IDS MENGGUNAKAN FUZZY SYSTEM DAN PAIRWISE LEARNING

IDS MENGGUNAKAN FUZZY SYSTEM DAN PAIRWISE LEARNING

STUDY OF LITERATURE

On the Combination of Genetic Fuzzy Systems and Pairwise Learning for Improving Detection Rates on Intrusion Detection Systems

• Pengarang : Salma Elhag, Alberto Fernández, Abdullah Bawakid, Saleh Alshomrani, Francisco Herrera
• Penerbit : Expert Systems with Applications Edisi 42 Tahun 2015 Halaman 193–202

Kebijakan kemanan yang diterapkan pada sistem dan jaringan informasi bertujuan untuk menjaga integritas, baik ketersediaan maupun kerahasiaan dari data yang diperuntukkan bagi pengguna. Bagaimanapun, beberapa “pengguna berbahaya” mampu menganalisa kelemahan yang terdapat pada sistem keamanan tersebut dengan tujuan untuk mendapatkan akses illegal, atau bahkan untuk merusak kualitas layanan sistem. Karena alas an tersebut, IDS (Intrusion Detection System) telah dirancang untuk mengamati sistem yang ada dan akan memberikan peringatan bila terjadi aktifitas mencurigakan didalam sistem.

IDS yang optimal berarti memiliki tingkat deteksi yang tinggi terhadap ancaman sistem, dan juga jarang memberikan peringatan palsu terjadinya ancaman. Bagaimanapun, serangan-serangan dalam dunia maya memiliki karaktersitik yang berbeda-beda, sehingga akan sulit melakukan identifikasi ancaman apabila menggunakan metode statistikal dasar. Menurut fakta-fakta ini, teknik Data Mining yang berbasis Computational Intelligence telah banyak digunakan untuk menghasilkan IDS yang kuat dan akurat.

Dalam paper ini, penulis mempertimbangkan untuk menggunakan Genetic Fuzzy System dalam Pairwise Learning Framework untuk mengembangkan IDS. Terdapat dua keuntungan yang dapat diambil dengan menggunakan metode ini, pertama adalah dengan menggunakan Fuzzy Sets khusunya label linguistic, memungkinkan kita untuk memperhalus batasan antara konsep-konsep yang dipakai, serta memungkinkan untuk membentuk sekumpulan aturan yang memiliki tingkat interpretasi yang tinggi. Kedua, skema pembelajaran Divide-and-Conquer dimana kita akan membedakan semua kemungkinan class yang memiliki tujuan, akan meningkatkan presisi untuk serangan yang jarang terjadi, karena dengan skema ini kita mendapatkan pemisahan yang lebih jelas antara “normal activity” dan beberapa jenis serangan dunia maya.