ARSITEKTUR SISTEM CERDAS PENDETEKSI INTRUSI LDoS
Harga : Rp 285.000;
Cetakan 1, November 2026
17,6 x 25 cm, xiv + 167 Halaman
ISBN: …………………….
Penulis :
Anteng Widodo, S.T., M.kom
Prof. Dr. Adian Fatchur Rochim, S.T., M.T.
Dr. Budi Warsito, M.Si
Editor :
…
Desain Cover :
Riski Prahmana Putra
Buku ini membahas tentang :
Buku ini berisi pembahasan mengenai arsitektur sistem cerdas pendeteksi intrusi Low-Rate Denial of Service (LDoS) sebagai salah satu pendekatan dalam menghadapi ancaman keamanan jaringan yang semakin kompleks. Pembahasan mencakup konsep keamanan jaringan, karakteristik dan dampak serangan LDoS, pendekatan deteksi intrusi, serta pemanfaatan pembelajaran mesin untuk meningkatkan akurasi deteksi dan mengurangi tingkat kesalahan identifikasi. Buku ini juga menguraikan berbagai teknik pengolahan fitur trafik jaringan, pengurangan dimensi, pemilihan fitur hibrida, penerapan algoritma Categorical Boosting, Recursive Feature Elimination, Jellyfish Search Optimizer, serta teori dualitas sebagai bagian dari proses optimasi model. Selain itu, dibahas integrasi algoritma Multilayer Perceptron dan Random Forest dalam membangun arsitektur sistem pendeteksi intrusi yang terintegrasi, mulai dari penyiapan dataset, penyusunan skenario pengujian, hingga evaluasi kinerja dan perbandingan hasil model. Melalui pembahasan tersebut, buku ini diharapkan dapat menjadi referensi bagi mahasiswa, akademisi, peneliti, praktisi teknologi informasi, dan pemerhati keamanan siber dalam memahami serta mengembangkan sistem deteksi intrusi berbasis kecerdasan buatan yang adaptif, akurat, dan mampu mendukung peningkatan keamanan infrastruktur jaringan.
Berikut bab yang akan dibahas pada buku ini :
Bab 1: Pengantar Keamanan Jaringan dan Ancaman Siber
Bab 2: Konsep Dasar Low-Rate Denial of Service (LDoS)
Bab 3: Dampak Serangan Berintensitas Rendah pada Infrastruktur
Bab 4: Tinjauan Pendekatan Deteksi Intrusi
Bab 5: Tantangan Peningkatan Akurasi dan Penurunan False Positive Rate
Bab 6: Prinsip Pembelajaran Mesin dalam Keamanan Jaringan
Bab 7: Ekstraksi dan Pemrosesan Fitur Trafik Jaringan
Bab 8: Pengurangan Dimensi dan Pemilihan Fitur Hibrida
Bab 9: Categorical Boosting dan Recursive Feature Elimination
Bab 10: Algoritma Metaheuristik Jellyfish Search Optimizer
Bab 11: Penerapan Teori Dualitas sebagai Pengendali Optimasi
Bab 12: Penggabungan Multilayer Perceptron dan Random Forest
Bab 13: Arsitektur Sistem Pendeteksi Terintegrasi
Bab 14: Penyiapan Dataset dan Skenario Pengujian
Bab 15: Penjabaran Kinerja Model dan Perbandingan Hasil
Bab 16: Implikasi Terapan dan Pengembangan Sistem