Analisis MIPS Grup
Bekerja Berdasarkan Penjadwalan Algoritma dengan Algoritma lainnya di Grid
Computing
Pendahuluan
Komputasi grid mengacu pada
kerja sama beberapa prosesor dan tujuannya adalah untuk menggunakan kekuatan
komputasi di daerah-daerah yang membutuhkan kapasitas tinggi CPU. Grid ini
berkaitan dengan pertukaran daya komputer , penyimpanan data , dan akses ke databes
tanpa pengguna yang mencari sumber daya tersebut secara manual. Penjadwalan
grid adalah proses pekerjaan penjadwalan di atas grid sumber daya. Sebuah
scheduler grid di-charge penemuan sumber daya, penjadwalan jaringan, dan
pekerjaan manajemen pelaksanaan selama beberapa domain administrasi. Dalam
sistem grid, sumber daya tidak di bawah pusat mengontrol dan dapat masuk dan
meninggalkan lingkungan grid setiap saat. Dalam lingkungan grid, terdapat lebih
dari satu sumber daya untuk memproses pekerjaan. Salah satu tantangan adalah
untuk menemukan sumber daya terbaik atau optimal untuk memproses pekerjaan
tertentu dalam hal meminimalkan waktu komputasi pekerjaan. Dalam lingkungan
komputasi grid, scheduler bertanggung jawab untuk memilih mesin yang cocok atau
sumber daya komputasi untuk pekerjaan pengolahan untuk mencapai sistem yang
tinggi.
Hubungan kerja
Sebuah
metode optimasi penjadwalan harus
mempertimbangkan menyusul dua aspek . yaitu karakteristik aplikasi dan
karakteristik sumber daya.
Sebuah
pekerjaan yang dinamis berbasis pengelompokkan kelompok algorotma penjadwalan
pekerjaan sesuai dengan MIPS dari sumber daya yang tersedia. Sebuah strategi
penjadwalan pengelompokkan berbasis Job Bandwidth-Aware jadwal pekerjaan sesuai
dengan MIPS dan Bandwidth dari memilih sumber daya, dan mengirimkan kelompok
kerja dengan sumber daya. Bandwidth jaringan memiliki komunikasi tertinggi atau
transmisi tingkat. Kerangka penjadwalan untuk strategi Bandwidth-aware jadwal
pekerjaan di sistem jaringan dengan mengambil dari komputasi mereka dan
kemampuan komunikasi dari sumber daya yang menjadi pertimbangan. Atas analisis
sebagai pengelompokkan penjadwalan pekerjaan berbasis strategi menyajikan
beberapa keuntungan dan kerugian. Namun ada beberapa cacat algoritma penjadwalan.
Pertama, algoritma tidak mengambil karakteristik sumber daya yang dinamis ke
rekening. Kedua, strategi pengelompokkan tidak dapat memanfaatkan sumber daya
yang cukup.
Job Penjadwalan Mekanisme
Scheduler pekerjaan adalah
layanan yang berada di mesin pengguna. Karena itu, ketika pengguna membuat
daftar pekerjaan di mesin pengguna, pekerjaan ini dikirim ke scheduler
pekerjaan untuk penjadwalan
pengaturan. Scheduler pekerjaan
memperoleh informasi tentang sumber daya yang tersedia dari grid informasi service.
Strategi pengelompokkan harus di dasarkan pada karakteristik sumber daya. Dalam
komputasi grid, ada dua pendekatan untuk memperoleh karakteristik sumber daya
dinamis untuk eksekusi pekerjaan. Pertama adalah bahwa pengguna langsung
mencari sunber daya untuk eksekusi pekerjaan menggunakan layanan informasi.
Kedua adalah dengan menggunakan sumber daya manager. Strategi pengelompokkan
dilakukan berdasarkan status sumber daya yang menurut kemampuan pemrosesan
{dalam MIPS}, bandwidth {dalam MHz / s}, dan ukuran memori {dalam MB} dari
sumber daya yang tersedia.
Evaluasi Percobaan
GridSim telah digunakan untuk
menciptakan simulasi grid lingkungan komputasi. Dalam simulasi ini, setiap
sumber daya adalah ditandai dengan MIPS-nya, bandwidth dan ukuran memori. Dalam
penelitian ini, pekerjaan dan sumber daya secara acak dihasilkan dan jumlah
pekerjaan bervariasi 100-500. . Jobs dalam berbagai kelompok diberikan waktu
yang berbeda eksekusi. Deviasi menunjukkan bahwa memakan waktu relatif lebih
rendah dibandingkan dengan FCFS karena strategi pengelompokkan diterapkan
diatasnya. Kerugian dengan algoritma itu belim diurus parometer lain seperti
bandwidth dll. Algoritma memakan waktu pemrosesan yang lebih kecil dibandingkan
dengan semua algoritma lain yang menyumbang karena fakta-fakta berikut.
Pertama, MIPS pekerjaan jauh lebih rendah dari pada MIPS sumber daya. Kedua,
MIPS pekerjaan setara dengan MIPS sumber daya. Dan ketiga, MIPS pekerjaan lebih
besar dari MIPS sumber daya.
Kesimpulan
Dalam rangka memanfaatkan
sumber daya jaringan secara efisien, denda adaptif algoritma penjadwalan
pekerjaan grained diusulkan. Penjadwalan model grid computing adalah pekerjaan
berbasis pengelompokkan strategi penjadwalan yang telah diambil kendala memori
individu pekerjaan bersama dengan diharapkan waktu eksekusi pada tingkat
pekerjaan ke akun , bukan di tingkat kelompok. Meskipun algoritma yang di
usulkan dapat mengurangi waktu eksekusi, kompleksitas waktu tinggi dan beberapa
perbaikan harus dilakukan dalam aspek ini. Keuntungan algoritma ini
dibandingkan dengan orang lain adalah mengurangi total waktu pekerjaan
pengolahan. Memaksimalkan pemanfaatan sumber daya. Meminimalkan pemborosan daya
CPU. Mengelompokkan pekerjaan halus kedalam pengelompokkan berbutir kasar akan
mengurangi latency jaringan.
REFERENCES
[1] Foster,
I., Kesselman, C.: The Grid: Blueprint for a New
Computing
Infrastructure.Morgan
Kaufmann
(1998)
[2] R.Buyya
and M.Murshed, “Gridsim: a toolkit for the modeling
and
simulation of
distributed
resource management and
schedul
ing for grid
computing,” Concurrency and Computation:
Practice and
Experience, vol. 14,
2002,
pp. 1175
–
1220.
[3] N.
Muthuvelu, Junyan Liu, N.L.Soe, S.venugopal, A.Sulistio,
and R.Buyya
“A dynamic job grouping
-
based
scheduling for
deploying
applications with
fine
-
grained
tasks on global grids,” in
Proc of
Australasian workshop on grid
computing,
vol. 4,
2005,
pp.
41
–
48.
[4] Ng Wai
Keat, Ang Tan Fong, "Scheduling Framework For
Bandwidth
-
Aware Job
Grouping
-
Based
Scheduling In Grid
Computing",
Malaysian Journal o
f Computer
Science, vol.19, No.
2,
2006,
pp. 117
-
126
.
[5] T.F.
Ang, W.K. Ng, "A Bandwidth
-
Aware Job
Scheduling
Based
Scheduling on Grid Computing", Asian Network for
Scientific
Information, vol. 8, No. 3, pp. 372
-
277, 2009.
[6] V.
Korkhov, T. Moscicki, and V.Krzhizhanovskaya, “Dynamic
workload
balancing of parallel applications with user
-
level
scheduling
on the grid,” Future Generation Computer Systems,
vol.25,
January 2009,
pp.28
-
34,
[7] F. Dong
and S. G. Akl, “Scheduling algorithm for grid
computing:
sta
te of the
art and open problems,” Technical Report
of the Open
Issues in Grid Scheduling Workshop, School of
Computing,
University Kingston, Ontario, January 2006.
[8
] Quan Liu,
Yeqing Liao, "Grouping
-
based Fine
-
grained Job
Scheduling
in Grid Computing",
IEEE First
International
Workshop on
Educational technology And Computer
Science,vol.1,
2009,
pp. 556
-
559.
[9] Dr. G.
Sudha Sadasivam, “An Efficient Approach to Task
Scheduling
in Computational Grids”, International Journal of
Computer
Science and Applica
tion, vol.
6, No. 1, 2009, pp. 53
-
69.
[10]
K.Somasundaram, S.Radhakrishnan, “Node Allocation In
Grid
Computing
Using Optimal Resource Constraint (ORC)
Scheduling”,IJCSNS
International Journal of Computer Science
and Network
Security,
vol.8 No.6, June 2008.
[11]
C. Liu, and
S. Baskiyar, “A general distributed scalable grid
scheduler
for independent tasks,”
J. Parallel
and Distributed
Computing,
vol. 69, no.
3,
2009 , pp.
307
-
314
.
[12]
Nikolaos D. Doulamis, Emmanouel A. Varvarigos ,” Fair
Scheduling
Algorit
hms in
Grids” IEEE TRANSACTIONS ON
PARALLEL AND
DISTRIBUTED SYSTEMS, VOL. 18, NO. 11,
NOVEMBER
2007,pp. 1630
-
1648.
[13] Y. C.
Liang and A. E. Smith, “An ant colony optimization
algorithm
for the redundancy allocation problem (RAP),”
IEEE
Trans.
Reliability
,vol. 53,
no. 3,2004, pp. 417
–
423.
[14]
Vishnu Kant
Soni, Raksha Sharma, Manoj Kumar Mishra ,”
An Analysis
of Various Job Scheduling Strategies in Grid
Computing
“ ,
2nd
International Conference on Signal Processing
Systems
(ICSPS),2
010 ,
pp.162
-
166.
Penjadwalan Job
Pengelompokan Berbasis di Cloud computing
menggunakan Ant Colony
Kerangka
PENDAHULUAN
Tujuan dari pengelolaan sumber daya di awan adalah bahwa
sumber daya harus tersedia dan memenuhi kinerja
kriteria terhadap permintaan . Sebuah berbasis cloud
computing
sumber daya diperkirakan untuk mengeksekusi atau berada di
suatu tempat
di "awan " , yang mungkin menjadi internal
perusahaan
jaringan atau internet publik . Dari perspektif
dari pengembang aplikasi atau informasi
teknologi administrator , komputasi awan memungkinkan
pengembangan dan penyebaran aplikasi yang
menunjukkan skalabilitas , kinerja dan kehandalan , semua
tanpa memperhatikan sifat atau lokasi
infrastruktur dasar [ 1 ] .
HUBUNGAN KERJA
Dinamis Job Penjadwalan Pengelompokan Berbasis di Grid
Komputasi mencakup pekerjaan yang dinamis berbasis
pengelompokan
algoritma penjadwalan bahwa kelompok-kelompok pekerjaan
sesuai
MIPS ke sumber daya [ 3 ] . Ini memilih sumber daya
pertama datang pertama melayani pesanan dan mengalikan
Ukuran granularity untuk meningkatkan sumber daya komputasi
waktu . Keuntungan utama dari jenis penjadwalan
adalah, mengurangi waktu pemrosesan total dan
memaksimalkan pemanfaatan sumber daya . Dinamis kendala
karakteristik sumber daya seperti bandwidth dan ukuran memori tidak
diperhitungkan saat penjadwalan pekerjaan .
A Job Bandwidth -Aware Pengelompokan Berbasis
penjadwalan jadwal strategi pekerjaan dengan MIPS
dan bandwidth sumber daya [ 5 ] . prinsip
balik penjadwalan bandwidth sadar adalah
prioritas penjadwalan dengan mempertimbangkan tidak
hanya kemampuan komputasi mereka tetapi juga
kemampuan komunikasi sumber daya
A Time - Meminimalkan Dinamis Pengelompokan Berbasis Job
Penjadwalan di Grid Computing hadiah dan
mengevaluasi perpanjangan strategi pekerjaan yang dinamis
groupingbased pekerjaan pengelompokan penjadwalan yang
memaksimalkan pemanfaatan sumber daya Grid
kemampuan pengolahan , dan mengurangi waktu proses
dan komunikasi waktu dan melaksanakan pekerjaan pada
Grid [ 7 ] .
Cloud Computing Initiative menggunakan Ant Modifikasi
Colony Kerangka mengusulkan algoritma heuristik
berdasarkan dimodifikasi optimasi koloni semut telah
diusulkan untuk memulai distribusi beban layanan
bawah arsitektur komputasi awan [ 9 ] .
Penjadwalan efisien pekerjaan independen dalam
lingkungan komputasi heterogen adalah
Masalah penting dalam domain seperti kotak
komputasi
SISTEM YANG DIUSULKAN
ARSITEKTUR
Tujuan utama dari alokasi sumber daya kita
untuk mengalokasikan sumber daya untuk aplikasi berorientasi
pekerjaan .
Strategi alokasi sumber daya digunakan untuk
memenuhi permintaan layanan pengguna , kita menggunakan
mengikuti arsitektur .
Pengguna / Broker : Pengguna atau broker bertindak atas
mereka
nama mengirimkan permintaan layanan dari mana saja di
dunia ke awan melalui kontroler awan untuk
pengolahan . Cloud Pengendali : The Cloud Controller
bertanggung jawab untuk mengekspos dan mengelola
mendasari sumber daya virtual ( mesin ( server ) ,
jaringan, dan storage ) melalui dihadapi pengguna API .
Mesin Virtual ( VMS ) : Sebuah mesin virtual ( VM ) adalah
implementasi perangkat lunak komputasi suatu
lingkungan di mana sistem operasi atau
Program dapat diinstal dan dijalankan
Mesin Fisik : Ini adalah fisik server komputasi yang akan
menyediakan hardware
infrastruktur untuk membuat mesin virtual .
HASIL SIMULASI
Kami telah menggunakan CloudSim tersebut [ 12 ] toolkit
untuk
mensimulasikan pendekatan yang diusulkan untuk kelompok
berdasarkan
alokasi sumber daya dalam komputasi awan . itu
Mesin kami telah digunakan untuk simulasi memiliki Intel
Core
2 Duo processor 2.10 GHz dan 3 GB RAM . kami
telah menggunakan sistem operasi Ubuntu 9.10 dan Jawa
1.6 untuk menjalankan kode simulasi . Kami telah menggunakan
alat semut untuk mengkompilasi dan membuat file jar untuk
menggabungkan modifikasi kami di CloudSim
kerangka . Kami memiliki simulasi datacenter dengan
menciptakan datacenter di CloudSim . Kemudian , kita harus
menambahkan satu set host untuk datacenter ini . Setelah itu
, kami
telah menciptakan satu set mesin virtual di atasnya .
Simulasi dilakukan dengan asumsi rata-rata
panjang pekerjaan sebagai 100 dan 200 MI . Panjang pekerjaan
mungkin melenceng ke 30 % . Rata-rata ukuran memori
setiap pekerjaan diasumsikan sebagai 5 MB dan Tersedia
Waktu diasumsikan sebagai 10 detik .
KESIMPULAN DAN PEKERJAAN MASA DEPAN
Tugas berbasis Pengelompokan diusulkan
strategi penjadwalan digunakan untuk mengalokasikan
pekerjaan ke
sumber daya yang tersedia di lingkungan awan mengurangi
waktu pemrosesan dan memaksimalkan sumber daya
pemanfaatan . The Ant Colony Kerangka digunakan untuk
menyebarkan pendekatan kami dalam awan . The beban individu
untuk sumber daya dapat dipertimbangkan saat pengelompokan
pekerjaan . Dalam pendekatan ini , daya yang dikonsumsi oleh
seluruh sistem juga menjadi masalah yang memprihatinkan.
kegagalan
dari setiap node selama pelaksanaan pekerjaan tidak
dianggap sama sekali . Di masa depan , kami akan
memodifikasi kami
Pendekatan yang diusulkan mengambil konsumsi daya
seluruh sistem , beban individu dan fault tolerant
sumber daya .
References
[1]Gruman,
Galen . What cloud computing really
means.
http://www.infoworld.com/d/cloud
-
computing/what
-
cloud
-
computing
-
really
-
%means
-
031.
[2]
B. Soum
ya, M.
Indrajit, and P. Mahanti, “Cloud
computing
initiative using modified ant colony
framework,”
in In the World Academy of
Science,
Engineering and Technology 56, 2009.
[3]
N. Muthuvelu
and Junyan Liu and N.L Soe and
S. Venugopal
and A. Sulistio and R. Buyy
a. A
Dynamic Job
Grouping
-
Based
Scheduling for
Deploying
Applications with Fine
-
Grained
tasks
on Global
grods.
In Proc of
Australian
workshop on
grid computing
, 4:41
–
48, 2005.
[4]
Quan Liu and
Yeqing Liao. Grouping
-
Based
Fine
-
Grained Job
Scheduling in Grid
Com
puting.
IEEE First
International Workshop
on
Educational technology and Computer
Science
, 1:556
–
559, 2009.
[5]
T.F Ang and
W.K Ng and T.C Ling. A
Bandwidth
-
Aware Job
Grouping
-
Based
Scheduling
on Grid Environment. Information
Technology
Journal, 8(3):372
-
377
[6]
M.
K Mishra and
R.Sharma and V.K Soni and
B.R Parida
and R.K Das. A Memoryaware
Dynamic Job
Scheduling Model in Grid
Computing.
In
ICCDA,2010
International
Conference
, volume 1,
pages 545
–
549, 2010.
[7]
M. K.
Mishra, P. Mohanty, and G. B. Mund. A
time
-
minimizatio
n dynamic
jobgrouping
-
based
scheduling
in grid computing.
International
Journal of
Computer Applications
, 40(16):16
–
25, 2012.
[8]
L.
Chimakurthi and M. K. S. D. Power efficient
resource
allocation for clouds using ant colony
framework.
2011
[9]
Soumya
Banerjee, In
drajit Mukherjee,
and P.K.
Mahanti.
Cloud Computing Initiative using
Modified Ant
Colony Framework.
World
Academy of
Science, Engineering and
Technology
, 2009.
[10]
Y. Li, “A
bio
-
inspired
adaptive job scheduling
mechanism on
a computational grid,” vol. 6,
Mar.
2006.
[11]
“http://aws.amazon.com/ec2/,”
accessed on Nov
23, 2010.
[12]
R.Buyya,
R.Ranjan, and R.N.Calheiros.
Modeling and
simulation of scalable cloud
computing
environments and the cloudsim
toolkit:
Challenges and opportunities.
IEEE
Computer Society
, 2009
Pengguna Perilaku Pengamatan: Penelitian tentang
Kemajuan
Pendahuluan ...
Dalam beberapa tahun ini, ledakan perkembangan internet
semakin besar, ditambah
dengan berkembangnya evolusi new emergence yang semakin
memperkaya content-content di
dalamnya, hal ini berakibat kuaitas dan implikasi dari
serangan di Internet semakin tinggi dan
variannya semakin beragam. Sistem keamanan dan network
monitoring adalah salah satu
faktor komponen yang esensi untuk memprediksi dan mengenali
model-model serangan.
Penelitian ini akan ditekankan pada metode hybrid dengan
menekankan pada
kombinasi anomaly-based dan misuse based dengan parameter
lainnya, hal ini dianggap perlu
untuk meningkatkan akurasi dan presisi dalam mengidentifikasi dan mengenali pola paket
data yang ada. Pada penelitian sebelumnya telah ada yang
menggabungkan anomaly dan
misuse sebagai solusi hybrid untuk mengidentifikasi dan
mengenali serangan/ gangguan dari
Internet. Namun diasumsikan dengan semakin beragamnya
content dan metode hacking saat
ini akan semakin bertambah pola dan tingkah laku dari
serangan di Internet, metode yang
sudah ada dapat ditingkatkan dan dioptimalkan dengan
pendekatan lain.
Saat ini banyak sekali vendor yang menawarkan solusi
terintegrasi untuk system
keamanan komputer, hal ini disebabkan tingginya permintaan
dari perusahaan untuk solusi
ini. Intrusion Prevention System (IPS) saat ini telah
menjadi salah satu teknologi andalan
dalam pengamanan system computer, hal ini disebabkan IPS
berhasil mengambungkan
teknologi Firewall dan analisis serangan IDS dengan lebih
baik, smart dan proaktif, buktinya
dari survey yang dilakukan oleh CSI/FBI (www.gocsi.com)
tahun 2008 didapat 54 % perusahaan
saat ini menggunakan IPS sebagai solusi defense systemnya
dan membelanjakan anggaran
mencapai $15 juta USD untuk solusi pertahanannya.
Metode Penelitian...
Penekanan pada penelitian ini adalah pada metode studi
literature, dimana pemakalah
telah melakukan
mapping studi literature review dan melakukan studi awal dari penelitian
ini, beberapa konsep awal dan hasil awal telah pemakalah
publikasikan (Stiawan, Abdullah &
Idris 2010a), (Stiawan, Abdullah & Idris 2010b),
(Stiawan, Abdullah & Idris 2010c), (Stiawan,
Abdullah & Idris 2010d), dan (Stiawan et al. 2011).
Hasil penelitian ini bersifat saling
melengkapi dan masing-masing publikasi mempunyai konten
penekanan yang berbeda-beda
dari roadmap penelitian yang dilakukan pemakalah dalam beberapa
tahun ini.
Pada penelitian kali ini akan dijabarkan bagian dari inti jalannya riset beserta
algorithmanya untuk melihat efektifitas dari sistem yang
ditawarkan. Proses penelitian
sampai dengan saat ini masih dilakukan untuk
mengimplementasikan algorithm yang telah
dibuat untuk diuji dan di evaluasi pada jaringan komputer
yang sebenarnya. Dibawah ini ada
beberapa bagian yang ingin digaris bawahi oleh pemakalah
dalam melakukan penelitian ini;
1. Penelitian kali ini bersifat studi literature / Literature Review (LR) dan percobaan
awal dari penelitian utama yang akan dilakukan, dimulai
dengan membangun konsep
dan framework dari system yang akan dibuat. Langkah awal
saat ini dengan melakukan
LR yang terkait langsung dengan hybrid dan heteregeneous
system.
Metode Penelitian... 6 | P e n g a m a t a n B e h a v i o r U s e r
2. Data sets, merupakan faktor penting untuk pengolahan data. Dalam penelitian yang
sedang berlangsung, data diambil langsung dengan menangkap /
capture dari realtraffic network di salah satu segment network di Universiti
Teknologi Malaysia (UTM)
yang hasil awalnya menjadi bahan dari makalah ini.
3. Capture data, mengambilan data menggunakan tools
wireshark / ethereal yang
dikombinasikan dengan network flow dan wheathermap yang
didapat dari hasil
pengamatan peralatan yang support dengan aplikasi network
flow. Dalam pengambilan
data ini dilakukan dalam enam hari dan hanya mengambil
sampel dalam satu hingga
tiga jam dalam setiap pengambilannya. Beberapa peralatan lain
juga digunakan untuk
menangkap paket data yang akan dijelaskan selanjutnya di
bagian lain.
4. Analysis hasil, beberapa hasil awal telah didapatkan dari penelitian ini terutama
pengamatan yang dilakukan dari sisi behavior user dan
habitual acitvitynya. Payload
akan diolah untuk dilakukan training sebelum dimasukan
kedalam program untuk
mendapatkan hasil, dimana hasil grapis dapat terlihat untuk memudahkan dalam
menganalisa dan melihat pattern behavior user pada jaringan tempat dilakukan
capture data.
5. Ada beberapa proses science yang akan dilakukan dalam
rangkaian penelitian ini,
diantaranya ;
a. Proses preprocessing data akan dilakukan kemudian untuk
menjawab
bagaimana mengintegrasikan heteregenous data input ini yang
berlainan
structure datanya. Beberapa pendekatan akan dicoba
bandingkan. Data Mining
dan Text Mining akan digunakan untuk melakukan pendekatan
klasifikasi data.
b. Learning data dengan menggunakan pendekatan Artificial
Neural Network
(ANN) dengan mendeklarasikan event parameters dalam sebuah
table untuk di
training.
c. Membandingkan pendekatan yang ditawarkan ini dengan
pendekatan yang telah
ada sebelumnya. Proses ini untuk mengukur akurasi dengan
menggunakan
metode ANOVA.
Hasil Pengamatan...
Dari hasil pengamatan kali ini, pemakalah mendapatkan hasil
awal yang difokuskan
pada behaviour user
dan utilisasi user dari habitual
activity user di
dalam network
environment yang diamati. Ada beberapa hasil yang dijelaskan
pada bagian ini, dari hasil
pengamatan pemakalah, terdapat dua habitual activity yang
dibagi menjadi dua, (i) media
yang beragam dengan aktivitas ukuran transaksi yang tinggi,
dan (ii) transaksi dengan koneksi
aktivitas yang bersamaan dan tingkat koneksi yang tinggi,
Merujuk dari hasil penelitian pemakalah sebelumnya (Stiawan,
Abdullah & Idris 2010a)
dan (Stiawan, Abdullah & Idris 2010c), ternyata dari
hasil pengamatan awal didapatkan hasil
dengan mengidentifikasi applikasi yang terbarukan saat ini
mempunyai suatu karakteristik
yang unik yang dapat digunakan untuk melihat aktivitas yang
terus menerus yang dilakukan
oleh pengguna, dimana peneliti menyebutnya sebagai habitual
activity.
Kesimpulan...
IPS telah berhasil menjadi solusi terintegrasi untuk solusi
system keamanan yang
terpadu, saat ini banyak para peneliti yang sedang melakukan
perobaan danpenelitian untuk
solusi system keamanan yang terpadu berbasis IPS, yang terus
menerus mengembangkan riset
terpadu berbagai aspek untuk meningkatkan isu utama di IPS,
seperti akurasi, presisi,
Kesimpulan... 10 | P e n g a m a t a n B e h a v i o r U s e r
prevention, algorithma dan respon. Penelitian ini merupakan
bagian riset yang dilakukan oleh
pemakalah dalam beberapa tahun ini, dimana riset pemakalah
tertuju pada peningkatan
akurasi sensor dan event response.
Dalam riset yang sedang dilakukan saat ini, penggabungan
model yang sudah ada
(anomaly-misuse) dengan event parameters yang disebut
sebagai heterogeneous input data,
dimana ada enam belas event parameters yang sedang dikaji
oleh pemakalah untuk di satukan
dengan pendekatan Data Mining dan menggunakan Text Mining
sebagai klasifikasinya. Asumsi
pemakalah, riset ini dapat menjadi solusi one integration
system untuk mencapai pendekatan
Unified Threat Management (UTM)
References
Artail, H. et al., 2006. A hybrid honeypot framework for
improving intrusion detection systems in protecting
organizational networks. Computer & Security, 25,
pp.274-288.
Barnum, S., 2007. Attack Patterns: Knowing Your Enemy in
Order to Defeat Them. Conference BlackHat DC 2007.
Cao, B. et al., 2009. A Study on Performance Improvement of
Gateway Anti-Virus System Based on File Scanning.
Control and Decision Conference 09, pp.2293-2295.
Choi, Y. et al., 2010. Worm virulence estimation for the
containment of local worm outbreak. Computers &
Security, 29(1), pp.104-123. Available at:
http://dx.doi.org/10.1016/j.cose.2009.07.002.
Fuchsberger, A., 2005. Intrusion Detection Systems and
Intrusion Prevention Systems. Information Security
Technical Report, 10, pp.134-139.
Gheorghe, L., Rughiniş, R. & Ţăpuş, N., 2010. Attack
Evaluation and Mitigation Framework. 2010 Sixth
International Conference on Networking and Services.
Guillen, E., Padilla, D. & Colorado, Y., 2009. based
Intrusion Detection and Prevention Systems. Latin-American
Conference Communications, (1), pp.1-4.
Le, A., Al-shaer, E. & Boutaba, R., 2008. On Optimizing
Load Balancing of Intrusion Detection and Prevention
Systems. IEEE, INFOCOM Workshops.
Schultz, E.E. & Ray, E., 2007. Future of Intrusion
Prevention. Computer Fraud & Security, pp.11-13.
Seewald, A.K. & Gansterer, W.N., 2010. On the detection
and identification of botnets. Computers & Security,
29(1), pp.45-58. Available at:
http://dx.doi.org/10.1016/j.cose.2009.07.007.
Shouman, M., Salah, A. & Faheem, H.M., 2010. Surviving
cyber warfare with a hybrid multiagent-based intrusion
prevention system. IEEE Potentials, pp.32-40.
Stiawan, D., Abdullah, A.H. & Idris, M.Y., 2011.
Characterizing Network Intrusion Prevention System.
International Journal of Computer Applications, 14(1),
pp.11-18.
Stiawan, D., Abdullah, A.H. & Idris, M.Y., 2010a.
Classification of Habitual Activities in Behavior-based Network
Detection. Journal of Computing, 2(8), pp.1-7.
Stiawan, D., Abdullah, A.H. & Idris, M.Y., 2010b.
Reliability Measurement of Internet Services. In The First
International Conference on Green Computing and The Second
AUN/SEED-Net Regional Conference on ICT.
pp. 225-229. 11 | P e n g a m a t a n B e h a v i o r U s e r
Stiawan, D., Abdullah, A.H. & Idris, M.Y., 2010c. The
Prevention Threat of Behavior-based Signature using Pitcher
Flow Architecture. International Journal of Computer Science
& Network Security, 10(4), pp.289-294.
Stiawan, D., Abdullah, A.H. & Idris, M.Y., 2010d. The
Trends of Intrusion Prevention System Network. IEEE,
ICETC 2010, 4(C), pp.217-221.
Xinyou Zhang, Chengzhong Li, W.Z., 2004. Intrusion
Prevention System Design. Computer and Information
Technology, 2004. CIT ’04, pp.386-390.
Yu, J. et al., 2008. Traffic flooding attack detection with
SNMP MIB using SVM q. Computer Communications,
31(17), pp.4212-4219. Available at:
http://dx.doi.org/10.1016/j.comcom.2008.09.018.
Zhang, J., Zulkernine, M. & Haque, A., 2008.
Random-Forests-Based Network Intrusion. MAN and Cybernetics,
38(5), pp.649-659.
Zhimin, Z., Zhongwen, C. & Xiaohui, G., 2010. The Study
on Network Intrusion Detection System of Snort. In
International Conference on Networking and Digital Society.
pp. 194-196.
