IAESONLINEIAESONLINE

Indonesian Journal of Electrical Engineering and Informatics (IJEEI)Indonesian Journal of Electrical Engineering and Informatics (IJEEI)

Cyber threats continue to grow in this era since the bad actors are attempting to exploit individuals, organisations, and systems. The latest development in artificial intelligence has unleashed strong agents at the fingertips of humanity. As open as it is, it has made more room for possible bad actors. Systems that can successfully counter these threat actors need to be created to rescue humanity. In this research work, RNN and Random Forest classifiers hybridised models are combined for the development of a Network Intrusion Detection System (NIDS) based on the benchmark dataset (CICIDS 2017). The requirement for an efficient and accurate method to detect network intrusions, both known and zero-day anomalies, is the primary problem considered. This research aims to enhance the accuracy and reliability of intrusion detection systems through a hybrid modelling approach. For evaluating the performance of the proposed model, various measures like accuracy, precision, recall, F1 measure, true positive rate, and true negative rate were employed. The hybrid model showed very good results with testing accuracy of 96.08%, precision of 96.0%, and recall of 96.0%, along with an F1 measure of 96.0%. The result of the experiment indicates that the model is effective and, when implemented, can detect and classify cyberattacks in modern environments.

The achievements of this research are significant.The hybrid model demonstrated an impressive accuracy of 96.08% during testing, showcasing its ability to classify most network traffic instances correctly.0%, the model effectively minimised false positives and false negatives, achieving a balance crucial for reducing unnecessary alerts and ensuring that actual threats are not overlooked.The F1 score also agrees with this opinion at 96.0%, indicating that the model effectively handled the tradeoff between precision and recall.In addition, the model had maintained low FPR and FNR—1.29%, respectively, meaning the system was reliable and trustworthy.The model also achieved high sensitivity and specificity with a TPR of 96.

Berdasarkan latar belakang, metode, hasil, keterbatasan, dan juga bagian saran penelitian lanjutan, berikut adalah beberapa saran penelitian lanjutan yang dapat dikembangkan:. . Pertama, penelitian selanjutnya dapat mengeksplorasi penggunaan teknik pembelajaran transfer (transfer learning) untuk meningkatkan kinerja model deteksi intrusi pada dataset yang lebih kecil atau dengan karakteristik yang berbeda. Hal ini dapat dilakukan dengan melatih model awal pada dataset yang besar dan kemudian menyesuaikannya dengan dataset yang lebih kecil, sehingga mengurangi kebutuhan data pelatihan dan meningkatkan kemampuan generalisasi model.. . Kedua, penelitian dapat difokuskan pada pengembangan model deteksi intrusi yang mampu beradaptasi secara dinamis terhadap perubahan pola serangan. Hal ini dapat dicapai dengan mengintegrasikan mekanisme pembelajaran berkelanjutan (continual learning) ke dalam model, sehingga model dapat terus belajar dan menyesuaikan diri dengan serangan baru tanpa melupakan pengetahuan sebelumnya.. . Ketiga, penelitian dapat menginvestigasi penggunaan teknik interpretasi model (model interpretability) untuk memahami bagaimana model membuat keputusan deteksi. Hal ini penting untuk meningkatkan kepercayaan pengguna terhadap model dan untuk mengidentifikasi potensi bias atau kelemahan dalam model. Dengan memahami alasan di balik keputusan model, kita dapat meningkatkan akurasi dan keandalan model secara keseluruhan.

  1. Development of a Malicious Network Traffic Intrusion Detection System Using Deep Learning | IIETA. development... iieta.org/journals/ijsse/paper/10.18280/ijsse.130401Development of a Malicious Network Traffic Intrusion Detection System Using Deep Learning IIETA development iieta journals ijsse paper 10 18280 ijsse 130401
  2. Development of a Web and Mobile Applications-Based Cassava Disease Classification Interface Using Convolutional... iieta.org/journals/mmep/paper/10.18280/mmep.100113Development of a Web and Mobile Applications Based Cassava Disease Classification Interface Using Convolutional iieta journals mmep paper 10 18280 mmep 100113
  3. Development of a Network Intrusion Detection Model using Hybridised Machine Learning Algorithms | Mary... doi.org/10.52549/ijeei.v13i3.5890Development of a Network Intrusion Detection Model using Hybridised Machine Learning Algorithms Mary doi 10 52549 ijeei v13i3 5890
Read online
File size580.69 KB
Pages11
DMCAReport

Related /

JURIS Model Prediktif Penyakit Tanaman Tomat Menggunakan Arsitektur EfficientNetB0 2026More at 2026

PLBPLB Dengan memanfaatkan metode di atas, model tersebut dapat meraih akurasi mencapai 89%, serta mendapatkan nilai makro rata-rata dan rata-rata yang berbobotDengan memanfaatkan metode di atas, model tersebut dapat meraih akurasi mencapai 89%, serta mendapatkan nilai makro rata-rata dan rata-rata yang berbobot

JURIS Assessment of Readability of Vietnamese Text 2026More at 2026

POLNAMPOLNAM Set fitur linguistik mencakup berbagai aspek, antara lain fitur morfologi, fitur bagian‑kata, fitur sintaksis, dan fitur wacana. Studi ini bertujuanSet fitur linguistik mencakup berbagai aspek, antara lain fitur morfologi, fitur bagian‑kata, fitur sintaksis, dan fitur wacana. Studi ini bertujuan

JURIS Automated identification of tomato leaf pathologies using deep learning via ResNet18 and a Tailored CNN Architecture 2026More at 2026

STTMCILEUNGSISTTMCILEUNGSI ResNet18 direkomendasikan untuk dataset terbatas karena kemampuannya dalam menangkap fitur kompleks secara efektif. Model CNN khusus lebih relevan untukResNet18 direkomendasikan untuk dataset terbatas karena kemampuannya dalam menangkap fitur kompleks secara efektif. Model CNN khusus lebih relevan untuk

JURIS Klasifikasi Terawasi Anomali Suara Kipas Industri Menggunakan Jaringan Saraf Tiruan dan Fitur Akustik Rekayasa 2025More at 2025

ITHBITHB 3–0. 7}) confirmed the robustness of the model, as seen in the test data results with the selected threshold value of τ = 0. 5, which achieved a precision3–0. 7}) confirmed the robustness of the model, as seen in the test data results with the selected threshold value of τ = 0. 5, which achieved a precision

JURIS A Hierarchical Multi Label Classification Approach for the Automated Interpretation of Spinal MRI Series 2025More at 2025

STTSSTTS Pipeline otomatis ini menawarkan solusi yang efektif dan efisien secara komputasi untuk mempercepat pemrosesan awal gambar medis, memastikan bahwa tugasPipeline otomatis ini menawarkan solusi yang efektif dan efisien secara komputasi untuk mempercepat pemrosesan awal gambar medis, memastikan bahwa tugas

JURIS Identifikasi Penyakit Padi Berdasarkan Citra Daun Menggunakan Arsitektur Convolutional Neural Network Kustom 2025More at 2025

HOSTJOURNALSHOSTJOURNALS Penelitian ini berhasil mengembangkan dan menguji model Convolutional Neural Network (CNN) kustom untuk mendeteksi enam jenis penyakit daun padi. ModelPenelitian ini berhasil mengembangkan dan menguji model Convolutional Neural Network (CNN) kustom untuk mendeteksi enam jenis penyakit daun padi. Model

JURIS Image Segmentation in Aerial Imagery A Review 2023More at 2023

UMBUMB Namun, Deep Learning telah memainkan peran penting dalam hal ini dengan mengatasi banyak kelemahannya. Algoritma canggih yang digunakan dalam Deep LearningNamun, Deep Learning telah memainkan peran penting dalam hal ini dengan mengatasi banyak kelemahannya. Algoritma canggih yang digunakan dalam Deep Learning

JURIS Classification Analysis of Back propagation Optimized CNN Performance in Image Processing 2023More at 2023

IAIIIAII Penelitian ini merekomendasikan solusi model untuk membantu peneliti atau penulis di masa depan dalam mengidentifikasi dan memantau spesies hewan secaraPenelitian ini merekomendasikan solusi model untuk membantu peneliti atau penulis di masa depan dalam mengidentifikasi dan memantau spesies hewan secara

Useful /

JURIS Enhancing Intrusion Detection Systems in Cloud Computing Environments A Hybrid Machine Learning Approach 2025More at 2025

IAESONLINEIAESONLINE 1% to 98. 0% and F1-score from 94. 2% to 97. 0% compared to LSTM-only approaches. While excelling at detecting common attack patterns such as Distributed1% to 98. 0% and F1-score from 94. 2% to 97. 0% compared to LSTM-only approaches. While excelling at detecting common attack patterns such as Distributed

JURIS Quantifying Drought Using Machine Learning Models with SPEI indices and Weather Data 2025More at 2025

IAESONLINEIAESONLINE Data meteorologis bulanan (temperatur, presipitasi, kelembapan, kecepatan angin, jumlah jam sinar matahari, tutupan awan, potensial evapotranspirasi, danData meteorologis bulanan (temperatur, presipitasi, kelembapan, kecepatan angin, jumlah jam sinar matahari, tutupan awan, potensial evapotranspirasi, dan

JURIS Prediction of On time Student Graduation with Deep Learning Method 2024More at 2024

ITBITB This research concludes that the deep learning method is the most optimal method for predicting student graduation. The best hyperparameter configurationThis research concludes that the deep learning method is the most optimal method for predicting student graduation. The best hyperparameter configuration

JURIS Pelayanan Sarana Pendidikan Tk Sd Dan SmP Berdasarkan Sebarannya Studi Kasus Kecamatan Bandung Wetan Dan Kecamatan Sumur Bandung 2020More at 2020

UNIKOMUNIKOM Kemacetan di Kota Bandung pada waktu pagi dan sore hari sangatlah tinggi, salah satunya kemacetan di area sarana pendidikan. Kecamatan Bandung Wetan danKemacetan di Kota Bandung pada waktu pagi dan sore hari sangatlah tinggi, salah satunya kemacetan di area sarana pendidikan. Kecamatan Bandung Wetan dan

ads-block-test