Penganalisis Entropi Biner
Hitung entropi Shannon dari data biner apa pun untuk menentukan apakah terenkripsi, terkompresi, atau teks biasa. Lihat tabel frekuensi byte, heatmap entropi, statistik chi-kuadrat, korelasi serial, dan deteksi otomatis tipe berkas. Semua pemrosesan bersifat lokal dan privat.
Mengapa menggunakan Penganalisis Entropi kami?
- Perhitungan entropi Shannon: penganalisis entropi menghitung entropi Shannon (0-8 bit/byte) untuk data biner apa pun. Metrik mendasar ini mengukur kepadatan informasi dan keacakan data Anda, sehingga bisa langsung diklasifikasikan sebagai terenkripsi, terkompresi, atau teks biasa.
- Tabel frekuensi byte menyeluruh: setiap nilai byte (0x00-0xFF) yang ada dalam data dihitung dan ditampilkan dalam tabel frekuensi yang dapat diurutkan. Lihat jumlah, persentase, nilai hex, dan representasi ASCII. 10 byte paling sering dan paling jarang disorot untuk analisis cepat.
- Heatmap & grafik distribusi entropi: visualisasikan bagaimana entropi bervariasi di sepanjang data dengan analisis entropi jendela bergeser. Penganalisis entropi membagi data menjadi blok dan menghitung entropi lokal setiap blok, menghasilkan heatmap berkode warna dan grafik garis interaktif untuk menemukan wilayah berentropi tinggi dan rendah.
- 100% privat - tanpa unggah data: seluruh analisis entropi berjalan lokal di browser Anda memakai JavaScript. Data Anda tidak pernah meninggalkan perangkat. Tidak perlu akun, tanpa pelacakan, dan tidak ada data yang disimpan di mana pun. Ekspor hasilnya sebagai JSON atau CSV untuk catatan Anda.
Kasus penggunaan umum Penganalisis Entropi
- Deteksi malware & packer: analis keamanan memakai analisis entropi untuk mendeteksi malware yang dipaketkan atau terobfuskasi. Executable yang dipaketkan menunjukkan entropi seragam tinggi (7,0+ bit/byte), sedangkan executable normal punya tingkat entropi terstruktur dan bervariasi. Penganalisis entropi membuat perbedaan ini langsung terlihat.
- Identifikasi data terenkripsi vs terkompresi: data terenkripsi dan terkompresi sama-sama berentropi tinggi, tetapi sifat statistiknya berbeda. Data terenkripsi menunjukkan distribusi byte nyaris seragam dengan korelasi serial rendah, sedangkan data terkompresi memiliki struktur halus. Penganalisis entropi kami menghitung statistik chi-kuadrat dan korelasi serial untuk membantu membedakannya.
- Identifikasi format berkas & magic byte: penganalisis entropi otomatis mendeteksi tanda tangan berkas umum (magic byte) termasuk PDF, ZIP, PNG, JPEG, ELF, PE, Mach-O, dan GZip. Dipadukan dengan analisis entropi, ini membantu mengenali berkas biner tak dikenal dan memverifikasi klaim jenis berkasnya.
- Tantangan CTF (Capture The Flag): peserta CTF memakai analisis entropi untuk mengidentifikasi algoritma enkripsi, mendeteksi data tersembunyi dalam biner, dan mengklasifikasikan format berkas tak dikenal. Heatmap entropi mengungkap di mana payload terenkode mungkin disembunyikan dalam data yang tampak normal.
- Pengujian integritas & keacakan data: uji kualitas generator angka acak, verifikasi integritas data, dan deteksi pola tidak acak pada data yang seharusnya acak. Uji chi-kuadrat dan metrik korelasi serial memberikan bukti statistik tentang kualitas keacakan.
- Pendidikan kriptografi & teori informasi: pelajar dapat menjelajahi secara visual bagaimana algoritma enkripsi, metode kompresi, dan skema pengodean yang berbeda memengaruhi distribusi byte dan entropi. Bandingkan versi teks biasa, terenkripsi, dan terkompresi dari konten yang sama.
Apa itu entropi Shannon?
Entropi Shannon, dinamai dari Claude Shannon (bapak teori informasi), mengukur rata-rata kandungan informasi atau ketidakterdugaan suatu sumber data. Dalam konteks data biner, entropi mengukur seberapa merata nilai byte tersebar pada rentang 0-255. Entropi tinggi (mendekati 8 bit/byte) berarti semua nilai byte sama kemungkinannya - ciri data terenkripsi atau terkompresi. Entropi rendah berarti nilai byte tertentu mendominasi - lazim pada teks biasa, format terstruktur, atau data berulang. Penganalisis entropi kami menghitung metrik ini secara instan untuk input apa pun.
Cara kerja Penganalisis Entropi
- Masukkan data Anda dalam format apa pun yang didukung: tempel hex, Base64, atau teks biasa, atau unggah berkas biner. Penganalisis entropi menerima semua format dan mengonversinya menjadi byte mentah untuk dianalisis.
- Analisis tingkat byte: penganalisis menghitung setiap byte, menghitung entropi Shannon, menjalankan uji chi-kuadrat terhadap distribusi seragam, menghitung korelasi serial antar byte berurutan, dan membangun tabel frekuensi byte lengkap - semuanya di browser Anda.
- Jelajahi hasilnya: tinjau lencana klasifikasi, jelajahi tabel frekuensi byte yang dapat diurutkan, periksa heatmap entropi interaktif dan grafik garis, lalu lihat daftar byte paling sering dan paling jarang. Ekspor analisis lengkap sebagai JSON atau CSV untuk penggunaan offline.
Metrik utama dijelaskan
- Entropi Shannon (H): diukur dalam bit per byte (0-8). Teks alami biasanya bernilai 4,0-5,0, executable 5,0-6,5, arsip terkompresi 7,0-7,9, dan data terenkripsi/acak 7,5-8,0. Maksimum teoretis adalah log₂(256) = 8 bit/byte.
- Chi-kuadrat (χ²): uji statistik yang membandingkan frekuensi byte yang diamati dengan distribusi seragam yang diharapkan. Nilai lebih rendah menandakan data lebih seragam (acak). Nilai di bawah 300 menunjukkan distribusi nyaris seragam yang konsisten dengan enkripsi.
- Korelasi serial: mengukur ketergantungan antar byte berurutan. Nol berarti byte independen (acak). Nilai positif menandakan pola berulang (data terstruktur). Nilai negatif menandakan pola bergantian.
- Estimasi kompresi: jumlah bit per byte minimum secara teoretis yang dapat dicapai kompresor sempurna, sama dengan nilai entropi. Nilai 4 berarti data secara teori dapat dikompresi menjadi 50% ukuran aslinya.
Privasi, keamanan & catatan penggunaan
Penganalisis entropi memproses semua data sepenuhnya di browser Anda memakai JavaScript. Tidak ada data yang pernah diunggah ke server mana pun, disimpan di basis data, atau dibagikan kepada pihak ketiga. Tidak ada batas ukuran berkas - satu-satunya kendala adalah memori yang tersedia di browser Anda. Untuk berkas yang sangat besar (di atas 100 MB), analisis mungkin memerlukan waktu sebentar tetapi akan selesai tanpa komunikasi server apa pun. Ekspor analisis Anda sebagai JSON atau CSV untuk diintegrasikan dengan alat lain atau disimpan sebagai catatan.
Pertanyaan yang Sering Diajukan
Entropi Shannon mengukur rata-rata kandungan informasi atau ketidakterdugaan data, dinyatakan dalam bit per byte (0-8). Entropi 0 berarti semua byte identik (sepenuhnya terduga), sedangkan 8 berarti semua 256 nilai byte yang mungkin muncul dengan frekuensi sama (sepenuhnya acak). Penganalisis entropi kami menghitungnya memakai rumus H = -Σ(p_i × log₂(p_i)) untuk semua nilai byte yang ada dalam data.
Entropi tinggi (7,0-8,0 bit/byte) menunjukkan nilai byte tersebar hampir merata pada rentang 0-255. Ini ciri data terenkripsi, arsip terkompresi (ZIP, GZIP, PNG), kunci kriptografi, atau data acak. Penganalisis entropi juga menghitung chi-kuadrat dan korelasi serial untuk membedakan data terenkripsi (keseragaman nyaris sempurna, korelasi rendah) dan data terkompresi (sedikit terstruktur, korelasi sedang).
Entropi rendah (0-3,0 bit/byte) berarti nilai byte tertentu mendominasi data. Ini lazim pada data berulang, struktur jarang, urutan byte konstan, atau header pendek. Teks biasa dalam satu bahasa biasanya bernilai 4,0-5,0 bit/byte. Entropi sangat rendah (di bawah 1,5) menunjukkan pola yang sangat berulang atau data yang sangat pendek sehingga statistiknya tidak dapat diandalkan.
Penganalisis entropi mendukung empat format input: (1) Hex - tempel string heksadesimal dengan atau tanpa prefiks 0x; spasi dihapus otomatis; (2) Base64 - decode data standar berenkode Base64; (3) Teks Biasa - analisis teks sebagai byte berenkode UTF-8; (4) Unggah Berkas Biner - unggah berkas apa pun untuk analisis tingkat byte. Semua pemrosesan berjalan lokal di browser Anda.
Analisis jendela bergeser membagi data Anda menjadi blok yang saling tumpang tindih (default 64 byte per jendela, langkah 32 byte) dan menghitung entropi setiap blok secara terpisah. Ini mengungkap bagaimana entropi bervariasi di sepanjang data: bagian terenkripsi menunjukkan entropi seragam tinggi, sedangkan bagian teks biasa menunjukkan entropi lebih rendah dan bervariasi. Heatmap dan grafik garis membuat pola ini terlihat jelas.
Uji chi-kuadrat (χ²) membandingkan distribusi frekuensi byte yang diamati dengan distribusi seragam yang diharapkan (yakni setiap dari 256 nilai byte muncul sama banyak). Nilai chi-kuadrat rendah (di bawah 300 untuk ukuran data umum) berarti distribusinya mendekati seragam, konsisten dengan enkripsi. Nilai tinggi menunjukkan penyimpangan signifikan dari keseragaman, yang lazim pada data terstruktur atau teks biasa.
Korelasi serial mengukur ketergantungan statistik antar byte berurutan. Nilai mendekati 0 berarti setiap byte independen dari tetangganya (ciri enkripsi atau keacakan sejati). Nilai positif (0,1-0,9) menunjukkan pola berulang, umum pada data terstruktur, teks, atau executable. Nilai negatif menandakan pola byte yang bergantian. Ini membantu membedakan data terenkripsi dari data terkompresi, karena kompresi sering mempertahankan sebagian korelasi antar byte.
Ya, sepenuhnya. Seluruh analisis entropi berjalan lokal di browser Anda memakai JavaScript. Data Anda tidak pernah meninggalkan perangkat dan tidak pernah dikirim ke server mana pun. Tidak perlu akun, tidak ada data yang disimpan, dan tidak ada pelacakan. Anda dapat menganalisis berkas rahasia, data terenkripsi, biner sensitif, atau konten kepemilikan dengan aman.
Estimasi kompresi sama dengan entropi Shannon dalam bit per byte, yang mewakili jumlah bit minimum teoretis untuk merepresentasikan setiap byte secara rata-rata. Nilai 4,0 berarti kompresor sempurna secara teori dapat mengecilkan data menjadi 50% ukuran aslinya. Kompresor nyata (seperti gzip atau brotli) biasanya mendekati batas teoretis ini untuk sebagian besar jenis data.
Bisa, penganalisis entropi otomatis memeriksa tanda tangan berkas umum (magic byte), termasuk PDF (%PDF), ZIP (PK), PNG (‰PNG), JPEG (ÿØ), GIF (GIF), biner ELF (ELF), executable PE (MZ), Mach-O (feedface/feedfacf), GZip (1f8b), BZip2 (BZ), dan WebP (RIFF....WEBP). Dipadukan dengan analisis entropi dan rasio ASCII yang dapat dicetak, ini membantu mengenali format berkas tak dikenal.