SISTEM BERBASIS CONVOLUTIONAL NEURAL NETWORKLONG SHORT TERM MEMORY UNTUK DETEKSI INJEKSI SQL

Rantetampang, Alpius Ranis (2023) SISTEM BERBASIS CONVOLUTIONAL NEURAL NETWORKLONG SHORT TERM MEMORY UNTUK DETEKSI INJEKSI SQL. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (229kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (870kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (228kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (240kB)
	Text (BAB V) BAB V.pdf Download (80kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (236kB)
	Other (SOURCE CODE) Source Code - Alpius Ranis Rantetampang.rar Restricted to Repository staff only Download (3kB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (656kB)

Abstract

Ancaman SQL Injection (SQLI) merupakan permasalahan besar dalam bidang keamanan aplikasi web. Mayoritas dari serangan SQL Injection (SQLI) menyebabkan kebocoran data pengguna, yang berakibat pada manipulasi, pembaruan, dan penghapusan data dalam sistem basis data. Untuk mencegah SQL Injection (SQLI), teknik tradisional serta teknik machine learning dan deep learning telah digunakan, namun teknik ini hanya dapat mengatasi beberapa jenis SQL Injection (SQLI) dan serangan baru yang memiliki representasi fitur yang lemah serta efisiensi algoritma. Tantangan utama terkait serangan SQL Injection (SQLI) adalah kemampuan para peretas untuk menciptakan kueri berbahaya baru yang tidak terdeteksi oleh teknik tradisional, serta teknik machine learning dan deep learning dengan algoritma tunggal memiliki kelemahan dalam representasi fitur dan efisiensi algoritma dalam mendeteksi serangan baru. Namun, masalah ini dapat diatasi secara efektif dengan memanfaatkan representasi fitur kuat dari Convolutional Neural Network (CNN) dan kemampuan Long Short Term Memory (LSTM) dalam memproses urutan kata, model dapat mengekstraksi informasi mendalam dari teks, termasuk teks terkait serangan SQL Injection (SQLI), dan mengenali pola urutan yang relevan untuk mendeteksi serangan baru tersebut. Dengan metode hybrid yang didukung dengan dataset SQL Injection (SQLI) dari kaggle menggunakan algoritma yaitu Convolutional Neural Network-Long Short Term Memory(CNN-LSTM) digunakan untuk mendeteksi serangan SQL Injection (SQLI) baru dengan tingkat akurasi sebesar 97%. Pada penelitian ini juga menguji model atau sistem untuk mendeteksi SQL Injection (SQLI) menggunakan kueri injeksi yang belum pernah dilatih pada model dengan nilai prediksi model sebesar 98% dan menentukan nilai ambang batas dari nilai prediksi untuk mendeteksi kueri injeksi yang diberikan pada model. Dengan tingkat akurasi sebesar 97% dan nilai prediksi model terhadap kueri baru sebesar 98%, hasil tersebut akan memberikan perlindungan yang kuat terhadap serangan SQL Injection (SQLI) baru, serta dapat mengurangi resiko potensial terhadap keamanan dan integritas sistem basis data.

Actions (login required)

View Item