PURWOKO TONI ( 22SA11A226 )

ANJANI INTAN TRI UTAMI ( 22SA11A181 )

BURHANUDIN HIDAYAT ( 22SA11A183 )

Abstrak
Dengan kemajuan terus menerus dari era informasi dan ilmu pengetahuan dan teknologi,
bagaimana menggabungkan data yang kompleks dan dapat diubah dengan kemampuan
perlindungan diri telah menjadi masalah mendesak yang perlu dipecahkan. Dalam sistem
komputer, teknologi tradisional untuk perlindungan agak pasif. Untuk tujuan ini, makalah ini
menganalisis pemantauan keamanan jaringan komputer di bawah pembelajaran mendalam
kecerdasan buatan (AI).teknologi dan membahas tren perkembangannya, yang memantau
keamanan jaringan untuk menemukan dan mengatasi masalah pada waktunya. Hasil penelitian
menunjukkan bahwa teknologi deep learning deteksi keamanan jaringan komputer dapat
meningkatkan kinerja keamanannya dengan kinerja keamanan yang tinggi, tingkat deteksi yang
tinggi, dan tingkat alarm palsu yang rendah. Itu dapat memantau kerentanan dalam jaringan
komputer tepat waktu dan mewujudkan deteksi serangan keamanan yang efektif dari jaringan
komputer.
Abstrak grafis
Teknologi pembelajaran mendalam untuk deteksi keamanan jaringan komputer dapat
meningkatkan kinerja keamanannya, memantau kerentanan secara tepat waktu di jaringan
komputer, dan mencapai deteksi serangan keamanan yang efektif di jaringan computer

Perkenalan
Seiring dengan kemajuan teknologi jaringan komputer, tumbuh kesadaran akan AI dan
keamanan komputer. Keamanan jaringan komputer mengacu pada perlindungan keamanan
sistem informasi yang berpusat pada manusia dan memastikan bahwa data dan informasi tidak
diperoleh dan dimanipulasi secara ilegal. Oleh karena itu, orang telah melakukan investigasi dan
eksplorasi mendalam dan telah menjadi fokus penelitian saat ini.
Karena meningkatnya kesadaran akan keamanan dan privasi, banyak sarjana telah melakukan
penelitian terhadapnya. Sulicdio Julias percaya bahwa keamanan komputer merupakan faktor
penting dalam dunia teknologi informasi. Secara negatif, ada lebih banyak jenis intrusi atau
serangan di jaringan. Oleh karena itu, perlu ditentukan gangguan atau ancaman dalam jaringan
untuk mengurangi intrusi [1]. Tang Ying menganalisis model simulasi untuk evaluasi keamanan
jaringan komputer berdasarkan jaringan saraf. Pertama, berdasarkan platform percobaan
keamanan sistem, algoritma deteksi keamanan sistem dibangun, dan strategi untuk memilih
skala komputasi dianalisis [2]. Kebande Victor R menyelidiki relevansi pemantauan real-time
(RTM) sebagai komponen keamanan yang waspada dan pelengkap dalam lingkungan jaringan
modern, khususnya untuk perencanaan, persiapan, dan pengentasan yang tepat jika terjadi
insiden keamanan siber [3]. Alabady Salah A percaya bahwa dengan meningkatnya jumlah
perangkat yang terhubung di Internet of Things, ancaman terhadap kerahasiaan dan keamanan
juga meningkat [4]. Penelitian Choi Seul-Ki menemukan bahwa perangkat komputer yang tidak
memiliki fitur keamanan disusupi oleh penyerang, menyebabkan banyak pelanggaran
keamanan. Secara khusus, seorang penyerang dapat mengendalikan perangkat komputer
dengan fitur keamanan yang tidak memadai [5]. Shone Nathan menemukan bahwa tugas
utama jaringan di masa depan adalah membangun arsitektur jaringan cerdas sejauh mungkin
untuk mencapai kecerdasan. Teknologi jaringan yang ditentukan perangkat lunak (SDN) telah
mematahkan hubungan erat antara bidang kontrol dan bidang data dalam arsitektur jaringan
tradisional, yang telah membuat kontrol, keamanan dan ekonomi sumber daya jaringan
menjadi kenyataan [6]. Di atas adalah penelitian yang relevan tentang pemantauan keamanan
jaringan komputer. Waktu telah berlalu, dan teknologi baru telah muncul untuk digunakan
dalam pemantauan keamanan jaringan komputer.
Semakin banyak teknik kecerdasan buatan yang diterapkan pada deteksi keamanan jaringan
komputer, sehingga banyak akademisi yang meneliti dan menganalisisnya. Sarker Iqbal H
menemukan bahwa DL yang berasal dari jaringan syaraf tiruan adalah salah satu teknik utama
sistem atau kebijakan keamanan jaringan cerdas untuk beroperasi secara cerdas saat ini
[7]. Penelitian Zhang Jun menemukan bahwa dengan perkembangan yang gencar dari serangan
jaringan dan kejahatan dunia maya terhadap sistem fisik jaringan, pendeteksian serangan ini
masih menantang. DL memberikan kinerja yang lebih baik daripada pembelajaran mesin karena
pengaturan hierarki dan algoritme yang efektif untuk mengekstraksi informasi berguna dari
data pelatihan. Model deep learning dengan cepat digunakan untuk serangan jaringan terhadap
sistem fisik [8]. Li Jian-hua percaya bahwa ada interdisipliner yang luas antara keamanan
jaringan dan AI. Oleh karena itu, model AI memerlukan teknologi pertahanan dan perlindungan
keamanan jaringan khusus untuk memerangi pembelajaran mesin permusuhan dan menjaga
privasi dalam pembelajaran mesin untuk memastikan keamanan pembelajaran bersama
[9]. Ahsan Mostofa menemukan bahwa pembelajaran mesin semakin penting dalam keamanan
siber. Tujuan utama pembelajaran mesin dengan pemanfaatan kecerdasan buatan dalam
keamanan siber adalah untuk membuat proses deteksi malware lebih dapat ditindaklanjuti,
diperluas, dan valid daripada metode konvensional karena metode tradisional memerlukan
intervensi manusia, dan bidang keamanan jaringan melibatkan tantangan AI, yang memerlukan
efisiensi. metode dan pengolahan teoritis [10]. Zhao Shanshan menemukan bahwa teknologi
berdasarkan kecerdasan komputasi memainkan peran kunci dalam mengatasi tantangan
keamanan jaringan dari sistem yang kompleks seperti Internet of Things dan Cyber Physical
System. Saat ini, Internet of Things semakin menghadapi masalah keamanan [11]. Zhang Zhimin
memeriksa penggunaan teknik AI dalam berbagai aplikasi keamanan siber dan mengidentifikasi
beberapa batasan dan tantangan. Berdasarkan temuannya, ia mengusulkan model keamanan
siber cerdas konseptual human-in-the-loop [12]. Di atas adalah tentang penelitian AI yang
relevan dalam pemantauan keamanan jaringan. Internet of Things menghadapi masalah
keamanan yang semakin meningkat [11]. Zhang Zhimin memeriksa penggunaan teknik AI dalam
berbagai aplikasi keamanan siber dan mengidentifikasi beberapa batasan dan
tantangan. Berdasarkan temuannya, ia mengusulkan model keamanan siber cerdas konseptual
human-in-the-loop [12]. Di atas adalah tentang penelitian AI yang relevan dalam pemantauan
keamanan jaringan. Internet of Things menghadapi masalah keamanan yang semakin
meningkat [11]. Zhang Zhimin memeriksa penggunaan teknik AI dalam berbagai aplikasi
keamanan siber dan mengidentifikasi beberapa batasan dan tantangan. Berdasarkan
temuannya, ia mengusulkan model keamanan siber cerdas konseptual human-in-the-loop
[12]. Di atas adalah tentang penelitian AI yang relevan dalam pemantauan keamanan jaringan.
Dengan kemajuan pesat ilmu pengetahuan dan teknologi, masalah keamanan siber menjadi
semakin penting. Sistem jaringan komputer telah diserang oleh berbagai virus atau hacker
selama operasinya. Oleh karena itu, sangat penting untuk secara efektif mencegah kejadian
berbahaya ini, seperti virus dan serangan peretas, agar tidak mengancam komputer dan
melindungi properti informasi pengguna agar tidak dilanggar. Penelitian ini menganalisis
metode pemantauan keamanan jaringan komputer, menganalisis metode tersebut melalui
analisis eksperimen dan menarik kesimpulan.
Makalah ini terutama memperkenalkan status penelitian dan masalah teknologi kecerdasan
buatan yang ada dalam deteksi keamanan jaringan komputer. Dari perspektif pembelajaran dan
penelitian kecerdasan buatan, ia mengusulkan metode deteksi keamanan komputer
berdasarkan jaringan saraf yang dalam dan menerapkannya pada bidang keamanan jaringan
komputer.
Bagian pertama mempelajari latar belakang penelitian dan referensi deteksi keamanan jaringan
komputer. Bagian kedua memperkenalkan teori-teori yang relevan. Makalah ini
memperkenalkan keamanan jaringan komputer dan kecerdasan buatan. Bagian ketiga memiliki
pemantauan keamanan jaringan komputer dan pengelolaan kecerdasan buatan, yang terutama
mencakup pengenalan algoritme. Bagian keempat menyajikan temuan eksperimental. Kami
menetapkan catatan pemantauan keamanan jaringan komputer rutin sebagai grup kontrol,
mengatur catatan pemantauan keamanan jaringan komputer di bawah teknologi pembelajaran
mendalam AI sebagai kelompok eksperimen dan membiarkan mereka melakukan eksperimen
kontrol. Ditemukan bahwa tingkat alarm palsu keamanan jaringan komputer di bawah
teknologi pembelajaran mendalam AI, memiliki kinerja yang lebih baik, dan profil keamanan
yang lebih tinggi.
Cuplikan bagian
Virus komputer
Virus komputer adalah data dan fungsi yang merusak yang dimasukkan ke dalam program
komputer yang memengaruhi operasi normal jaringan komputer. Virus komputer sangat
merusak dan menyebar dengan sangat cepat, yang merupakan salah satu penyebab utama
masalah keamanan jaringan. Virus komputer sangat menular dan dapat menggandakan dirinya
sendiri dalam proses transmisi, menyebabkan runtuhnya sistem jaringan dan bahkan
menyebabkan kerugian ekonomi yang serius [13]. Pada saat yang sama, virus komputer

Manajemen pemantauan keamanan jaringan komputer AI

AI adalah subdivisi ilmu komputer yang digunakan untuk mempelajari kecerdasan mesin dan
mengembangkan mesin cerdas atau sistem cerdas. Metode dan teknologi buatan digunakan
untuk meniru, memperluas, dan meningkatkan kecerdasan manusia. Kombinasi teknologi AI
dan pemantauan keamanan jaringan komputer telah membawa banyak pencapaian penelitian
ilmiah. Deteksi intrusi adalah sejenis pertahanan aktif yang mengumpulkan informasi dari
jaringan komputer utama dan lokasi host dan dianalisis

Tingkat deteksi
Teknologi pembelajaran mendalam AI dapat mendeteksi kerentanan dalam jaringan komputer
secara tepat waktu dan mewujudkan deteksi serangan keamanan yang efektif pada jaringan
komputer. Oleh karena itu, pemantauan keamanan jaringan komputer konvensional dicatat
sebagai kelompok kontrol, dan pemantauan keamanan jaringan komputer di bawah teknologi
pembelajaran kedalaman AI dicatat sebagai kelompok eksperimen. Tingkat deteksi mereka di
tujuh set tes komputer dianalisis, seperti yang ditunjukkan pada Gambar. 4.
Seperti yang ditunjukkan pada Gambar. 4, tingkat deteksi komputer

Kesimpulan
Pengembangan dan penerapan kecerdasan buatan dalam teknologi jaringan komputer telah
sangat meningkatkan keamanan jaringan komputer dan secara efektif mencegah dan mengatasi
berbagai risiko. Pada saat yang sama, teknologi kecerdasan buatan mempromosikan
kecerdasan jaringan komputer dan meningkatkan kepraktisan teknologi kecerdasan
buatan. Kecerdasan buatan adalah teknologi yang kompleks dan multidisiplin dengan berbagai
teori dan metode cerdas.

Deklarasi Kepentingan Bersaing

Para penulis menyatakan bahwa mereka tidak memiliki kepentingan keuangan yang bersaing
atau hubungan pribadi yang dapat mempengaruhi pekerjaan yang dilaporkan dalam makalah
ini.

Qinghui liu lahir di Jining Shandong, PR China, pada tahun 1977. dia menerima gelar Master
dari Shandong University, PR China. Sekarang, dia bekerja di Pusat Jaringan Universitas
Zaozhuang, Minat penelitiannya meliputi teknologi informasi dan analisis data besar.