<![CDATA[SQL Injection merupakan salah satu bentuk serangan siber yang paling berbahaya karena memungkinkan penyerang untuk mengakses, memodifikasi, atau menghapus data secara ilegal melalui manipulasi perintah SQL. Sistem deteksi berbasis aturan memiliki keterbatasan dalam menghadapi pola serangan baru yang bersifat dinamis dan sulit dikenali. Penelitian ini bertujuan mengembangkan model deteksi serangan SQL Injection dengan pendekatan machine learning menggunakan kombinasi Autoencoder dan Algoritma Machine Learning. Autoencoder digunakan untuk mengekstraksi fitur dan mendeteksi pola anomali pada data input, sedangkan Algoritma Machine Learning berperan sebagai model klasifikasi untuk membedakan antara permintaan normal dan serangan. Data yang digunakan terdiri atas payload berlabel yang mencakup input normal dan serangan SQL Injection, yang selanjutnya diproses melalui tahapan normalisasi, ekstraksi fitur, dan pelatihan model. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian diharapkan menghasilkan model deteksi yang adaptif, mampu mengenali pola serangan baru, serta memiliki tingkat kesalahan deteksi yang rendah pada sistem keamanan jaringan IOT.]]>
Copyrights © 2025
