Text

Deteksi Serangan Cross-site Scripting (XSS) menggunakan Pendekatan Model Deep Learning sebagai Web Application Firewall (WAF)

---

Adanya transformasi digitalisasi layanan di berbagai sektor yang semula
dilakukan secara tradisional beralih menjadi layanan berbasis web
yang memudahkan akses kapanpun dan dimanapun oleh pengguna. Namun,
sejalan dengan perkembangan tersebut, berbagai ancaman keamanan
semakin kompleks dimana salah satunya adalah serangan Cross-site
Scripting (XSS).
Berdasarkan OWASP TOP 10, XSS menduduki peringkat sepuluh besar
selama lebih dari satu dekade. Ini artinya XSS menjadi serangan yang
paling umum terjadi dan perlu mendapatkan perhatian khusus pada dunia
keamanan siber. Pencegahan terhadap serangan XSS dapat dilakukan
dengan menerapkan Web Application Firewall (WAF).
Model deteksi yang dikembangkan dalam penelitian ini menggunakan
pendekatan model deep learning Long-Short Term Memory
(LSTM) untuk mendeteksi serangan XSS. Pengumpulan data pada
penelitian ini diperoleh melalui sumber terbuka berupa Cross-site
Scripting XSS dataset for Deep Learning dan XSSDataSets Payloads yang
selanjutnya digabungkan untuk menghasilkan dataset baru dengan tujuan
memperoleh kualitas yang lebih baik sebagai input data training.
Preprocessing dataset yang diusulkan menggunakan teknik lowercasing dan stopwords.
Pemodelan dibangun dengan dua model pembanding yaitu CNN-LSTM dan
LSTM-attention serta satu model usulan yaitu CNN-LSTM-attention.
Ketiga model dibandingkan dan hasil terbaik berhasil diperoleh model
CNN-LSTM-attention dengan nilai akurasi sebesar 0.99826 dan F1-score
0.997840. Selanjutnya model terbaik diterapkan sebagai WAFxss yang
terintegrasi dengan web application.

---

Availability

Detail Information

Series Title

-

Call Number

2024 KHO d

Publisher

Bogor : Politeknik Siber dan Sandi Negara., 2024

Collation

xvii + 43 hal

Language

Indonesia

ISBN/ISSN

--

Classification

NONE

Content Type

-

Media Type

-

Carrier Type

-

Edition

-

Subject(s)

Deteksi serangan

Specific Detail Info

-

Statement of Responsibility

-

Other Information

Link

-

Daftar Isi

-

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment