SISTEM DETEKSI WEBSHELL MENGGUNAKAN METODE DEEP LEARNING
Loading...
Date
2024
Journal Title
Journal ISSN
Volume Title
Publisher
Program Studi S1 Informatika
Abstract
Webshell yang diklasifikasikan sebagai trojan scripting menjadi ancaman serius terhadap integritas infrastruktur keamanan jaringan, untuk mengatasi keterbatasan Web Application Firewall (WAF) dalam mendeteksi webshell yang telah dikompresi dan disamarkan, pendekatan artificial intelligence khususnya melalui teknik machine learning dan deep learning digunakan untuk mendeteksi, mengenali pola perilaku serta fungsi webshell, metode hybrid CNN-BiLSTM yang digunakan pada deep learning sangat efektif dalam mengolah data teks sehingga dapat memahami struktur temporal model dan data sehingga menghasilkan nilai precision 0.99, recall 0.99, f1-score 0.99 serta accuracy 0.99 pada saat melakukan deteksi file webshell dan non-webshell, dan juga meminimalisir tingkat kesalahan pada nilai false positives dan mencegah overfitting pada model data dengan menggunakan fungsi callback.