Identifikasi dan Analisis Individual User pada Natural Language dengan N-Gram Analisis

Imamulhakim Syahid Putra; Aminullah Imal Alfresi

doi:10.31004/riggs.v4i3.2532

Authors

Imamulhakim Syahid Putra UIN Raden Fatah Palembang
Aminullah Imal Alfresi Universitas Islam Negeri Raden Fatah Palembang

DOI:

https://doi.org/10.31004/riggs.v4i3.2532

Keywords:

N-Gram, User Profil, Identifikasi, Informasi, Penulisan

Abstract

User profil merupakan salah satu pendekatan untuk mengindentifikasi intruder pada sebuah sistem komputer. Profil pengguna sangat penting pada semua aplikasi terutama untuk mengidentifikasi informasi spesifik tentang pengguna itu sendiri. Pada dasarnya profiling membangun informasi atau pengalaman tentang pengguna atau user. Dengan kata lain, profil pengguna digunakan untuk mengumpulkan informasi terkait aktivitas pengguna. Penelitian ini fokus pada sisi psychometric user yaitu mengidentifikasi gaya penulisan user berdasarkan natural language. Tujuan dari penelitian ini adalah untuk memudahkan identifikasi user berdasarkan gaya penulisannya. Sehingga dapat mendeteksi orang yang ingin menyerang sistem keamanan komputer. Analisis yang digunakan dalam penelitian ini adalah N-Gram. N-Gram analisis dapat mengidentifikasi user secara akurat terlihat dari hasil yang dicapai dari setiap jenis N-gram yang digunakan. Pada penelitian ini N-Gram akan membandingkan setiap aktivitas penulisan user sehingga dapat menentukan jenis authorization user.

Downloads

Download data is not yet available.

References

Abou-Assaleh, T., Cercone, N., Kešelj, V., & Sweidan, R. (2004). N-gram-based detection of new malicious code. Proceedings - International Computer Software and Applications Conference, 2(1), 41–42. https://doi.org/10.1109/cmpsac.2004.1342667

F Luo, Q OU, G. W. (2010). Research on n-gram-based malicious code feature extraction algorithm. Computer Application and System Modeling (ICCASM). V6-89-V6-92.

G Pannell, H. A. (2010). User modelling for exclusion and anomaly detection: a behavioural intrusion detection system. 207–218. https://link.springer.com/chapter/10.1007/978-3-642-13470-8_20

Hubballi, N., Biswas, S., & Nandi, S. (2011). Sequencegram: n-gram modeling of system calls for program based anomaly detection. 2011 Third International Conference on Communication Systems and Networks (COMSNETS 2011), 1–10. https://doi.org/10.1109/COMSNETS.2011.5716416

Mustafa, S. H. (2005). Character contiguity in N-gram-based word matching: the case for Arabic text searching. Information Processing & Management, 41(4), 819–827. https://doi.org/10.1016/j.ipm.2004.02.003

Raad, E., Chbeir, R., Dipanda, A., & Raad, E. (2014). User profile matching in social networks To cite this version : User Profile Matching in Social Networks. 297–304.

SA Sugianto, L Liliana, S. R. (2013). Pembuatan Aplikasi Predictive Text Menggunakan Metode N-gram-based. https://www.neliti.com/publications/105718/pembuatan-aplikasi-predictive-text-menggunakan-metode-n-gram-based

VNP Dao, R Vemuri, S. T. (2000). Profiling users in the UNIX OS environment. http: / /www.doc.pov/bridge

Vosecky, J., Hong, D., & Shen, V. Y. (2009). User identification across multiple social networks. 2009 First International Conference on Networked Digital Technologies, 360–365. https://doi.org/10.1109/NDT.2009.5272173

Zhang, B., Yin, J., Hao, J., Wang, S., Zhang, D., & Tang, W. (2006). New malicious code detection based on N-gram analysis and rough set theory. 2006 International Conference on Computational Intelligence and Security, ICCIAS 2006, 2, 1229–1232. https://doi.org/10.1109/ICCIAS.2006.295252