<![CDATA[Web service telah menjadi komponen penting dalam aplikasi bisnis modern, memungkinkan integrasi dan komunikasi antar sistem secara efisien. Namun, meningkatnya penggunaan web service juga membawa berbagai ancaman keamanan yang dapat merusak integritas, kerahasiaan, dan ketersediaan data. Salah satu ancaman serius adalah backdoor shell, sebuah metode serangan di mana penyerang menyisipkan kode berbahaya ke dalam aplikasi web untuk mendapatkan akses tidak sah. Penelitian ini bertujuan untuk mengeksplorasi penggunaan machine learning dalam mendeteksi backdoor shell pada web service, menguji efektivitasnya, dan membandingkannya dengan metode deteksi tradisional. Metode yang digunakan meliputi pengumpulan data aktivitas web service, penggunaan algoritma machine learning seperti Random Forest dan SVM, serta validasi model dengan teknik cross-validation. Hasil penelitian menunjukkan bahwa model machine learning yang dikembangkan mampu mendeteksi ancaman backdoor shell dengan akurasi 95%, presisi 93%, recall 96%, dan F1-score 94%, mengungguli metode deteksi tradisional. Kesimpulannya, pendekatan machine learning efektif dalam meningkatkan keamanan web service terhadap ancaman backdoor shell.]]>
Copyrights © 2024
