Pendeteksian Malware Pada Lingkungan Aplikasi Web Dengan Kategorisasi Dokumen

Setiawan, Fransiskus Gusti Ngurah Dwika (2016) Pendeteksian Malware Pada Lingkungan Aplikasi Web Dengan Kategorisasi Dokumen. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 5112100013-Undergraduate-Theses.pdf]
Preview
Text
5112100013-Undergraduate-Theses.pdf - Published Version

Download (2MB) | Preview

Abstract

Jumlah aplikasi berbasis web semakin bertambah seiring dengan
perkembangan teknologi informasi. Dengan bertambahnya jumlah
aplikasi web, serangan-serangan yang dilakukan terhadap aplikasiaplikasi
web tersebut juga meningkat. Salah satu jenis serangan
yang marak dilakukan terhadap aplikasi web adalah penyisipan malware
seperti web shell yang dapat memberikan akses bebas terhadap
komputer server kepada penyerang.
Dalam tugas akhir ini, dibuat aplikasi pendeteksian malware /
kode malicious khususnya jenis web shell dengan teknik kategorisasi
dokumen. Proses kategorisasi dokumen meliputi praproses dan
tokenisasi kode sumber, pembuatan model classifier Multinomial
Naive Bayes dan Decision Tree, dan klasifikasi dokumen menggunakan
classifier yang telah dibuat. Uji coba yang dilakukan terhadap
718 file kode sumber PHP menghasilkan tingkat precision dari
72% hingga 83% dan recall 83% hingga 97%.

===================================================================================

The number of web applications are growing along with the
growth of information technology. As the number of web applications
grow, the frequency of attacks against those web applications
are increasing too. One example of those attacks is the injection of
malware such as web shell to the web application. Such malware
can give free access to the application’s server for attackers.
In this undergraduate thesis, an application for detecting malware
/ malicious code using document categorization techniques
will be created. The document categorization process consists of
preprocessing document, source code tokenization, training of Multinomial
Naive Bayes and Decision Tree classifier, and document
classification using said classifiers. Tests using 718 PHP source code
show that the application successfully detect malware with 72%-
83% precision and 83%-97% recall.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: aplikasi web; deteksi malware; kategorisasi dokumen; web application; malware detection; document categorization.
Subjects: T Technology > T Technology (General)
Z Bibliography. Library Science. Information Resources > ZA Information resources > Z699.5 Information storage and retrieval systems
Divisions: Faculty of Information Technology > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User: FRANSISKUS GUSTI NGURAH DWIKA SETIAWAN
Date Deposited: 21 Apr 2017 08:23
Last Modified: 27 Dec 2018 07:42
URI: http://repository.its.ac.id/id/eprint/3798

Actions (login required)

View Item View Item