Perpustakaan Digital ITB

Anomaly Detection merupakan ssalah satu teknik Intrusion detection system (IDS) dimana suatu data trafik jaringan akan dikatakan intrusi apabila mempunyai karakteristik yang berbeda dari kebanyakan data lainnya. Pada Anomaly Detection terdapat sebuah pendekatan yaitu Hidden Markov Model (HMM). HMM adalah rantai Markov dengan state tersembunyi. Suatu HMM dinotasikan dengan λ= (A, B, π), dimana A adalah matriks peluang transisi antara state, B matrik peluang pengamatan, dan π adalah distribusi inisial. Untuk mentukan apakah suatu data trafik merupakan intrusi atau tidak dapat dilihat dari nilai P(O|λ) dari masing – masing kelas data normal dan data intrusi. Kelas ditentukan berdasarkan nilai P(O|λ) yang terbesar. Pengujian dilakukan dengan beberapa skenario untuk mengetahui akurasi sistem dilihat dari nilai detection rate dan false positive rate. HMM dapat mendeteksi intrusi dengan tingkat akurasi yang cukup baik dilihat dari nilai detection rate sebesar 74(%). Untuk nilai false positive rate HMM menunjukkan akurasi sebesar 2,75(%).