Perpustakaan Digital ITB

Kontrol akses berbasis atribut (ABAC) memerlukan penambangan kebijakan (policy mining) dari log akses karena penyusunan mahal dan rawan galat. Pada IoT, penam-bangan idealnya berjalan langsung pada perangkat edge bersumber daya terbatas sekaligus diperbarui secara berkala. Algoritma yang ada umumnya boros memori atau mengabaikan dependensi antar atribut. Penelitian ini merancang dan menguji CoDA-EDA (Compact Dependency-Aware Estimation of Distribution Algorithm) yang menyatukan pembaruan probabilistik tanpa populasi eksplisit, pemodelan dependensi orde satu melalui pohon Chow-Liu, dan pemisahan pembaruan struk-tur yang dipicu drift dari pembaruan parameter dan memiliki jejak memori O(D). Dengan paradigma Design Science Research, CoDA-EDA diuji terhadap enam base-line pada Raspberry Pi 5 atas lima dataset ABAC Lab dan validasi antar-generator Smart Building /oT menggunakan uji Friedman dan post-hoc Wilcoxon berkoreksi Holm-Bonferroni. Hasilnya, kualitas mengungguli keluarga compact univariat yang menguat pada dimensi tinggi, setara iBOA/BOA, namun tertinggal moderat dari ACO/UBK. Jejak memorinya datar dengan rasio 1,00 berbanding 6,2-9,2 kali pada algoritma berpopulasi eksplisit. Pemisahan pembaruan berhasil menghemat waktu saat data stabil, serta strategi warm-start 2,0-2,6 kali lebih cepat dengan kualitas non-inferior. Kontribusinya adalah pertukaran rancangan yang koheren bagi gateway edge-IoT.