<![CDATA[Di tengah gencarnya serangan siber, log server web menjadi bukti jejak digital penting dalam upaya mendeteksi aktivitas berbahaya pada server web. Penelitian ini mengusulkan metode identifikasi serangan berdasarkan log server web dengan pendekatan yang sederhana namun efektif, yaitu melalui URL parsing dan keyword heuristics. Metode ini memadukan beberapa teknik forensik digital, termasuk parsing dan decoding URL log server web, penyaringan akses dari bot legal menggunakan verifikasi DNS, dan ekstraksi token dari URL untuk membentuk keyword list yang mencerminkan karakteristik unik dari setiap jenis serangan. Keyword list dibangun dari data latih dengan menganalisis frekuensi kemunculan token dalam berbagai kategori serangan. Proses deteksi dilakukan dengan mencocokkan token URL terhadap keyword list. Untuk memastikan generalisasi dan menghindari kebocoran data latih (training data leakage), keyword list tersebut diuji menggunakan data uji yang isinya berbeda dari data latih. Hasil evaluasi menunjukkan bahwa metode ini mampu mencapai skor sempurna (1.00) pada metrik precision, recall, dan F1-score, baik untuk klasifikasi biner (benign vs attack) maupun multi-class (benign, SQLi, RCE, bot, scanning). Hasil ini membuktikan bahwa pendekatan berbasis URL parsing dan keyword heuristics sangat efektif untuk mendeteksi serangan yang telah dikenal (known attack), sehingga bisa menjadi pilihan metode deteksi dalam praktik forensik digital. Abstract Amidst the rise of cyberattacks, web server logs have become important digital evidence in detecting malicious activity on web servers. This study proposes a method for identifying attacks based on web server logs using a simple yet effective approach, namely through URL parsing and keyword heuristics. This method combines several digital forensic techniques, including parsing and decoding web server log URLs, filtering access from legitimate bots using DNS verification, and extracting tokens from URLs to form a keyword list reflecting the unique characteristics of each type of attack. The keyword list is built from training data by analyzing the frequency of token occurrence across various attack categories. The detection process involves matching URL tokens against the keyword list. To ensure generalization and avoid training data leakage, the keyword list is tested using test data whose contents are different from the training data. Evaluation results show that this method achieves a perfect score (1.00) on precision, recall, and F1-score metrics, both for binary classification (benign vs. attack) and multi-class classification (benign, SQLi, RCE, bot, scanning). These results demonstrate that the URL parsing and keyword heuristics-based approach is highly effective for detecting known attacks, making it a viable detection method in digital forensics practice.]]>
Copyrights © 2026
