tujuan dari penellitian ini adalah membangun sistem deteksi pola serangan baru menggunakan metode naive bayes untuk mengatasi serangan-serangan baru yang muncul, dan yang belum terdaftar pada signature serta untuk meningkatkan akurasi pendeteksian serangan-serangan baru pada Intruison Detection System (IDS).
Data yang digunakan pada penelitian ini adalah data NSL-KDD, NSL-KDD telah menyediakan data training dan data testing untuk proses penelitian klasifikasi serangan.
Dari data NSL-KDD akan dilakukan klasifikasi serangan menggunakan metode naive bayes agar serangan-serangan baru dapat terklasifikasi.
Penelitian yang menggunakan metode naive bayes ini telah berhasil melakukan klasifikasi serangan-serangan baru dengan akurasi kebenaran adalah sebesar 81-84,67 %.
Related Results
PENERAPAN METODE NAIVE BAYES UNTUK MEMPREDIKSI PENYAKIT JANTUNG
PENERAPAN METODE NAIVE BAYES UNTUK MEMPREDIKSI PENYAKIT JANTUNG
The heart is one of the human organs that has an important function to circulate blood throughout the body. In caring for the human heart, one must know how to take care of the hea...
Implementasi Data Mining Untuk Penjualan Mobil Menggunakan Metode Naive Bayes
Implementasi Data Mining Untuk Penjualan Mobil Menggunakan Metode Naive Bayes
Abstrak- Mobil adalah salah satu kendaraan yang paling sering dijumpai dengan berbagai type dan merek. Mobil memiliki spesifikasi yang beraneka ragam. Metode Naive Bayes adalah sa...
Mobile Agent (MA) Based Intrusion Detection Systems (IDS): A Systematic Review
Mobile Agent (MA) Based Intrusion Detection Systems (IDS): A Systematic Review
An Intrusion Detection System (IDS) identifies the attacks by analysing the events, considered undesirable from a security perspective, in systems and networks. It is necessary for...
Perfomance analysis of Naive Bayes method with data weighting
Perfomance analysis of Naive Bayes method with data weighting
Classification using naive bayes algorithm for air quality dataset has an accuracy rate of 39.97%. This result is considered not good and by using all existing data attributes. By ...
Peningkatan Kinerja Metode Naive Bayes Dengan Particle Swarm Object Untuk Dataset Pemilihan Metode Melahirkan
Peningkatan Kinerja Metode Naive Bayes Dengan Particle Swarm Object Untuk Dataset Pemilihan Metode Melahirkan
Melahirkan merupakan fase terakhir yang harus dilalui seorang ibu untuk bertemu dengan bayi yang dikandungnya selama kurang lebih 38 minggu. Pemilihan proses persalinan yang tepat ...
Detection of Malicious Flows in the Software-Defined Networks by Using Statistical Flow Analysis-Based Intrusion Detection System
Detection of Malicious Flows in the Software-Defined Networks by Using Statistical Flow Analysis-Based Intrusion Detection System
Abstract
Specifically, in the past few years, internet traffic has grown rapidly, evolving modern network technologies with hybrid telecommunication systems and conventiona...
Klasifikas Sampah Menggunakan Metode Naive Bayes
Klasifikas Sampah Menggunakan Metode Naive Bayes
Pengelolaan sampah merupakan permasalahan serius yang dihadapi di Indonesia akibat tingginya laju produksi sampah dari konsumsi masyarakat, perkembangan industri, serta rendahnya s...
Security supervision of mobile ad hoc networks : a lightweight, robust and reliable Intrusion detection system
Security supervision of mobile ad hoc networks : a lightweight, robust and reliable Intrusion detection system
Supervision de la sécurité pour des réseaux ad hoc mobiles : un système léger, robuste, et fiable de détection d'intrusion
Les réseaux mobiles ad hoc, appelé généra...

