SKRIPSI DIGITAL
Pengembangan Web Application Firewall Dual-Layer Berbasis Modsecurity Dengan Pendekatan Machine Learning Untuk Reduksi False Positive Pada Deteksi Serangan SQL Injection Dan Cross-Site Scripting = Development of a ModSecurity-Based Dual-Layer Web Application Firewall Using a Machine Learning Approach to Reduce False Positives in the Detection of SQL Injection and Cross-Site Scripting Attacks
Web Application Firewall (WAF) berbasis aturan seperti ModSecurity menghasilkan false positive tinggi pada instalasi yang belum disetel, yaitu request sah yang keliru ditandai sebagai serangan. Sementara itu, pendekatan yang menggantikan mesin aturan dengan machine learning membebani seluruh lalu lintas. Penelitian ini merancang arsitektur WAF dual-layer yang menggabungkan ModSecurity sebagai lapisan pertama dengan machine learning sebagai lapisan validasi untuk deteksi SQL Injection dan Cross-Site Scripting. ModSecurity dioperasikan dalam mode Detection Only, dan model hanya memverifikasi request yang ditandai aturan 941 dan 942. Lima algoritma, yaitu SVM, Random Forest, XGBoost, LightGBM, dan Decision Tree, dibandingkan melalui benchmark dua tahap dengan metrik recall, false positive rate, accuracy, F1-Score, reduksi false positive, dan latency. Hasil menunjukkan kelima model menekan false positive hingga nol dengan reduksi 100%. Random Forest mempertahankan recall tertinggi, 99,70%, dengan hanya kehilangan satu serangan dibandingkan baseline, sedangkan SVM mencapai 96,00%. Arsitektur menurunkan false positive dari 195 menjadi nol dan menaikkan akurasi dari 83,58% menjadi 99,75%. Sumbangan penelitian ini adalah arsitektur yang memosisikan machine learning sebagai lapisan validasi di atas mesin aturan serta dasar pemilihan algoritma untuk peran ini.
Tidak tersedia versi lain
Karya Umum 
Filsafat 
Agama 
Ilmu-ilmu Sosial 
Bahasa 
Ilmu-ilmu Murni 
Ilmu-ilmu Terapan 
Kesenian, Hiburan, dan Olahraga 
Kesusastraan 
Geografi dan Sejarah