SISTEM DETEKSI WEBSHELL  MENGGUNAKAN METODE DEEP LEARNING

dc.contributor.author	Senjaya, Sigit Dwi
dc.contributor.author	Helmy Faisal Muttaqin (Pembimbing)
dc.date.accessioned	2026-08-22T04:07:18Z
dc.date.available	2026-08-22T04:07:18Z
dc.date.issued	2024
dc.description.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.
dc.identifier.uri	https://repository.widyatama.ac.id/handle/123456789/110825
dc.language.iso	other
dc.publisher	Program Studi S1 Informatika
dc.relation.ispartofseries	40621110007
dc.title	SISTEM DETEKSI WEBSHELL MENGGUNAKAN METODE DEEP LEARNING
dc.type	Thesis