METODOLOGI & REFERENSI INTERNASIONAL

Metodologi Assessment Ketahanan Web terhadap AI

AVALUE AI.RESWA adalah metodologi independen berbasis bukti untuk menilai ketahanan web yang dapat diamati terhadap perilaku serangan berbantuan AI dan AI otonom melalui pengujian eksternal yang terbatas dan non-destruktif.

01

Recon Resistance

Mengukur intelijen attack surface publik, eksposur artefak, metadata, pengungkapan error, kebocoran teknologi, dan perilaku route.

02

Exploit Resistance

Mengamati batas input, HTTP, parser, dan kebijakan browser secara aman tanpa eksploitasi destruktif.

03

Automation Resistance

Mengevaluasi request berulang secara terbatas, identitas bot, sinyal rate-control, dan hambatan otomasi yang dapat diamati.

04

Adaptive Resistance

Memeriksa stabilitas respons terhadap mutasi case, encoding, path, dan query yang aman.

05

Chaining Resistance

Menilai prasyarat teramati yang dapat membantu penyerang otonom merangkai eksposur kecil menjadi jalur serangan yang lebih besar.

06

Detection & Recovery

Mengamati sinyal pertahanan publik sambil memisahkan bukti yang dapat diverifikasi dari luar dengan kesiapan operasional internal.

Pengukuran, korelasi, dan bukti

Skor AI.RESWA 0–100 merupakan pengukuran independen dari enam domain. Cakupan Bukti merupakan ukuran keyakinan yang terpisah. AVALUE WebSec secara independen menilai keamanan web fundamental dan menghasilkan grade A, B, C, D, atau F. Tidak satu pun hasil digunakan untuk mengubah hasil lainnya.

0–29 · Critical Exposure30–44 · High Exposure45–59 · Elevated60–74 · Moderate75–89 · Strong90–100 · Advanced

LEVEL publik dan Risiko Serangan AI Otonom merupakan output terintegrasi yang dihasilkan dengan mengorelasikan band pengukuran AI.RESWA dengan grade AVALUE WebSec yang independen. LEVEL publik menggunakan EXCELLENT, STRONG, MODERATE, GUARDED, POOR, WEAK, dan CRITICAL. Kelas risiko pasangannya adalah Sangat Rendah, Rendah, Moderat, Meningkat, Tinggi, Sangat Tinggi, dan Kritis. Model korelasi ini merupakan metodologi AVALUE dan bukan sistem rating OWASP atau NIST.

Mengapa Skor dan LEVEL dapat terlihat berbeda?

Skor AI.RESWA merupakan hasil pengukuran independen terhadap enam domain ketahanan terhadap serangan berbantuan AI, sedangkan LEVEL publik merupakan hasil assessment terintegrasi yang juga mempertimbangkan keamanan web fundamental melalui AVALUE WebSec. Karena itu, situs dengan skor AI.RESWA yang relatif baik dapat memperoleh LEVEL yang lebih rendah apabila assessment WebSec menemukan kelemahan keamanan dasar yang material. Pendekatan ini mencerminkan prinsip bahwa kelemahan keamanan fundamental dapat memperbesar peluang keberhasilan serangan AI otonom.

WebSec tidak mengubah skor AI.RESWA; hasil keduanya dikorelasikan hanya untuk menentukan LEVEL publik dan Risiko Serangan AI Otonom.

PEMETAAN REFERENSI INTERNASIONAL

Landasan metodologis

OWASP Web Security Testing Guide (WSTG) v4.2

Rujukan utama untuk praktik pengujian keamanan aplikasi web dan skenario pengujian terstruktur.

Referensi resmi OWASP ↗

OWASP Automated Threats to Web Applications

Rujukan untuk ancaman otomatis yang agnostik terhadap teknologi seperti fingerprinting, footprinting, scraping, dan vulnerability scanning.

Referensi resmi OWASP ↗

NIST Cybersecurity Framework (CSF) 2.0

Rujukan untuk memahami, menilai, memprioritaskan, dan mengomunikasikan risiko serta outcome ketahanan keamanan siber.

Referensi resmi NIST ↗

NIST AI 100-2e2025

Rujukan konseptual untuk terminologi adversarial AI, tujuan dan kapabilitas penyerang, serta lifecycle serangan. Dokumen ini membahas serangan terhadap sistem AI dan bukan standar pengujian ketahanan web.

Referensi resmi NIST ↗
Pernyataan Metodologi Independen

AVALUE AI.RESWA dikembangkan secara independen. Rujukan kepada OWASP dan NIST menunjukkan keselarasan metodologis atau landasan konseptual dan tidak menyiratkan endorsement, sertifikasi, atau afiliasi dengan organisasi tersebut.