PENERAPAN ALGORITMA DEEP LEARNING UNTUK DETEKSI WEBSHELL DALAM SISTEM KEAMANAN APLIKASI WEB

YURANDA, REZKY (2024) PENERAPAN ALGORITMA DEEP LEARNING UNTUK DETEKSI WEBSHELL DALAM SISTEM KEAMANAN APLIKASI WEB. Other thesis, Universitas Bina Darma.

	Text (BAB 0) BAB 0.pdf Download (982kB)
	Text (BAB 1) BAB 1.pdf Download (346kB)
	Text (DAFTAR PUSTAKA) DP.pdf Download (293kB)
	Text (LAPORAN HASIL) LH.pdf Restricted to Repository staff only Download (6MB)
	Text (LAMPIRAN) L.pdf Download (933kB)

Abstract

Webshell adalah skrip yang dijalankan di server web dan sering digunakan oleh peretas untuk mengontrol server yang terinfeksi. Mendeteksi webshell merupakan tantangan besar karena pola perilaku yang kompleks. Penelitian ini berfokus pada penggunaan pendekatan deep learning untuk mendeteksi webshell di server web ISB Atma Luhur, dengan tujuan mengembangkan model yang dapat mendeteksi webshell secara akurat. Model dilatih menggunakan berkas PHP yang telah diberi label, sehingga membedakan webshell jahat dari berkas yang tidak berbahaya. Studi ini penting untuk meningkatkan keamanan server, mencegah serangan peretas, dan melindungi data sensitif. Teknik preprocessing, seperti ekstraksi opcode dan pemilihan fitur, digunakan untuk mencapai pengenalan pola yang efektif dalam deteksi webshell. Model deep learning, termasuk CNN dan RNN dengan LSTM, dilatih pada data yang diproses dan dievaluasi menggunakan metrik klasifikasi. Hasilnya menunjukkan bahwa model CNN memiliki kinerja yang lebih baik dalam mendeteksi webshell, menyoroti efektivitas deep learning dalam tugas ini. Penelitian ini memberikan kontribusi signifikan terhadap peningkatan keamanan aplikasi berbasis web dan perlindungan dari ancaman siber seperti webshell

Actions (login required)

View Item