Satrinia, Dwina (2011) Implementasi metode statistikal, measure of disorder dan direction similarity measure untuk sistem otentikasi keystroke dinamis. Sarjana thesis, Universitas Brawijaya.
Abstract
Semakin meningkatnya jumlah pemakai sistem informasi, meningkatkan kebutuhan akan sistem otentikasi yang handal. Oleh karena itu, sistem otentikasi berbasis keystroke dinamis muncul sebagai solusi yang efektif dan relatif mudah diimplementasikan untuk meningkatkan keamanan sistem informasi. Sistem otentikasi keystroke dinamis akan memverifikasi user berdasarkan pola mengetik pada keyboard. Pola mengetik user dikenali dengan cara mengekstraksi ciri saat user mengetik passwordnya sehingga menghasilkan vektor fitur, kemudian sistem membentuk template acuan user dari kumpulan vektor fitur saat proses pendaftaran. Saat proses verifikasi, sistem akan membandingkan vektor fitur inputan dengan template acuannya. Salah satu metode sederhana dan membutuhkan data training yang sedikit untuk proses perbandingan fitur adalah metode gabungan dari metode statistikal, measure of disorder dan direction similarity measure. Pada awalnya untuk membedakan user asli dan impostor, metode gabungan ini menggunakan threshold global yaitu threshold yang diset sama untuk seluruh user. Namun, untuk mengeset nilai threshold tersebut dibutuhkan pengetahuan terhadap data-data yang akan digunakan. Sehingga pada penulisan ini digunakan pengesetan threshold lokal yang nilainya khusus setiap user dan nilainya dapat ditentukan hanya dari data saat proses pendaftaran. Dari pengujian yang dilakukan, diperoleh tingkat akurasi sistem dalam membedakan user asli dan impostor dengan menggunakan metode gabungan dan threshold lokal sebesar 91.72%, hampir sama bagusnya dengan tingkat akurasi sistem dengan pengesetan threshold global yaitu sebesar 92%. Hal ini menunjukkan bahwa metode gabungan dengan pengesetan threshold lokal baik untuk digunakan dalam sistem otentikasi keystroke dinamis.
English Abstract
The increase amount of information system’s user, cause the needs for better secure authentication system. Therefore, authentication system based on keystrokes dynamic seems to be effective and applicable solution for upgrading security of information system. Authentication system based on keystrokes dynamic will verify the user based on their typing pattern on keyboard. Typing pattern will be recognized by feature extraction when user type their password, so it will produce feature vector, then system will create reference template user from feature vector when enrollment happened. At the moment of verification process, system will compare or match feature vector test with reference template. One of simple method for feature matching is fusion of statistical method, measure of disorder and direction similarity measure. At the beginning, to distinguish between genuine and impostor user, this fusion method use global threshold which the value is set for all user. However, to set this global threshold, requires much knowledge of the data that will be used. So, at this research, local threshold which is the value is set specifically for a user and could be determined only by data set from enrollment, will be used. From the experimental results, obtained accurateness about 91.72% to differentiate between genuine and impostor for system using local threshold, almost as good as system using global threshold which is reach up to 92% accuracy. It shows that fusion method with local threshold is good to be used in authentication system based on keystrokes dynamic.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2011/128/051102478 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Unnamed user with email repository.ub@ub.ac.id |
| Date Deposited: | 07 Jun 2011 13:51 |
| Last Modified: | 22 Oct 2021 07:19 |
| URI: | http://repository.ub.ac.id/id/eprint/152580 |
Preview |
Text
051102478.pdf Download (5MB) | Preview |
Actions (login required)
 |
View Item |