Kelompok Bab 11 :
- Nur Rochmat Hidayatulloh ( 12838006 )
- Albian Devayana ( 12838018)
- Fandi Bagus Setiawan ( 12838020)
- Devanda Ilham Kurniawan ( 12830045 )
Banyak benda memiliki perilaku 1. Fungsi skala ϕ(x)
periodik dan memancarkan sinyal 2. Fungsi wavelet ψ(x)
khusus pada frekuensi tertentu.
Misalnya, ARP Poison Attack Contoh
mengirim balasan ARP dengan MAC 1 𝑖𝑓 0 ≤ 𝑥 < 1
𝜙(𝑥){0 𝑒𝑙𝑠𝑒𝑤ℎ𝑒𝑟𝑒
address palsu ke komputer korban
pada frekuensi tertentu. Frekuensi 11,1
sinyal data dari waktu ke waktu telah
lama digunakan untuk deteksi sinyal 𝜓(𝑥) = 𝜙(2𝑥) − 𝜙(2𝑥 − 1)
1
atau identifikasi suatu objek karena 1 𝑖𝑓 0 ≤ 𝑥 <
2
={ 1
fakta bahwa banyak benda memiliki −1 𝑖𝑓 ≤ 𝑥 < 1
2
waktu khusus mereka karakteristik
sinyal frekuensi. Fourier analysis 11.2
secara tradisional telah digunakan Gambar 11.1a dan 11.1b Gambar
untuk menganalisis dan merupakan memberikan representasi grafis dari φ
frekuensi sinyal. Namun, Fourier (x) (fungsi step) dan ψ (x) (fungsi
analysis tidak memperlihatkan lokasi wavelet). Dalam wavelet Haar, φ (x)
waktu tertentu dari karakteristik adalah fungsi tangga satuan. Gambar
frekuensi yang diberikan. Wavelet 11.1C menunjukkan φ (2x), fungsi
analysis memungkinkan analisis dan langkah dengan ketinggian yang sama
representasi dari sinyal waktu- dari 1 tetapi jarak sempit nilai x dalam
frekuensi di kedua karakteristik [0, 12), dan φ (x - 1), fungsi langkah
frekuensi dan lokasi waktu mereka. dengan ketinggian yang sama, tetapi
Dengan membandingkan fitur wavelet bergeser ke kanan oleh 1 unit.
dari data yang dikumpulkan dalam Langkah rentang x disebut shift, dan
kondisi tidak aktif, serangan dan pelebaran atau kontraksi rentang x
norma, karakteristik perubahan disebut pelebaran. Contoh data time
wavelet untuk sebelas serangan. series, pada, t = 1, 2,. . . , N, N = 2k,
Dalam bab ini, lima bentuk wavelet, dari fungsi, f (x), bisa diubah menjadi
termasuk Paul wavelet, Derivative of sampel data time series, ai, i = 0, 1, 2,.
Gaussian (DoG) wavelet, the Haar . . , (2k - 1), yang dapat
wavelet, the Daubechies wavelet, dan direpresentasikan dengan
Morlet wavelet yang mewakili lima pola menggunakan fungsi skala dari
lonjakan data, fluktuasi acak, langkah wavelet Haar sebagai berikut:
perubahan, perubahan yang stabil.
Prosedur menganalisis kekuatan
sinyal wavelet dan perubahannya dari
kondisi tidak aktif dengan kondisi
serangan untuk mengungkap
karakteristik serangan data.
Kedua fitur wavelet dan fitur autokorelasi dijelaskan dalam Bab 10 mengungkapkan
hubungan pengamatan data yang dari waktu ke waktu. Fitur autokorelasi berfokus
pada aspek autokorelasi umum data time series, sedangkan fitur wavelet berfokus
pada bentuk-bentuk khusus pola data frekuensi waktu. Kedua transformasi wavelet
dan distribusi probabilitas yang dijelaskan dalam Bab 9 terkait dengan pola-pola data
yang tertentu. Fitur distribusi menggambarkan pola umum dari data, sedangkan fitur
wavelet mengungkapkan lokasi waktu dan frekuensi pola data khusus.