Memuat
Memuat
Ingin belajar lebih dalam?
Ikuti kursus kami atau tanyakan langsung lewat WhatsApp.
Dipilih dari software, topik, dan level “Kelas Deteksi Intrusi Jaringan IoT Hybrid ML #6: Evaluasi Deteksi, False Alarm, dan Dashboard Monitoring”.
Pilihan lain dari kami untuk Python.
Belajar bareng mentor
Kursus Keamanan Siber terjadwal, dibimbing langsung, bersertifikat.

Kursus Deteksi Intrusi Jaringan IoT dengan Hybrid Autoencoder + XGBoost

Kursus Cyber Security: Fondasi Keamanan Sistem & Jaringan

Kursus Ethical Hacking: Penetration Testing Aplikasi Web
Minta dibuatkan
Tidak sempat belajar Python? Tim kami bisa mengerjakan proyeknya.
Lihat semua Keamanan Siber →Kabari saya kalau ada kelas Python baru
Paling banyak satu email per minggu. Berhenti kapan saja dengan satu klik.
Narasi lengkap video ini. Kalimat yang sedang diucapkan disorot saat video diputar; klik kalimat untuk melompat ke sana.
Inilah hasil akhirnya, dashboard monitoring sistem deteksi intrusi kita. Trafik dialirkan per jendela 500 koneksi, alarm dan kategori serangan dipantau, layanan yang paling sering diserang terlihat, dan ringkasan kinerjanya tampil seperti di pusat operasi keamanan. Ayo kita mulai. Halo, selamat datang di episode terakhir seri deteksi intrusi jaringan IoT dengan Hybrid Machine Learning. Model yang akurat belum cukup, operator keamanan butuh informasi yang bisa ditindaklanjuti. Hari ini kita mengevaluasi sistem Hybrid secara rinci dan membangun dashboard monitoring seperti di Security Operations Center.
Buat file dashboard.py Kita muat XGBoost, AutoEncoder, dan ambang dari file konfigurasi Hybrid. Fungsi deteksi menjalankan pipeline Hybrid untuk satu jendela trafik, sehingga bisa dipakai untuk aliran data secara bertahap. Lalu kita evaluasi seluruh data uji. Jalankan Sistem Hybrid mendeteksi 86,7 persen serangan dengan false alarm 10,6 persen. Per kategori, The OS terdeteksi 97 persen, Probe 99,9 persen, U2R 92 persen, dan R2L 47 persen, kategori tersulit karena serangannya menyerupai login biasa. Ada 3.460 alarm anomali baru, dan 78,4 persen diantaranya benar serangan, bukti bahwa lapis AutoEncoder sangat berguna.
Lanjutkan dengan dashboard. Trafik uji diaca urutannya seperti aliran nyata, lalu dibagi per jendela 500 koneksi. Dashboard punya 4 panel, jumlah alarm per jendela, komposisi alarm per kategori, layanan yang paling sering diserang, dan ringkasan KPI. Mari lihat dashboard-nya. Grafik alarm memperlihatkan 240 sampai 290 alarm per jendela, lonjakan mendadak menjadi tanda serangan besar yang perlu ditindaklanjuti. Komposisi memperlihatkan The OS mendominasi, diikuti anomali baru berwarna ungu. Layanan private, telnet, dan eik TTP paling sering diserang, petunjuk konfigurasi mana yang perlu diperketat.
Selesai, dan selesai pula seri ini. Kita sudah membangun sistem deteksi intrusi secara lengkap, data set dan jenis serangan, praproses, seleksi fitur, random forest, XGBoost, autoencoder, sistem hybrid, sampai evaluasi dan dashboard monitoring. Untuk penelitian lanjutan, coba data set IoT modern seperti CIC IoT 2023, deteksi real-time dari tangkapan paket, federated learning antar perangkat, atau explainable AI untuk menjelaskan setiap alarm. Terima kasih sudah mengikuti seri ini. Sedang menyusun skripsi, tesis, atau riset di bidang keamanan jaringan dan machine learning? Cerdas inovasi digital membantu implementasi sistem deteksi intrusi, dari praproses trafik jaringan, seleksi fitur, random forest dan XGBoost, sampai autoencoder untuk serangan 0DI dan dashboard monitoring, serta membuka kursus pemrograman Python untuk teknik elektro dan informatika. Ingin menguasai seluruh seri ini? Dari detaset intrusi sampai sistem hybrid yang siap dipantau? Semua 6 episode, lengkap dengan PDF panduan langkah demi langkah, detaset, dan source code, tersedia untuk pelanggan tutorial premium. Berlangganan mulai Rp69.000 per bulan, hemat 28% dengan paket 12 bulan, atau sekali bayar Rp999.000 untuk akses seumur hidup. Mau satu kelas saja? Beli kelas satuan dengan akses selamanya. Langganan sekarang di halaman premium cerdasinovasidigital.com Hubungi WhatsApp kami, atau kunjungi cerdasinovasidigital.com Terima kasih telah menonton, sampai jumpa di episode berikutnya. Terima kasih telah menonton,
Ketik pertanyaan atau kata kunci; kami carikan bagian episode ini yang menjelaskannya dan lompatkan videonya ke sana.
Catatan disimpan bersama menit video saat ini dan hanya terlihat oleh Anda.
Bingung di salah satu langkah? Tanyakan di sini; pengajar dan peserta lain bisa menjawab.
Belum ada pertanyaan.

Tim Cerdas Inovasi Digital
Pengembang software, engineer BIM & 3D, dan praktisi AI
Sehari-hari kami mengerjakan software, model BIM, game, dan otomasi AI untuk klien, lalu menjadikan pengalaman praktik itu kelas langkah demi langkah: setiap langkah diperlihatkan di layar dan dilengkapi panduan PDF.
Lihat klien kami →