SYAHPUTRA, YOGA and Kurniawan, Hendra and Fahmitra, Novrizal Fattah (2025) DETEKSI SERANGAN PHISHING BERBASIS URL DENGAN VARIATIONAL AUTOENCODER DAN CONVOLUTIONAL NEURAL NETWORK (VAE-CNN). S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) YOGA_SYAHPUTRA_2101020105_Teknik_Informatika - Cover.pdf Download (697kB)
	Text (Abstrak) YOGA_SYAHPUTRA_2101020105_Teknik_Informatika - Abstrak.pdf Download (219kB)
	Text (Bab I) YOGA_SYAHPUTRA_2101020105_Teknik_Informatika - BAB I.pdf Download (278kB)
	Text (Daftar Pustaka) YOGA_SYAHPUTRA_2101020105_Teknik_Informatika - Daftar Pustaka.pdf Download (214kB)
	Text (Full Teks) YOGA_SYAHPUTRA_2101020105_Teknik_Informatika - Full Teks.pdf Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Phishing merupakan ancaman berbahaya dalam keamanan siber yang mengelabui pengguna dengan menyamarkan konten berbahaya sebagai sesuatu yang sah. Penelitian ini mengusulkan metode deteksi anomali berbasis pembelajaran tidak terawasi yang menggabungkan Variational Autoencoder (VAE) dan Convolutional Neural Network (CNN) untuk mengidentifikasi URL phishing. Model menggunakan CNN sebagai encoder untuk mengekstrak fitur dari URL, melakukan sampling ruang laten secara probabilistik melalui trik reparameterisasi, dan merekonstruksi input melalui decoder. Model dilatih menggunakan 7.000 URL legitimate dan diuji pada 3.000 URL, terdiri dari 1.500 legitimate dan 1.500 phishing dari total 10.000 data yang tidak seimbang. Hasil evaluasi menunjukkan performa yang seimbang dengan nilai presisi, recall, dan F1-score sebesar 0,82 dengan ambang batas optimal 0,0049 berdasarkan analisis reconstruction loss. Temuan ini menunjukkan potensi model VAE-CNN dalam meningkatkan deteksi phishing melalui pembelajaran tidak terawasi dan berkontribusi terhadap pengembangan strategi pengendalian risiko keamanan siber dengan menawarkan kemampuan terhadap data yang tidak seimbang dan pola serangan yang belum terlihat sebelumnya.

Actions (login required)

View Item