MUHTADIN

Aplikasi web menjadi target utama serangan siber karena sifatnya yang terbuka dan terhubung langsung dengan internet sementara mekanisme keamanan tradisional seperti WAF berbasis signature memiliki keterbatasan dalam mendeteksi serangan zero-day. Penelitian ini mengusulkan sistem Intrusion Prevention System (IPS) berbasis Reinforcement Learning menggunakan algoritma Proximal Policy Optimization (PPO) dan Asynchronous Advantage Actor-Critic (A3C) untuk mendeteksi dan merespons serangan web secara otomatis. Data dikumpulkan melalui simulasi serangan terhadap DVWA dengan total 36.859 baris data mencakup 15 kelas label kemudian dilakukan undersampling menjadi 33.444 sampel ekstraksi 29 fitur numerik dan normalisasi MinMaxScaler. Model diintegrasikan ke VM Ubuntu Server sebagai IPS aktif yang melakukan capture lalu lintas HTTP real-time menggunakan Tshark, dengan pemblokiran IP otomatis via iptables setelah threshold 5 kali deteksi tercapai serta mekanisme auto-unblock setelah 5 menit. Hasil evaluasi menunjukkan PPO mencapai accuracy 98,70% F1- score 98,13% ROC-AUC weighted 0,9986 dan MCC 0,9722 sedangkan A3C mencapai accuracy 95,98% F1-score 94,10% ROC-AUC weighted 0,9804 dan MCC 0,9143. PPO secara konsisten mengungguli A3C pada seluruh metrik membuktikan bahwa sistem IPS berbasis Reinforcement Learning mampu mendeteksi serta merespons serangan web secara aktif dan otomatis.