LAMINTANGLAMINTANG

International Journal of Artificial IntelligenceInternational Journal of Artificial Intelligence

Studi ini mengusulkan pendekatan hybrid untuk mendeteksi anomali jaringan dengan mengintegrasikan model berbasis Transformer dengan teknik clustering. Metode ini dimulai dengan penerapan K-means clustering sebagai langkah pra-pemrosesan untuk mengelompokkan data lalu lintas jaringan yang serupa, sehingga mengurangi kompleksitas data dan menonjolkan pola yang signifikan. Data yang dikelompokkan kemudian dimasukkan ke dalam model Transformer, yang memanfaatkan mekanisme multi-head self-attention untuk menangkap ketergantungan temporal yang rumit dan hubungan kontekstual dalam data sekuensial. Pendekatan dua tahap ini meningkatkan kemampuan model untuk membedakan perilaku normal dan aneh dalam lalu lintas jaringan. Dilatih pada dataset keamanan jaringan, sistem ini secara efektif mengidentifikasi jenis serangan yang umum dan langka. Menurut hasilnya, klasifikasi ensembel yang diusulkan melebihi model pembelajaran dalam yang ada dengan akurasi lebih dari 99,5%, 98,5%, dan 99,9% pada dataset UNSW-NB15. Sinergi antara pengenalan pola tanpa pengawasan dari clustering dan kemampuan pembelajaran dalam Transformer memungkinkan solusi yang skalabel dan adaptif untuk aplikasi keamanan jaringan dunia nyata, menjadikannya cocok untuk deteksi dan mitigasi ancaman siber proaktif.

Studi ini menunjukkan efektivitas penggabungan teknik clustering dengan model berbasis Transformer untuk mendeteksi anomali, yang meningkatkan efisiensi dalam hal akurasi, presisi, dan recall.Dengan mengelompokkan titik data yang serupa sebelum menerapkan Transformer, model hybrid menunjukkan kemampuan yang lebih baik dalam mendeteksi anomali dalam dataset yang kompleks dan tidak seimbang.Hasilnya menunjukkan bahwa pendekatan ini meningkatkan ketahanan dan sensitivitas sistem pendeteksi anomali, menjadikannya sangat berharga untuk aplikasi kritis seperti keamanan siber dan pendeteksian penipuan.

Untuk penelitian lanjutan, disarankan untuk mengeksplorasi algoritma clustering yang lebih efisien dan teknik untuk meningkatkan deteksi real-time, seperti menggunakan model Transformer yang lebih ringan. Otomatisasi penyesuaian hiperparameter dan transfer learning dapat meningkatkan optimasi dan generalisasi model. Selain itu, perlu fokus pada perbaikan penanganan data yang tidak seimbang dan integrasi teknik penjelasan untuk membuat keputusan model lebih transparan. Memperluas kemampuan model untuk memproses data multimodal dapat membuatnya lebih adaptif untuk berbagai aplikasi dunia nyata.

  1. Network Anomaly Detection System using Transformer Neural Networks and Clustering Techniques | International... lamintang.org/journal/index.php/ijai/article/view/837Network Anomaly Detection System using Transformer Neural Networks and Clustering Techniques International lamintang journal index php ijai article view 837
Read online
File size1.24 MB
Pages16
DMCAReport

Related /

ads-block-test