1
1. Pendahuluan
Keamanan jaringan merupakan hal yang penting untuk diperhatikan mengingat meningkatnya ancaman dan serangan yang dilakukan pada keamanan
jaringan. Ancaman keamanan jaringan dikategorikan ke beberapa jenis, kebocoran leakage, adalah jenis ancaman yang merupakan akses ilegal terhadap
informasi yang ada di jaringan, pengubahan tampering, merupakan jenis ancaman yang berarti mengubah informasi tanpa ijin dari menyedia informasi,
pengerusakan vandalism, adalah jenis ancaman yang merusak kondisi normal suatu jaringan, sehingga mengakibatkan malfunction.
Penanganan berbagai teknik serangan dapat dilakukan dengan beberapa teknik seperti menggunakan firewall atau menggunakan Intrusion Detection
System IDS. IDS merupakan sebuah sistem yang melakukan pengawasan terhadap traffic jaringan dan pengawasan terhadap kegiatan-kegiatan yang
mencurigakan yang berhubungan dengan traffic jaringan dan memberikan peringatan kepada sistem atau administrator jaringan apabila terdapat kegiatan-
kegiatan yang mencurigakan. Masalah muncul ketika banyaknya serangan yang masuk dan IDS tidak dapat menanganinya, masalah tersebut
mengakibatkan data overload dan untuk menanganinya yaitu dengan mengumpulkan semua informasi dalam logfile yang berjumlah besar dan
menganalisis data tersebut. IDS sulit untuk menganalisis data dikarenakan jumlah data yang dianalisis sangat besar, yang terdiri dari alarm dan false
alarm, dalam hal ini untuk mendeteksi false alarm dapat menggunakan metode data mining dan menggunakan decision tree, tetapi untuk mendeteksi false alarm
menggunakan metode tersebut masih kurang maksimal, dikarenakan metode tersebut hanya mendeteksi false alarm sebesar 10 [1].
Penelitian ini mengunakan algoritma Adaptive Agent-Based Profiling sebagai metode untuk mengukur dan mereduksi false alarm. Berdasarkan uraian
tersebut maka diperlukan percobaan untuk mengetahui bagaimana cara kerja algoritma Adaptive Agent-Based Profiling dan tujuan dari penelitian ini adalah
untuk mengukur dan mengurangi false alarm dengan menggunakan algoritma Adaptive Agent-Based Profiling dan batasan masalah dari penelitian ini adalah
menggunakan teknologi NIDS Network Intrusion Detection System yang berfungsi sebagai sistem untuk mendeteksi dan memberi laporan gangguan pada
jaringan, data yang dihitung adalah data serangan yang terdapat pada IDS, menggunakan metode Adaptive Agent-Based Profiling untuk mengukur dan
mereduksi false alarm pada IDS
Dari pemaparan di atas, maka dalam penelitian ini memilih judul “Deteksi
False Alarm pada Network Intrusion Detection System NIDS menggunakan Algoritma Adaptive Agent-Based Profiling
”.
2. Tinjauan Pustaka
Penelitian yang berjudul Data Mining Framewoks for Intrusion Detection [1], merupakan penelitian yang menjelaskan tentang penggunaan Data Mining
sebagai metode untuk Intrusion Detection untuk mengumpulkan dan menganalisa data serangan,
perbedaan penelitian ini dengan penelitian yang sedang dilakukan
2
adalah hanya sebagai acuan dalam pengambilan data serangan yang ada pada BASE IDS untuk mengukur false alarm serangan.
Penelitian yang berjudul False Alarm Reduction Using Adaptive Agent- Based Profiling [2], merupakan penelitian yang menjelaskan mengenai metode
untuk menghitung false alarm pada data serangan IDS. Dalam penelitian tersebut menjelaskan teknik-teknik untuk mengukur false alarm pada IDS. Penelitian ini
menggunakan KDD 1999 sebagai data untuk mengukur tingkat probabilitas false alarm dan hanya terfokus pada serangan DoS type, Smurf Attack Detection.
Perbedaan penelitian ini dengan penelitian yang sedang dilakukan adalah sebagai acuan untuk mereduksi false alarm, dan di dalam penelitian ini untuk
mendapatkan data serangan adalah dengan cara membagun sistem IDS dan tidak menggunakan KDD CUP 1999 serta menggunakan empat kategori serangan yang
berbeda yang diambil pada BASE IDS. Adapun ke-empat jenis serangan tersebut yaitu Web Attack, DoS, Shelcode dan Trojan.
Penelitian yang berjudul Identifying false alarm for Network Intrusion Detection System Using Hybrid Data Mining and Decision Tree [3], merupakan
penelitian yang menjelaskan mengenai metode untuk mengukur false alarm rate dengan menggunakan metode Hybrid Data Mining and Decision Tree . Data yang
digunakan dalam penelitian adalah KDD 1999. Tahap awal dilakukan pengelompokan data berdasarkan jenis-jenis serangan yang ada, selanjutnya data
yang sudah dikelompokkan tersebut diidentifikasi menggunakan decision tree untuk menentukan normal behaviour dan abnormal behaviour dari serangan-
serangan yang ada. Adapun yang menjadi perbedaan penelitian ini dengan penelitian yang sedang dilakukan adalah penelitian ini menggunakan algoritma
Adaptive Agent-Based Profiling yang digunakan sebagai metode untuk menentukan false alarm pada IDS.
3. Metode Penelitian
Kategori